一种用于智能城市噪声分类的机器学习驱动物联网解决方案
声音
2018-09-05 v1 机器学习
音频与语音处理
机器学习
摘要
我们提出一种基于机器学习、使用低功耗廉价物联网单元的噪声分类方法。我们采用梅尔频率倒谱系数进行音频特征提取,并使用监督分类算法(即支持向量机与 k 近邻)进行噪声分类。我们用一个包含约 3000 个声音样本、分为八类声音(如汽车喇叭、风镐或街头音乐)的数据集对方法进行实验评估。我们探索支持向量机与 k 近邻算法的参数空间,以估计对所研究数据集中声音样本进行分类的最优参数值。我们取得了 85% -- 100% 的噪声分类准确率。在 Raspberry Pi Zero W 上对我们 k 近邻(k = 1)实现的训练与测试,对于特征超过 3000 个声音样本的数据集耗时不到一秒。
引用
@article{arxiv.1809.00238,
title = {A Machine Learning Driven IoT Solution for Noise Classification in Smart Cities},
author = {Yasser Alsouda and Sabri Pllana and Arianit Kurti},
journal= {arXiv preprint arXiv:1809.00238},
year = {2018}
}