dcase2013题目,基于字典学习的音频异常事件的检测与分类
本文介绍了非负矩阵分解(NMF)这一新的数学研究成果,NMF 非负性的限制造成了相应描述在一定程度上的稀疏性,而稀疏性可以实现特征的自动选择,降低特征学习的难度,减少数据的存储空间,并且可以使得矩阵非线性的维数削减,同时尽可能保持信息不变。在音频识别方面,本文采用了基于隐马尔可夫模型(HMM)的识别方法,采用鲁棒性较好的 Mel 频率倒谱系数(MFCC)作为特征参数。我们通过维特比算法(Viterbi)对其进行解码,来找出最有可能产