基于递归图的乐器识别算法

摘要

针对乐器分类问题,基于非线性动力学概念,将不同乐器产生的音频时间序列利用递归图方法进行处理,每组音频时间序列对应得到一张递归图.提取每张递归图的稠密比例不变特征变换(SIFT)特征,通过视觉词袋模型法将高维度的SIFT特征降维,得到每张递归图的视觉单词频率直方图向量作为特征输入线性支持向量机,采用支持向量机(SVM)算法中的"一对多法"实现多分类.实验表明,该方法识别准确率高于递归图密度比特征法,且比基于梅尔频率倒谱系数方法高出3％～4％.为乐器识别提供新思路.