音频分类中多特征选择与集成的研究
声音
2022-06-16 v1 机器学习
音频与语音处理
摘要
深度学习（DL）算法在多个领域展现出令人印象深刻的性能。其中，音频因一些有趣的模式——尤其在音频数据分类方面——在过去几十年吸引了众多研究者。为提升音频分类性能，特征选择与组合起着关键作用，因其可能成就或破坏任何DL模型的性能。为探究此作用，我们对若干前沿DL模型（即卷积神经网络、EfficientNet、MobileNet、支持向量机与多层感知机）配合各类先进音频特征（即梅尔谱图、梅尔频率倒谱系数与过零率）独立使用或组合使用（即通过集成）在三个不同数据集（即Free Spoken Digits Dataset、Audio Urdu Digits Dataset与Audio Gujarati Digits Dataset）上的性能进行了广泛评估。总体而言，结果表明特征选择取决于数据集与模型两者。然而，特征组合应仅限于那些单独使用时已能取得良好性能的特征（即多为梅尔谱图、梅尔频率倒谱系数）。此类特征组合/集成使我们无论选择何种DL模型均能超越以往的SOTA结果。
引用
@article{arxiv.2206.07511,
title = {Investigating Multi-Feature Selection and Ensembling for Audio Classification},
author = {Muhammad Turab and Teerath Kumar and Malika Bendechache and Takfarinas Saber},
journal= {arXiv preprint arXiv:2206.07511},
year = {2022}
}