机译:使用具有新功能的SVMS进行非语音环境声音分类
School of Engineering University of Bridgeport No. 126, Park Ave., Bridgeport, CT 06604,- USA;
School of Engineering University of Bridgeport No. 126, Park Ave., Bridgeport, CT 06604,- USA;
Department of Electrical-Electronics Engineering Eskisehir Osmangazi University Bati Meselik, Eskisehir, Turkey;
environmental sound classification; feature extraction; mel-frequency cep-stral coefficients (MFCCS); support vector machines; radial basis function (RBF) neural network;
机译:基于支持向量机分类器的图像特征集分类的图像隐写分析
机译:基于粗糙集的特征约简和模糊LS-SVM分类器在运动分类中的联合应用
机译:基于粗糙集的特征约简和模糊LS-SVM分类器在运动分类中的联合应用。
机译:非语音人类声音的分类:特征选择和打鼾声音分析
机译:使用基于声音的本地化,SVM分类和聚类来了解交通场景。
机译:使用自适应稀疏复数矩阵分解和OVSOS SVM的高效噪声声音混合混合分类
机译:表5:SVM分类器对具有DBAP层的预先训练的Lenet派生的DBAP特征的精度。 DBAP功能显示比LENET中的MAXPOOL功能更好的分类结果。与DBAP的完全连接(FC)LENET的层也倾向于显示与在所有基准数据集上从常规LENET提取的FC层特征相比显示出更好的辨别能力。
机译:识别短时复杂非语音中的三个特征。