基于超类构造的惩罚投票算法用于声学场景分类
声音
2021-03-31 v2 机器学习
机器学习
摘要
在声学场景分类研究中，音频片段通常被切分为多个样本，随后利用多数投票集成这些样本的结果。本文提出一种基于超类构造方法的惩罚投票算法用于声学场景分类。具体而言，我们提出一种类 DenseNet 的模型作为基分类器。该基分类器由原始音频片段生成的 CQT 谱图训练得到。利用基分类器的结果，我们提出一种基于谱聚类的超类构造方法。进一步训练对应于所构造超类的超分类器。最后，利用超分类器通过惩罚投票增强基分类器的多数投票。实验表明，惩罚投票在 DCASE2017 开发数据集与 LITIS Rouen 数据集上均明显提升了性能。
引用
@article{arxiv.1807.04073,
title = {A punishment voting algorithm based on super categories construction for acoustic scene classification},
author = {Weiping Zheng and Zhenyao Mo and Jiantao Yi},
journal= {arXiv preprint arXiv:1807.04073},
year = {2021}
}
备注
There is a minor mistake found in the voting process. So, We are very sorry about this mistake and request to withdraw this manuscript