基于无监督在线学习的声信号非视距识别方法及装置

    公开(公告)号:CN111950616B

    公开(公告)日:2024-02-09

    申请号:CN202010773427.0

    申请日:2020-08-04

    Applicant: 长安大学

    Abstract: 本发明公开了一种基于无监督在线学习的声信号非视距识别方法及装置,方法包括获取带标签类别的声信号数据,对原始声信号进行滤波与增强,再进行探测及分割,得到互相关结果片段,并对其提取特征值,用所提取的特征值初始化聚类种子,线更新聚类模型,基于成对距离的权值计算方法对视距数据集进行权值和分配非视距数据集权值分配;基于无监督分类器完成模型训练,用所述模型对新的数据进行标记和计算,动态数据进行在线分类,得到贴有正例与负例标记的数据结果,本发明能根据少量已知类别的声信号数据,自动在线区分大量未知的动态声信号数据,解决了实际场景下由于数据动态时变,而静态训练集训练所得模型不能够满足精度及稳定性需求的问题。

    基于无监督在线学习的声信号非视距识别方法及装置

    公开(公告)号:CN111950616A

    公开(公告)日:2020-11-17

    申请号:CN202010773427.0

    申请日:2020-08-04

    Applicant: 长安大学

    Abstract: 本发明公开了一种基于无监督在线学习的声信号非视距识别方法及装置,方法包括获取带标签类别的声信号数据,对原始声信号进行滤波与增强,再进行探测及分割,得到互相关结果片段,并对其提取特征值,用所提取的特征值初始化聚类种子,线更新聚类模型,基于成对距离的权值计算方法对视距数据集进行权值和分配非视距数据集权值分配;基于无监督分类器完成模型训练,用所述模型对新的数据进行标记和计算,动态数据进行在线分类,得到贴有正例与负例标记的数据结果,本发明能根据少量已知类别的声信号数据,自动在线区分大量未知的动态声信号数据,解决了实际场景下由于数据动态时变,而静态训练集训练所得模型不能够满足精度及稳定性需求的问题。

Patent Agency Ranking