基于并联型神经网络的环境声音分类

针对传统单输入模型在环境声音分类中准确率不高的问题,提出一种基于时域特征和频域特征并联型特征融合神经网络。在该网络中,首先通过数据增强的方法来处理原始音频;其次处理后的原始音频数据和梅尔(Mel)频谱特征数据分别送入原始波形网络和Mel频谱网络,得到其时域和频谱特征后,进行特征融合;最后,将特征融合后的结果送入SoftMax分类器进行分类。本文在UrbanSound8K数据集上进行了实验验证,最终分类准确率高达96.03%,优于其他模型。

基于蓝海信息网络的海洋环境平行监测体系建模研究

针对目前海洋环境监测体系顶层设计不足、各监测手段间统一调度与管理缺乏、监视数据关联分析缺失等问题,提出了基于蓝海信息网络的海洋环境平行监测系统架构;详细描述了海洋环境监测人工系统的构建方法,以及计算实验方案;最后,构建完备的海洋环境监测平行系统,通过平行执行为海洋环境监测的高效、智能管理与运营提供保障,对减少海洋环境监测基础设施冗余建设、降低人力与物理成本、提高运营能力,实现海洋环境监测的可持续发展必将产生深远的影响.