消息 首页 搜索 举报
  • 声学事件检测理论与方法 9787030486882
21年品牌 40万+商家 超1.5亿件商品

声学事件检测理论与方法 9787030486882

全新正版 _可开发票_极速发货

￥ 74.93 6.5折 ￥ 115 全新

库存5件

天津西青
认证卖家担保交易快速发货售后保障

作者韩纪庆,石自强

出版社科学出版社

ISBN9787030486882

出版时间2016-07

装帧平装

开本16开

定价115元

货号1202328374

上书时间2024-09-19

果然是好书店

三年老店
已实名 已认证 进店 收藏店铺
  • 最新上架

   商品详情   

品相描述：全新
商品描述
目录
前言

章绪论1

1.1声学事件检测技术的发展1

1.1.1声学事件检测的起源与发展脉络2

1.1.2基于特征的声学事件检测12

1.1.3基于模型的声学事件检测17

1.2声学事件检测技术的应用20

1.3声学事件检测系统的结构21

1.4本书的结构22

第2章声学事件检测中的常用特征和模型30

2.1声学事件检测中的常用特征30

2.1.1声音信号的数字化30

2.1.2声音信号的时域特征31

2.1.3声音信号的频域特征33

2.1.4声音信号的时频域特征41

2.1.5特征降维与选择43

2.2声学事件检测中的常用模型47

2.2.1浅层模型47

2.2.2深度模型53

2.3本章小结53

第3章基于基频段特征的声学事件检测54

3.1引言54

3.2长时特征提取54

3.2.1长时统计特征提取54

3.2.2基于基频段的特征提取59

3.3基于长时统计特征的声学事件检测59

3.3.1基于单分类器和多分类器融合的声学事件检测60

3.3.2基于类内细分聚类的声学事件检测61

3.3.3基于拒识和确认的声学事件检测62

3.4实验和结果63

3.4.1实验设置63

3.4.2实验结果与分析63

3.5本章小结68

第4章基于混合模型的声学事件检测69

4.1引言69

4.2伪高斯混合模型70

4.2.1伪高斯混合模型的构建70

4.2.2伪高斯混合模型参数估计的EM算法72

4.3异质混合模型74

4.3.1多变量Logistic混合模型的可辨识性75

4.3.2异质混合模型的构建78

4.3.3异质混合模型的参数估计79

4.4实验和结果82

4.4.1基于伪高斯混合模型的声学事件检测82

4.4.2基于异质混合模型的声学事件检测83

4.5本章小结86

第5章基于稀疏低秩特征的声学事件检测87

5.1引言87

5.2基于稀疏表示特征的声学事件检测89

5.3基于低秩矩阵表示特征的声学事件检测92

5.3.1低秩矩阵表示特征提取92

5.3.2低秩矩阵分类的问题描述93

5.3.3基于加速近似梯度方法的矩阵分类学习94

5.4基于低秩张量表示特征的声学事件检测96

5.4.1张量计算相关记号97

5.4.2低秩张量表示特征提取97

5.4.3基于加速近似梯度方法的张量分类学习99

5.5实验和结果102

5.5.1基于稀疏表示特征的声学事件检测102

5.5.2基于低秩矩阵表示特征的声学事件检测104

5.5.3基于低秩张量表示特征的声学事件检测108

5.6本章小结112

第6章基于松弛边际下模型训练的声学事件检测113

6.1引言113

6.2基于迹范限制下的优选边际矩阵分类113

6.2.1基于迹范限制与松弛边际的矩阵分类问题描述113

6.2.2基于交替搜索方式的矩阵分类学习算法114

6.3基于迹范限制下的优选边际张量分类116

6.3.1基于迹范限制与松弛边际的张量分类问题描述116

6.3.2基于交替搜索方式的张量分类学习算法117

6.4实验和结果119

6.5本章小结122

第7章基于在线并行模型训练的声学事件检测123

7.1引言123

7.2在线并行的矩阵数据分类学习方法123

7.2.1基于加速近似梯度方法的矩阵分类在线学习123

7.2.2基于逼近加速近似梯度方法的在线学习125

7.2.3基于小批量更新的在线学习126

7.2.4基于并行计算加速的矩阵分类学习126

7.3在线并行的张量数据分类学习方法128

7.4实验和结果131

7.4.1基于在线并行学习的低秩矩阵特征分类131

7.4.2基于在线并行学习的低秩张量特征分类133

7.5本章小结135

第8章基于锚空间的声学事件检测136

8.1引言136

8.2锚模型简介137

8.3基于状态变化统计量的锚空间声学事件检测139

8.3.1基于状态变化统计量的锚空间生成方法140

8.3.2实验与讨论143

8.4基于高斯混合模型锚空间的声学事件检测144

8.4.1基于高斯混合模型锚空间的目标与集外锚模板的生成144

8.4.2基于高斯混合模型的声学事件检测机制146

8.5基于稀疏分解锚空间的声学事件检测146

8.5.1基于稀疏分解锚空间的目标与集外锚模板的生成147

8.5.2基于稀疏分解的声学事件检测机制148

8.5.3实验与讨论149

8.6本章小结151

第9章面向大数据环境下声学事件检测的凸优化理论152

9.1引言152

9.2与声学事件检测相关的凸优化理论153

9.2.1早期凸优化154

9.2.2凸优化基础155

9.2.3一阶方法的动机156

9.3光滑与非光滑的凸优化一阶方法157

9.3.1光滑目标157

9.3.2复合优化目标函数160

9.3.3近端目标161

9.4随机化技术162

9.5并行和分布式计算164

9.6本章小结164

0章面向大数据处理的支持向量机模型的加速算法165

10.1随机对偶坐标上升法165

10.1.1问题描述及相关工作165

10.1.2基于对偶间隙边界的SDCA收敛性分析167

10.2加速近端随机对偶坐标上升法172

10.2.1问题描述及相关工作172

10.2.2基于对偶间隙边界的Prox-SDCA收敛性分析173

10.3本章小结180

1章面向大数据处理的深度模型的加速算法181

11.1引言181

11.2全梯度与随机梯度下降算法183

11.3加速梯度算法190

11.4指数型收敛的随机梯度下降算法192

11.4.1随机平均梯度法192

11.4.2随机方差减梯度方法194

11.5坐标梯度下降算法194

11.6本章小结199

2章面向大数据的通用型在线及随机梯度下降算法200

12.1引言200

12.2通用在线梯度法202

12.2.1通用的在线原始梯度方法203

12.2.2通用的在线对偶梯度方法205

12.2.3通用的在线快速梯度方法208

12.3通用随机梯度法212

12.3.1算法描述212

12.3.2收敛性分析212

12.4数值实验215

12.4.1LASSO问题216

12.4.2施泰纳问题218

12.5本章小结221

3章面向大数据的牛顿型随机梯度下降算法223

13.1引言223

13.2近端牛顿型随机梯度法226

13.2.1正则化的二次模型228

13.2.2Hessian矩阵的近似229

13.3算法的收敛性分析229

13.4数值实验234

13.5本章小结235

4章基于声学事件检测的行车周边声音环境感知236

14.1引言236

14.2实验环境与基线系统237

14.3基于径向基函数神经网络噪声建模的声学事件检测240

14.4基于等响度曲线的声学事件检测246

14.5基于基频轨迹特征的声学事件检测250

14.6本章小结255

5章音频场景识另256

15.1引言256

15.2基于高斯直方图特征的音频场景识别257

15.2.1高斯直方图特征257

15.2.2分类模型259

15.3基于迁移学习的音频场景识别259

15.3.1迁移学习概述259

15.3.2基于样本平衡化的音频场景识别260

15.3.3基于改进样本平衡化的音频场景识别263

15.4实验和结果265

15.5本章小结266

参考文献267

内容摘要
本书系统地介绍声学事件检测的相关理论与方法，以及新研究进展。内容包括声学事件检测的基本原理、一般数据规模下的声学事件检测、大数据规模下的声学事件检测。在一般数据规模下的检测中，重点介绍基于长时特征的检测理论与方法，包括基于基频段特征的检测、基于混合模型的检测、基于稀疏低秩特征的检测，以及基于松弛边际与并行在线的模型训练方法。在大数据规模下的检测中，重点介绍适合大数据的快速和在线式模型训练方法，包括基于支持向量机的加速训练、基于深度模型的加速训练、通用型在线及随机梯度下降算法，以及牛顿型随机梯度下降算法等。很后介绍两个典型应用：行车周边声音环境的感知以及音频场景识别。本书可作为高等院校计算机应用、信号与信息处理、通信与电子系统等专业及学科的研究生教材，也可供该领域的科研及工程技术人员参考。

—  没有更多了  —

店铺评价
消息 首页 搜索

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP