20、数据处理与分类技术的研究与应用

数据处理与分类技术的研究与应用

1. 空间粗糙 k - 均值算法与地理空间数据分析

在地理空间数据的分析中，存在着诸多计算挑战，如数据量巨大、混合像素的存在以及缺乏标注数据等。为了克服未标注数据的问题，选择了聚类而非分类的方法。提出了空间粗糙 k - 均值（SRKM）算法，该算法基于邻域属性，减少了边界区域的像素，并将这些像素近似到某个较低近似集。

高近似百分比表明，基于像素的空间邻域关系，它们可以很容易地被分类到任何一个聚类的较低近似中。为了分析聚类质量，使用了三个参数：轮廓系数、Davies - Bouldin 指数和 Calinski - Harabasz（CH）指数。这些参数的值有助于理解近似前后聚类质量的变化。

2. 环境声音分类的特征提取与分类器训练

2.1 背景与动机

声音分类是一个不断发展的研究领域。随着智慧城市和物联网设备的发展，自动声音分类对于城市和环境声学监测变得极为重要。目前已经有很多特征集和特征提取方法被广泛研究，但尚未找到能提供完全准确分类的特征集。

2.2 数据集

使用了公开可用的 ESC - 10 数据集，它是 ESC - 50（环境声音分类）的一个子集。该数据集具有以下属性：
- 链接：https://doi.org/10.7910/dvn/ydeput
- 短环境音频片段，格式统一（5 秒，44.1 kHz，Ogg Vorbis @ 192 kbit/s）
- 从 Freesound.org 录制中提取并由作者手动标注
- 预分为五个交叉验证折叠
- 免费可用（CC 非商业许可证）

数