基于自适应霍夫曼编码的概念漂移音频异常检测
声音
2021-08-10 v2 音频与语音处理
摘要
在音频异常检测中,常需考虑概念漂移:由于环境动态变化,数据分布可能随时间漂移,且异常随时间推移可能变为正常。我们提出使用自适应霍夫曼编码进行带概念漂移的音频异常检测。与现有自适应高斯混合建模(AGMM)方法相比,自适应霍夫曼编码不需要关于聚类的先验信息,并可根据音频中的变化量动态调整聚类数。为控制霍夫曼树规模,我们提出合并彼此相近的聚类,而非用新数据替换稀有聚类。这减少了霍夫曼树中的冗余,同时确保其不会遗忘过往信息。在我们自行整理的带概念漂移音频数据集上,所提方法相比AGMM和定长霍夫曼树取得了更高的曲线下面积(AUC)。该方法也具有时间效率,并可轻易扩展至其他类型的时间序列数据(如视频)。
引用
@article{arxiv.2102.10515,
title = {Anomaly Detection in Audio with Concept Drift using Adaptive Huffman Coding},
author = {Pratibha Kumari and Mukesh Saini},
journal= {arXiv preprint arXiv:2102.10515},
year = {2021}
}
备注
22 pages, 8 figures