音频分类综述

一、几种常用的音频分类算法

最小距离法、神经网络、支持向量机、决策树方法、隐马尔可夫模型等典型算法。

1. 最小距离法

最小距离分类法的优点是概念直观，方法简单，有利于建立多维空间分类方法的几何概念。在音频分类中应用的最小距离分类法有k近邻(k-Nearest Neighbor，简称K-NN方法和最近特征线方法(Nearest Feature Lin，简称NFL等。

K近邻方法的思想是根据未知样本X最近邻的k个样本点的类别来确定X的类别。为此，需要计算X与所有样本X的距离d(X,X),并且从中选出最小的k个样本作为近邻样本集合KNN，计算其中所有属于类别W的距离之和，并且按照以下判别规则进行分类:

C(x)=argmin∑d(x,xi),其中xi∈ kNN,C(xi)=wj，wj∈c,C为类别集合C={W1,… ,Wn}

由于k近邻方法利用了更多的样本信息确定它的类别,k取大一些有利于减少噪声的影响。但是由于k近邻方法中需要计算所有样