运用神经网络对音频数据索引的最优基的选择

在详细探讨了反向传播训练算法之后 ,提出了用神经网络选择音频数据索引最优基的方法 .该方法用小波变换抽取音频信号的关键系数 ,根据四层小波包二分树确定输出神经元的数量与含义 ,用Levenberg Marquardt修正反向传播算法构造与训练了一个 3 2 8 8人工神经网络 .试验表明 。

产生音频数据索引的有效方法

支持基于例子检索的音频多媒体数据库 ,应当能够自动分析音频数据而产生音频数据的索引。本文把基于离散小波变换和基于时频分析的索引方示相结合 ,提出一种利用小波变换、小波子带的过零率、小波子带幅度的均值、一定比例的小波子带的高频系数和全部近似系数等来组成索引向量的方法 .提出的方法采用双重索引搜索 ,即在用过零率向量和平均幅度向量作为索引进行预先扫索的基础上 ,再用小波变换的关键系数向量作为索引进行详细扫索 ,实验表明 ,这种方法具有较高的检索精度和搜索效率 。

基于内容的音频检索关键技术研究

音频是一种重要的媒体,包含丰富的听觉特征。本文根据当前音频检索研究的进展,综述基于内容的音频检索方法,讨论了一些音频检索技术研究中的关键技术:音频特征提取、音频分类、语音识别技术等。最后展望了音频检索技术的发展前景。

基于内容的音频检索算法研究

随着音频检索需求的提高,传统数据库越来越不能满足音频检索的需求,基于内容的音频检索的研究变得越来越重要。因此对音频特征的直方图表示及音频索引二叉树进行了调查,在此基础上详细描述了基于音频索引二叉树的检索算法(包括统一格式算法、非统一格式算法、部分匹配算法、虚拟节点算法),分析这些算法的时间复杂度,为下一步研究做准备。

多媒体融合分析和检索技术研究

多媒体是文本、图像、视频、音频等多模态信息的综合体,每一模态都表示了丰富的语义信息,只有多模态的融合才能表示多媒体的完整语义信息。为了提高多媒体信息检索的性能,应结合多种信息检索技术、本文介绍了目前多媒体融合分析与检索方法,论述了其关键技术。

人工智能时代广播电台融媒体语音智能检索技术

文章依托吉林人民广播电台融媒体语音智能检索技术系统进行阐述语音智能检索技术的主要内容以及语音识别、音频自动索引、关键音检索3个技术特点,语音检索的系统结构设计和逻辑构架及主要功能,融媒体语音智能检索技术系统项目实现广播电台桌面级音频搜索服务实践应用。