abstract_Gemmeke.pdf

dcase2013题目，基于字典学习的音频异常事件的检测与分类本文介绍了非负矩阵分解(NMF)这一新的数学研究成果，NMF 非负性的限制造成了相应描述在一定程度上的稀疏性，而稀疏性可以实现特征的自动选择，降低特征学习的难度，减少数据的存储空间，并且可以使得矩阵非线性的维数削减，同时尽可能保持信息不变。在音频识别方面，本文采用了基于隐马尔可夫模型(HMM)的识别方法，采用鲁棒性较好的 Mel 频率倒谱系数(MFCC)作为特征参数。我们通过维特比算法(Viterbi)对其进行解码，来找出最有可能产生这个输出状态的序列。