基于MFCC-IMFCC和GA-SVM的鸟声识别
鸟声识别研究中声音特征选取对识别分类的准确度有很大影响.为了提高鸟声识别正确率,针对传统的梅尔倒谱系数(MFCC)对鸟声高频信息表征不足.提出了基于Fisher准则MFCC和翻转梅尔倒谱系数(IMFCC)的特征融合,得到新的特征参数MFCC-IMFCC应用于鸟声识别,提高对鸟声高频信息表征.同时通过遗传算法(GA)对支持向量机(SVM)中的惩罚因子C和核参数g进行优化,训练出GA-SVM分类模型.实验表明,在同一条件下,MFCC-IMFCC与MFCC相比,识别率有一定的提高.
梅尔倒谱系数、逆梅尔倒谱系数、Fisher准则、GA-SVM、声音识别
31
TP391.41;TN912.34;TP181
2022-11-16(万方平台首次上网日期,不代表论文的发表时间)
共7页
393-399