[发明专利]基于卷积神经网络与随机森林分类的声音场景识别方法在审
| 申请号： | 201810038744.0 | 申请日： | 2018-01-13 |
| 公开（公告）号： | CN108231067A | 公开（公告）日： | 2018-06-29 |
| 发明（设计）人： | 李应;李俊华 | 申请（专利权）人： | 福州大学 |
| 主分类号： | G10L15/16 | 分类号： | G10L15/16;G10L15/06;G10L25/21;G10L25/24;G10L25/30;G10L25/45;G06K9/62 |
| 代理公司： | 福州元创专利商标代理有限公司 35100 | 代理人： | 蔡学俊 |
| 地址： | 350108 福建省福*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于卷积神经网络与随机森林分类的声音场景识别方法。首先，声音场景通过Mel滤波器生成Mel能量谱及其片段样本集；然后，利用片段样本集对CNN进行两阶段训练，截断全连接层的特征输出，得到片段样本集的CNN特征；最后，用随机森林对片段样本集的CNN特征进行分类，得到最终识别结果。相关实验结果表明，本发明方法在IEEE DCASE2016声音场景评估数据集上的识别率既优于Mel频率倒谱系数特征结合高斯混合模型(MFCC‑GMM)的基准方法，也优于现有的相关识别方法。 | ||
| 搜索关键词： | 声音场景 样本集 随机森林 卷积神经网络 分类 高斯混合模型 频率倒谱系数 滤波器生成 评估数据 特征结合 连接层 两阶段 能量谱 识别率 截断 输出 | ||
【主权项】：
1.一种基于卷积神经网络与随机森林分类的声音场景识别方法，其特征在于：首先，声音场景通过Mel滤波器生成Mel能量谱及其片段样本集；然后，利用片段样本集对CNN进行两阶段训练，截断全连接层的特征输出，得到片段样本集的CNN特征；最后，用随机森林对片段样本集的CNN特征进行分类，得到最终识别结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于福州大学，未经福州大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810038744.0/，转载请声明来源钻瓜专利网。
