連續(xù)音頻流分割分類系統(tǒng)研究.pdf

1、音頻信號的處理和研究對當(dāng)今生活具有重要意義。本文主要針對連續(xù)音頻流的若干特征和相關(guān)結(jié)構(gòu)化參數(shù)進(jìn)行了分析,詳細(xì)介紹了應(yīng)用聚類和模糊聚類分析進(jìn)行分類器的設(shè)計(jì)方法,優(yōu)化了傳統(tǒng)模糊聚類分析的經(jīng)典算法--FCM算法的相關(guān)參數(shù)和確定方法,提出了相關(guān)的優(yōu)化方法和改進(jìn)聚類方法,并對實(shí)驗(yàn)數(shù)據(jù)利用這幾種方法進(jìn)行了實(shí)驗(yàn)分析,證明了算法的有效性和合理性。本文的研究工作主要在以下幾個(gè)方面:
　　 (1)分析了相關(guān)樣本信息的預(yù)處理方法和特征提取方法,對典型

2、方法進(jìn)行了詳細(xì)闡述確定相關(guān)參數(shù),明確了優(yōu)化特征和為后面分類器的設(shè)計(jì)確定了有關(guān)初始化信息。
　　 (2)對常見的音頻樣本的分割方法進(jìn)行了相關(guān)說明和闡述,對其結(jié)構(gòu)化參數(shù)進(jìn)行了相關(guān)定義和介紹,并針對傳統(tǒng)方法存在的問題重點(diǎn)分析了一種和分類器選擇緊密相關(guān)的分形方法,然后采用相關(guān)數(shù)據(jù)進(jìn)行了實(shí)驗(yàn)對比分析確定方法的正確性。
　　 (3)簡要介紹了聚類和模糊聚類的常見方法,并對基于目標(biāo)函數(shù)的聚類分析的經(jīng)典算法--FCM算法進(jìn)行了詳細(xì)介紹,

3、對其有效性評價(jià)給出了相關(guān)數(shù)學(xué)定義,對算法中加權(quán)指數(shù)的含義進(jìn)行了說明,并對其確定方法進(jìn)行了介紹。并在此基礎(chǔ)之上提出了一種利用空間信息進(jìn)行優(yōu)化的方向聚類方法,并針對音頻樣本給出了基于特征空間的改進(jìn)聚類新算法。
　　 (4)給出了樣本信息流的分割分類系統(tǒng)設(shè)計(jì)方案,將上述的相關(guān)數(shù)學(xué)模型和算法應(yīng)用到樣本信息流的分類系統(tǒng)設(shè)計(jì)中,解決了常見音頻流系統(tǒng)無法單一分類和提取相關(guān)信息的不確定性的問題,為連續(xù)音頻樣本信息流的相關(guān)信息提取提供了一種切實(shí)有