一种基于类边界分布特性的音频分类器训练方法

摘要

本发明公开了一种基于类边界分布特性的音频分类器训练方法，具体步骤为：一：输入初始已标注音频样本集L，未标注音频样本集U；二：用初始已标注音频样本训练初始SVM分类器；三：寻找当前分类器分类间隔内的稀疏区域；四：将稀疏区域扩展至包含混淆区域；五：消除信息含量大的样本中存在的冗余；六：将信息含量大的样本标注后放入已标注样本集L中；七：用更新的已标注样本集L重新训练SVM分类器；八：判断是否满足停止准则，满足则停止迭代，输出训练好的SVM分类器；不满足则重复步骤三～步骤七。本发明的样本选择兼顾了稀疏性、混淆性和多样性，选择的样本的信息含量较大，因此能训练得到分类性能较高的音频分类器，且能减少人工标注的工作量。