文章摘要
范雪莉,冯海泓,原猛.基于互信息的主成分分析用于声场景分类[J].声学技术,2013,32(3):222~227
基于互信息的主成分分析用于声场景分类
Mutual information based principal component analysis for acoustic environment classification
投稿时间:2012-12-17  修订日期:2013-04-08
DOI:10.3969/j.issn1000-3630.2013.03.010
中文关键词: 互信息  主成分分析  声场景分类  特征选择
英文关键词: mutual information  principal component analysis  acoustic environment classification  feature selection
基金项目:国家自然科学基金青年科学基金(11104316); 上海市自然科学基金(11ZR1446000)资助项目。
作者单位E-mail
范雪莉 中国科学院声学研究所东海研究站, 上海 200032 fanxueli@mail.ioa.ac.cn 
冯海泓 中国科学院声学研究所东海研究站, 上海 200032  
原猛 中国科学院声学研究所东海研究站, 上海 200032  
摘要点击次数: 1468
全文下载次数: 1466
中文摘要:
      主成分分析是声场景分类中常用的特征选择方法。针对主成分分析的局限性, 提出一种基于互信息的主成分分析方法。这一方法引入类别信息, 用不同声场景条件下特征之间的互信息矩阵之和替代传统主成分分析中的协方差矩阵, 计算其特征向量与特征值, 特征向量表示由原始特征空间向新的主成分空间的转换系数, 特征值则用于计算主成分的累计贡献率并判断主成分维数。声场景分类实验结果表明, 该方法较之传统主成分分析方法降维效果更好, 辅以神经网络分类器, 计算得到的分类正确率更高。
英文摘要:
      Principal Component Analysis (PCA) is a common method for feature selection. To improve selection, an algorithm of Principal Component Analysis based on Mutual Information (PCAMI) is presented. PCAMI introduces the category information, and uses the sum of mutual information matrices between features under different acoustic environments to replace the covariance matrix. The eigenvectors of the sum matrix represent the transformation coefficients and the eigenvalues of the sum matrix are used to calculate the accumulative contribution rate to determine the dimensionality of the principal components. The experiments of acoustic environment classification show that relative to the traditional PCA, PCAMI has better performance in dimensionality reduction and in classification accuracy under the assistance of neuron network.
查看全文   查看/发表评论  下载PDF阅读器
关闭