[发明专利]用于音频内容识别的分类器参数更新方法

权利要求书

1.一种用于音频内容识别的分类器参数更新方法，适用于基于高斯混合模型的分类器，其特征在于该方法包括如下步骤：

获取新的训练数据；

进行数据选择，得到数据集一及数据集二；

利用数据集一更新当前高斯混合模型的参数π_j，μ_j，∑_j，j＝1，2，...，g，其中g为当前的高斯分量的个数，π_j为混合百分比参数，∑_j为方差，μ_j为均值；

而对于数据集二，则先判断其数据量是否大于一门限值，如其数据量是大于一门限值，则利用数据集二的数据更新整体的高斯混合模型参数，采取如下的方法：

第一步：根据计算这些数据所产生的高斯混合模型参数：

π_j，μ_j，∑_j，j＝g+1，g+2，...，g+h

其中h为高斯混合模型新增的高斯分量的个数；

第二步：重新分配混合百分比参数π_j，j＝1，2，...，g+h，而不更新其它两组参数：

πj′=απj,j=1,2,...gβπj,j=g+1,g+2,...,h]]>

其中，参数须满足α+β＝1。

2.如权利要求1所述的用于音频内容识别的分类器参数更新方法，其特征在于：如果数据集二的数据量小于一门限值，则保持原高斯混合模型参数不变。

3.如权利要求1所述的用于音频内容识别的分类器参数更新方法，其特征在于：其中在进行数据选择的过程中是基于原参数所构成的高斯混合模型并计算新数据在此模型下概率的大小而选择。

4.如权利要求3所述的用于音频内容识别的分类器参数更新方法，其特征在于：其中当的时候，将新数据放在数据集一，而当的时候，则将新数据放在数据集二，此时η为一预设值，是新数据在高斯混合模型的第j个分量下的概率。

5.如权利要求1所述的用于音频内容识别的分类器参数更新方法，其特征在于：其中在进行数据选择的过程中是基于计算数据和高斯混合模型分布中心的距离而选择。

6.如权利要求5所述的用于音频内容识别的分类器参数更新方法，其特征在于：其中如果新数据和高斯混合模型分布中心的距离大于某一个门限，则归为数据集二，反之为归为数据集一。