杨松
- 作品数：3 被引量：6H指数：2
- 供职机构：江南大学物联网工程学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：电子电信自动化与计算机技术更多>>
- 基于样本熵的语音/音乐识别被引量：4
- 2012年
- 传统的MFCC及短时能量特征只反映了信号序列的静态特征,目前基于这些特征的语音/音乐识别率为79%～86%。样本熵可以反映信号序列中的新信息量的大小以及新信息量的变化程度。以样本熵作为特征对语音/音乐进行分类识别,提取混合信号的样本熵,计算每段信号样本熵的均值和方差,采用k均值聚类进行识别。仿真实验结果表明,基于样本熵的语音/音乐识别的识别率可提高到88.073%。
- 杨松于凤芹
- 关键词：K均值聚类
- 基于MP稀疏分解原子参数的乐器分类
- 2012年
- Mel频率倒谱系数(MFCC)等传统声学特征不能精确地体现出不同乐器信号间的差别。为此,提出一种基于匹配追踪(MP)稀疏分解原子参数的乐器分类方法。利用MP算法提取各类乐器信号的稀疏分解原子,将得到的原子参数作为特征,通过支持向量机进行分类。实验结果表明,该方法的分类正确率达到89.17%,相对于MFCC提高了17.37%。
- 杨松于凤芹
- 关键词：乐器分类稀疏分解匹配追踪算法原子参数支持向量机
- 利用遗传算法改进SOM网络初始权值的乐器分类被引量：2
- 2012年
- 针对SOM网络在分类中由于其初始权值的随机性而导致的训练次数过多且易陷入局部最小的问题,提出了利用遗传算法改进网络初始权值的乐器分类。仿真实验提取10种乐器的12阶MFCC系数,之后使用遗传算法计算出每种乐器各阶系数的适应度值,并以此作为网络的初始权值,之后使用已赋初值的SOM网络分类。仿真实验结果表明:利用遗传算法改进SOM网络初始权值的乐器分类方法的分类正确率最高可达到83.51%。
- 杨松于凤芹
- 关键词：乐器分类自组织特征映射网络遗传算法
