专利交易市场

本发明公开了一种用于音频事件分类的半监督学习高置信度样本挖掘方法，本发明创新性地通过三个原则来确定未标注音频事件样本的置信度，进而挖掘具有高置信度的未标注音频事件样本。三个原则为未标注音频事件样本的正确标注提供了三重保障，因而能成功地为半监督学习挖掘到高置信度的未标注音频事件样本。此外，本发明的三个原则充分考虑了数据分布，挖掘的高置信度样本具有一定的多样性，因而能更好地提高音频事件分类器的分类性能。本发明挖掘的高置信度样本经自动标注加入到已标注音频事件样本集，因而在提高分类器的分类性能的同时不增加额外的手工标注工作量，因此该项发明在实际应用中具有很强的应用价值。

本发明公开了基于堆叠基稀疏表示的音频事件分类方法及计算机设备，该方法在训练阶段首先创建各类音频事件的音频字典；然后，通过将各类音频事件的音频字典进行堆叠构建大型字典；测试阶段，根据训练阶段构建的大型字典提取测试音频样本的稀疏表示系数，并通过softmax函数对稀疏表示系数进行映射；最后，根据映射后的系数构建测试音频文档在各类音频事件上的置信度，并根据置信度的大小进行分类判别。本发明创新性地提出通过堆叠基构建大型字典，进而求得样本的稀疏表示系数；如此提取的稀疏表示系数能更好地表征音频事件样本，增大样本的类间差异，减少类内差异，提高分类准确率。