音频样本论文：连续音频流分割分类系统研究

【中文摘要】音频信号的处理和研究对当今生活具有重要意义。本文主要针对连续音频流的若干特征和相关结构化参数进行了分析,详细介绍了应用聚类和模糊聚类分析进行分类器的设计方法,优化了传统模糊聚类分析的经典算法——FCM算法的相关参数和确定方法,提出了相关的优化方法和改进聚类方法,并对实验数据利用这几种方法进行了实验分析,证明了算法的有效性和合理性。本文的研究工作主要在以下几个方面：(1)分析了相关样本信息的预处理方法和特征提取方法,对典型方法进行了详细阐述确定相关参数,明确了优化特征和为后面分类器的设计确定了有关初始化信息。(2)对常见的音频样本的分割方法进行了相关说明和阐述,对其结构化参数进行了相关定义和介绍,并针对传统方法存在的问题重点分析了一种和分类器选择紧密相关的分形方法,然后采用相关数据进行了实验对比分析确定方法的正确性。(3)简要介绍了聚类和模糊聚类的常见方法,并对基于目标函数的聚类分析的经典算法——FCM算法进行了详细介绍,对其有效性评价给出了相关数学定义,对算法中加权指数的含义进行了说明,并对其确定方法进行了介绍。并在此基础之上提出了一种利用空间信息进行优化的方向聚类方法,并针对音频样本给出了基于特征空间的改进聚类新算法。(4)给出了样本信息流的分割分类系统设计方案,将上述的相关数学模型和算法应用到样本信息流的分类系统设计中,解决了常见音频流系统无法单一分类和提取相关信息的不确定性的问题,为连续音频样本信息流的相关信息提取提供了一种切实有效的方法。

【英文摘要】Audio signal processing and research on contemporary life is important. In this paper, a continuous audio stream for a number of structural features and related parameters were analyzed, detailing the application of clustering analysis and fuzzy cluster analysis to classify the design method to optimize the traditional fuzzy clustering analysis of the classical algorithm-FCM Algorithm parameters and determine the method, a modified fast clustering method and the experimental data for several methods in this experiment, it is proved that the algorithm is effective and reasonable. This research work mainly in the following areas:(1) analysis of information related to sample pretreatment methods and feature extraction methods, the typical method of determining the parameters described in detail, clearly the optimal feature and classifier design for the back to determine the relevant initialization information.(2) of the common audio sample instructions segmentation methods and elaboration of its structural parameters related to the definition and description, and the problems of traditional methods focus on analysis and classification Select a closely related fractal Method, and then use the data for comparative analysis of the experimental method for determining the accuracy.(3) a brief introduction of the common clustering and fuzzy clustering methods, and clustering analysis based on the objective function of a classical algorithm-FCM algorithm is described in detail, evaluate its effectiveness given the relevant mathematical definition of weighted index of the meaning of the algorithm are described, and its determination method are introduced. And on this basis proposes a spatial information to optimize the use of the direction of clustering methods, and audio samples are given for feature-based clustering algorithm improved space.(4) gives the division of the sample flow of information classification system design, mathematical models related to the above algorithm is applied to the sample information and the classification system design flow to address the common audio stream system can not extract information about a single classification and not Deterministic problem, the information flow for the extraction of the sample provides an effective method.

【关键词】音频样本 特征优化 聚类分析 方向聚类 特征空间

【英文关键词】Audio Samples       Feature Optimization       Cluster Analysis       Direction cluster       Feature space

【目录】连续音频流分割分类系统研究摘要4-5Abstract5-6目录7-10插图清单10表格清单10-111 绪论11-171.1 研究目的与意义11-121.2 国内外研究现状12-151.2.1 音频处理领域研究现状12-141.2.2 聚类技术发展现状14-151.3 本文主要研究问题和内容安排15-171.3.1 本文的主要工作151.3.2 本文内容安排15-172 音频特征提取方法17-212.1 样本信息的预处理17-182.2 音频样本特性分析18-212.2.1 相关概念192.2.2 特征判别方法19-213 音频样本分割方法21-303.1 基于BIC准则的信号分割22-233.2 基于熵变换的信号分割23-253.3 基于分形技术的信号分割25-283.3.1 短时分形维数和时间序列信号图形的网格分形25-263.3.2 基于分形维数轨迹的分割方法26-283.4 实验对比分析28-304 聚类与模糊聚类30-444.1 聚类分析30-334.1.1 谱系聚类方法31-324.1.2 基于等价关系的聚类方法324.1.3 图论聚类方法32-334.2 基于目标函数的聚类分析33-374.2.1 数据集C划分344.2.2 聚类目标函数分析34-3.2.3 模糊C均值聚类算法36-374.3 基于目标函数的聚类方法扩展37-384.3.1 模糊C变体374.3.2 可能性聚类37-384.3.3 带噪音的聚类384.4 部分监督聚类算法38-444.4.1 概述38-394.4.2 问题数学建模39-404.4.3 类的相关设计40-414.4.4 基于类的跟踪问题41-434.4.5 小结43-445 改进的模糊聚类新算法44-565.1 聚类有效性分析44-455.1.1 划分指标445.1.2 划分熵44-455.2 加权指数对FCM算法的影响和确定方法45-485.2.1 加权指数m对FCM算法的影响45-465.2.2 参数m的优选方法46-485.3 改进的聚类新算法48-565.3.1 引论495.3.2 问题的数学表达49-515.3.3 方向聚类算法51-535.3.4 基于特征空间的快速FCM聚类算法53-566 连续音频流分类系统设计56-616.1 总体设计56-586.2 相关实验分析58-616.2.1 实验分析数据586.2.2 实验结果58-617 总结和展望61-637.1 工作总结61-627.2 工作展望62-63参考文献63-66致谢66-67个人简历67