模糊粗糙集在音频检索中的应用

doi:10.3778/j.issn.1002-8331.2010.15.037

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (15): 124-126.DOI: 10.3778/j.issn.1002-8331.2010.15.037

• 数据库、信号与信息处理 • 上一篇下一篇

模糊粗糙集在音频检索中的应用

李晓丽，杜振龙

南京工业大学电子与信息工程学院，南京 210009

收稿日期:2009-11-12 修回日期:2010-01-08 出版日期:2010-05-21 发布日期:2010-05-21
通讯作者: 李晓丽

Audio indexing based on fuzzy rough sets

LI Xiao-li，DU Zhen-long

College of Electronics & Information Engineering，Nanjing University of Technology，Nanjing 210009，China

Received:2009-11-12 Revised:2010-01-08 Online:2010-05-21 Published:2010-05-21
Contact: LI Xiao-li

摘要/Abstract

摘要： 音频具有数据量大、维数高等特点，直接进行音频检索会造成“特征维数灾难”，因此有必要从音频提取最能表现音频特征的音频帧。提出一种基于模糊粗糙集模型（Fuzzy Rough Set Model，FRSM）的音频数据约简算法，根据隶属度对音频数据进行模糊离散，基于知识表达能力约简属性，以等价划分计算具有等同分类能力的知识核。实验结果表明，该算法能够得到最小约简，并且最大程度地保持音频特征，提高检索效率。

关键词: 音频检索, 模糊粗糙集, 音频特征, 特征约简

Abstract: Audio datum bears the characteristics of huge amount of data and high dimensionlity，directly indexing the raw data readily causes the curse of dimensionlity.In this paper，a new approach of audio data reduction based on fuzzy rough sets is proposed，which fuzzily discretizes the audio depending on affiliation，reduces the redundant data by the knowledge expressible ability，evaluates the knowledge core according to the equal classification ability and discernibility.Experimental evaluations show that the proposed algorithms can produce audio data faith to the original data and improve the efficiency of audio indexing.

Key words: audio indexing, fuzzy rough set model, audio feature, feature reduction

中图分类号:

TP391

李晓丽，杜振龙. 模糊粗糙集在音频检索中的应用[J]. 计算机工程与应用, 2010, 46(15): 124-126.

LI Xiao-li，DU Zhen-long. Audio indexing based on fuzzy rough sets[J]. Computer Engineering and Applications, 2010, 46(15): 124-126.

[1]	姚姗姗，牛保宁. 抗频率变换的采样计数音频检索方法[J]. 计算机工程与应用, 2021, 57(12): 126-131.
[2]	张建华，李方方，杨岚. 融合PFS与RS的案例知识供需匹配研究[J]. 计算机工程与应用, 2020, 56(23): 139-145.
[3]	张晓婷，何朗，黄樟灿，谈庆. 基于MFR-GEP的高阶常微分方程预测模型[J]. 计算机工程与应用, 2019, 55(21): 247-253.
[4]	任志斌，李洋，郭士杰，郭志红，刘秀丽. 基于模糊粗糙集的睡姿压力图像识别[J]. 计算机工程与应用, 2018, 54(3): 172-177.
[5]	华斌，张丽超，赵富强. 基于加权MFCC的音频检索[J]. 计算机工程与应用, 2015, 51(8): 200-204.
[6]	鲁小云，王青海. 单向S-区间值模糊粗糙集及应用[J]. 计算机工程与应用, 2014, 50(8): 114-117.
[7]	范成礼，邢清华，邹志刚，范学渊. 基于直觉模糊粗糙集相似度的多属性决策方法[J]. 计算机工程与应用, 2014, 50(7): 121-124.
[8]	龙小保. 使用提升小波和非负矩阵分解的稳健音频指纹[J]. 计算机工程与应用, 2013, 49(9): 197-199.
[9]	高志军1，李懿1，姚平2，王高飞2. 模糊粗糙集与SVM的彩铃客户挖掘模型[J]. 计算机工程与应用, 2013, 49(4): 125-128.
[10]	章宗标. 一种基于PCA-BP神经网络的示例优选方法[J]. 计算机工程与应用, 2013, 49(19): 108-111.
[11]	徐山1，杜卫锋2，闵啸2. 一种新的模糊决策表属性约简方法[J]. 计算机工程与应用, 2013, 49(18): 105-107.
[12]	谈会星，陈福才，李邵梅. 基于AWS_VFR的语音特征提取方法[J]. 计算机工程与应用, 2013, 49(16): 192-195.
[13]	邵迎超1，杜召彬2，杨霁琳3，秦克云1. 软模糊粗糙集[J]. 计算机工程与应用, 2013, 49(10): 125-128.
[14]	杨伟萍1，林梦雷2. [(I ,J )]-区间直觉模糊粗糙集 [J]. 计算机工程与应用, 2012, 48(5): 159-163.
[15]	周志平，刘付显. 一种改进的模糊粗糙集知识约简方法[J]. 计算机工程与应用, 2012, 48(18): 132-135.

模糊粗糙集在音频检索中的应用

Audio indexing based on fuzzy rough sets

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics