《计算机工程与科学杂志》发表论文赏析

基于加权非负矩阵分解的异常声音检测方法研究

来源:计算机工程与科学杂志2024年第8期北京时间:

作者:潘雨青, 于浩, 李峰

单位:江苏大学计算机科学与通信工程学院,江苏 镇江 212013

摘要:异常声音检测方法多用强标签数据进行训练,而高质量的强标签音频数据标注难度较大、收集成本高昂。针对现有异常音频检测方法使用弱标签数据会受到非平稳和时变噪声的干扰,导致训练结果较差、准确率低的问题,提出一种基于音频频谱的加权非负矩阵分解WNMF方法。该方法使用WNMF对弱标签和无标签数据进行标记,并分离目标声音事件和背景噪声。在适当的权值下,WNMF改变标记时不同频段音频信息的重要性,以抑制噪声,提高分离质量,使其逼近全监督模型训练的效果;之后使用卷积神经网络产生帧级预测和音频标签预测。仿真实验结果表明,该方法的准确率相比于传统NMF处理弱标签数据的方法提升了4.8%。

关键词:异常声音检测,弱标签和无标签数据,加权非负矩阵分解,卷积神经网络,

2024年8期其他文献查阅:

基于SRAM缓存和存内计算的低功耗关键词唤醒系统

基于FPGA和行折叠的稀疏矩阵向量乘优化

面向离散粒子多尺度分析CPU/GPU架构的并行近邻搜索算法

边缘侧神经网络块粒度领域自适应技术研究

基于DPCT的序列比对软件迁移与性能评估

一种基于动态空间划分和压缩布隆过滤器相结合的分布式元数据负载均衡算法#br#

基于BOOM处理器的访存逻辑优化

S-JSMA:一种低扰动冗余的快速JSMA对抗样本生成方法

智慧医疗系统中可容错的多维度密文跨域聚合方案

区域敏感的群智感知隐私保护任务分配机制

基于加权非负矩阵分解的异常声音检测方法研究

多阶段特征蒸馏加权的轻量级图像超分辨率网络

Bi-YOLO:一种基于YOLOv8n改进的轻量化目标检测算法

基于YOLOv8 改进的室内行人跌倒检测算法FDW-YOLO

基于健康码打卡数据的疫情轨迹描述模型研究#br#

一种基于多特征融合嵌入的中文命名实体识别模型研究

基于Fuch映射的改进白鲸优化算法及应用

一种模糊时间序列概率预测方法

一种基于注意力机制的轻量级语义分割

结合混合特征提取与深度学习的长文本语义相似度计算

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!