期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于NMF与CNN联合优化的声学场景分类
被引量:
4
1
作者
韦娟
杨
皇
卫
宁方立
《系统工程与电子技术》
EI
CSCD
北大核心
2022年第5期1433-1438,共6页
针对声学场景分类任务中复杂声学环境的特征表示问题,提出一种联合训练特征提取和分类模型的优化算法。将非负矩阵分解与卷积神经网络的训练相结合,利用网络的损失值实现对特征提取和网络参数的共同更新,以学习到更具判别性的有监督特...
针对声学场景分类任务中复杂声学环境的特征表示问题,提出一种联合训练特征提取和分类模型的优化算法。将非负矩阵分解与卷积神经网络的训练相结合,利用网络的损失值实现对特征提取和网络参数的共同更新,以学习到更具判别性的有监督特征。在TUT2017数据集上提取对数声谱图作为基础特征,搭建深度卷积神经网络进行实验验证。仿真结果表明,所提算法的识别准确率相比优化前提升3.9%,且优于其他两种常用声学特征,证明该算法能够有效提升整体分类效果。
展开更多
关键词
特征学习
非负矩阵分解
卷积神经网络
联合优化
下载PDF
职称材料
题名
基于NMF与CNN联合优化的声学场景分类
被引量:
4
1
作者
韦娟
杨
皇
卫
宁方立
机构
西安电子科技大学通信工程学院
西北工业大学机电学院
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2022年第5期1433-1438,共6页
基金
国家自然科学基金(52075441)
陕西省重点研发计划(2018GY-181,2020ZDLGY06-09)资助课题。
文摘
针对声学场景分类任务中复杂声学环境的特征表示问题,提出一种联合训练特征提取和分类模型的优化算法。将非负矩阵分解与卷积神经网络的训练相结合,利用网络的损失值实现对特征提取和网络参数的共同更新,以学习到更具判别性的有监督特征。在TUT2017数据集上提取对数声谱图作为基础特征,搭建深度卷积神经网络进行实验验证。仿真结果表明,所提算法的识别准确率相比优化前提升3.9%,且优于其他两种常用声学特征,证明该算法能够有效提升整体分类效果。
关键词
特征学习
非负矩阵分解
卷积神经网络
联合优化
Keywords
feature learning
non-negative matrix factorization
convolutional neural network
joint optimization
分类号
O42 [理学—声学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于NMF与CNN联合优化的声学场景分类
韦娟
杨
皇
卫
宁方立
《系统工程与电子技术》
EI
CSCD
北大核心
2022
4
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部