[發(fā)明專利]一種基于卷積神經(jīng)網(wǎng)絡(luò)和隨機(jī)森林的音頻分類方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810037337.8
• 申請(qǐng)日: 2018-01-16
• 公開（公告）號(hào): CN108122562A
• 公開（公告）日: 2018-06-05
• 發(fā)明（設(shè)計(jì)）人: 彭德中;付煒
• 申請(qǐng)（專利權(quán)）人: 四川大學(xué)
• 主分類號(hào): G10L25/54
• 分類號(hào): G10L25/54;G10L25/45;G10L25/30;G10L25/27;G10L25/18;G06N3/04;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于卷積神經(jīng)網(wǎng)絡(luò)和隨機(jī)森林的音頻分類方法，其特征包括如下步驟：

步驟1:對(duì)原始音頻數(shù)據(jù)集進(jìn)行頻譜分析，首先將長(zhǎng)音頻文件分為等長(zhǎng)的若干段，每段音頻對(duì)應(yīng)相同的標(biāo)簽，然后對(duì)每段音頻進(jìn)行分幀、加窗、傅里葉變換，得到每段音頻的頻譜圖，作為新的訓(xùn)練集的一個(gè)樣本；

步驟2:利用步驟1得到的所有頻譜圖及其對(duì)應(yīng)的標(biāo)簽，訓(xùn)練一個(gè)改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)具有14層；

步驟3:去掉步驟2學(xué)習(xí)到的卷積神經(jīng)網(wǎng)絡(luò)的softmax層，然后再用卷積神經(jīng)網(wǎng)絡(luò)提取所有頻譜圖的高層特征；

步驟4:利用步驟3提取的頻譜圖的高層特征訓(xùn)練隨機(jī)森林分類器，采用Gini不純度作為決策樹特征選擇的準(zhǔn)則；

步驟5:將待分類的音頻進(jìn)行步驟1中的頻譜分析得到頻譜圖，然后用步驟3中去掉softmax層的卷積神經(jīng)網(wǎng)絡(luò)提取頻譜圖高層特征，最后將提取的高層特征輸入到步驟4中訓(xùn)練好的隨機(jī)森林分類器進(jìn)行音頻分類，以投票的方式得到最終的分類結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種基于卷積神經(jīng)網(wǎng)絡(luò)和隨機(jī)森林的音頻分類方法，其特征在于，針對(duì)音頻特征，該方法的具體實(shí)施過程包括兩級(jí)特征提取，第一級(jí)特征提取是通過頻譜分析，獲取音頻對(duì)應(yīng)的頻譜圖，初步提取其低層時(shí)頻特征，第二級(jí)特征提取采用改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)，進(jìn)一步對(duì)頻譜圖提取高層特征。

3.根據(jù)權(quán)利要求1所述的一種基于卷積神經(jīng)網(wǎng)絡(luò)和隨機(jī)森林的音頻分類方法，其特征在于，該方法為了克服softmax作為卷積神經(jīng)網(wǎng)絡(luò)分類器導(dǎo)致泛化能力不強(qiáng)的問題，采用隨機(jī)森林替換卷積神經(jīng)網(wǎng)絡(luò)的最后一層，作為最終的音頻分類器。