基于模糊聚類表征的音頻例子檢索及相關(guān)反饋

1、任務(wù)描述用自己熟悉的輸入方法輸入范文內(nèi)容，或使用“科技文章素材.doc”，然后以“科技文章.doc”為文件名保存；文稿要求用計算機打印在A4（297*210）紙上；文稿必須包括中英文題名、作者姓名、作者單位、中英文摘要和關(guān)鍵詞、中圖法分類號、正文、參考文獻；論文章節(jié)編號采用三級標(biāo)題頂格排序。一級標(biāo)題形如1，2，3.排序，二級標(biāo)題形如1.1， 1.2，.；2.1，2.2，.排序，引言不排序。 參考文獻作者署名，不多于三人全部著錄，超過三人，第三人后加“等”（et al）。無論中英文署名，一律姓先名后。參考文獻著錄方法及書寫規(guī)范如下：1） 期刊或雜志： 序號 文章作者名1，名2，名3，等. 文章名

2、 J. 雜志名, 年, 卷(期): 起止頁碼。2） 書或?qū)Ｖ盒蛱?著者名. 書名M. 出版社所在城市名: 出版社名, 出版年: 起止頁碼。3） 論文集： 序號 文章作者名. 文章名 A. 論文集編者. 文集名C. 出版地所在城市名:出版社名, 出版年: 起止頁碼。結(jié)果參見圖基于模糊聚類表征的音頻例子檢索及相關(guān)反饋吳某某，趙某某（浙江大學(xué)，杭州，310027）摘要：避免先前基于例子的音頻檢索要按照監(jiān)督機制訓(xùn)練不同類別的復(fù)雜的音頻模板，一種新的基于非監(jiān)督機制音頻例子快速檢索方法被提出來。其步驟如下：首先從原始音頻流中提取壓縮域特征，然后使用時空約束機制實現(xiàn)壓縮域特征的模糊聚類，用聚類質(zhì)心來表征整

3、個音頻例子。關(guān)鍵詞：音頻檢索；時空約束；模糊聚類；相關(guān)反饋中圖分類號：TP391.4 Audio Clip Retrieval and Relevance Feedback based on the Audio Representation of Fuzzy ClusteringWU , ZHAO (Zhejiang University, Hangzhou, 310027)Abstract: Avoiding generating audio template by supervised learning and find similar audio clip based on pre-tr

4、ained audio template, every audio clip is presented by limited number of centroids which is extracted by unsupervised learning algorithm. Audio features such as Centroid, Rolloff, Spectral, Flux and RMS are extracted from each overlapping audio frame in the original compressed domain. Keywords: Audi

5、o Retrieval Time-Spatial Constraint Fuzzy Clustering Relevance 作為多媒體重要媒質(zhì)之一的音頻蘊涵了豐富語義，從90年代中期開始的基于內(nèi)容音頻檢索就研究如何提取音頻信息流中的語義信息，以實現(xiàn)對音頻數(shù)據(jù)進行檢索1：如在“Muscle Fish”中2，每個音頻例子的MFCC等特征被提取，然后歸一化歐氏距離用來判別提交的檢索音頻屬于音頻數(shù)據(jù)庫中哪一類，這種方法取得了81%左右正確率；提取音頻例子中12個MFCC系數(shù)和1個能量特征3，對語音、笑聲、雨聲和雙簧管音等6類不同音頻類別構(gòu)造量化樹，將每個量化樹作為相應(yīng)類別音頻的模板，然后用余弦距離進

6、行相似度量，取得了77.2%的檢索平均正確率；采用監(jiān)督式的學(xué)習(xí)機制，從每個音頻幀中提取感知和物理特征4，為每類音頻訓(xùn)練支持向量學(xué)習(xí)機，取得了平均80%左右檢索正確率。1 音頻例子表征與檢索1.1 MPEG壓縮域音頻特征提取MPEG音頻壓縮利用了“心理聲學(xué)模型（psychoacoustics model）”，在MPEG壓縮領(lǐng)域上直接提取特征，可以保留這些感知特性，實現(xiàn)對音頻語義內(nèi)容的理解。1) 壓縮域特征高斯化處理1.3 音頻例子相似度比較 既然每個音頻用個質(zhì)心來表征，那么兩個音頻之間的相似度就可以通過質(zhì)心來計算。3 總結(jié)與今后工作本文介紹了基于非監(jiān)督約束機制的音頻檢索及相關(guān)反饋算法，并且實時實

7、現(xiàn)了這樣的原型系統(tǒng)。在模糊聚類因子取為11和聚類質(zhì)心數(shù)目取為6時，系統(tǒng)查全率和查準(zhǔn)率均超過90%，比其它算法取得了更高效率。參考文獻1 Foote J T, An overview of audio information retrieval J, Multimedia Systems, 1999 7(1): 2-112 E.Wold, T.Blum, D.Keislar(et al), Content-based classification, search and retrieval of audio J, IEEE Multimedia Magazine,1996, 3(3):27-363 Jonathan T. Foote, Content-Based Retrieval of Music a