[发明专利]一种基于卷积神经网络和随机森林的音频分类方法

摘要

本发明公开了一种基于卷积神经网络和随机森林的音频分类方法，该方法包括：S1:对原始音频数据集进行频谱分析，包括分段、分帧、加窗、傅里叶变换，得到原始音频文件对应的频谱图；S2:以得到的频谱图作为输入，训练一个卷积神经网络特征提取器；S3:去掉卷积神经网络的softmax层，提取频谱图的高层特征；S4:利用提取的频谱图高层特征训练随机森林分类器；S5:基于卷积神经网络提取的高层特征，利用训练好的随机森林进行音频分类。本发明基于卷积神经网络做特征提取，避免了手动构造提取特征的繁琐过程，同时针对采用softmax作为卷积神经网络分类器导致泛化能力不足的问题，采用随机森林替换掉卷积神经网络的softmax层，作为最终的分类器。在测试过程中取得了较高的准确率和召回率。

主权项

一种基于卷积神经网络和随机森林的音频分类方法，其特征包括如下步骤：步骤1:对原始音频数据集进行频谱分析，首先将长音频文件分为等长的若干段，每段音频对应相同的标签，然后对每段音频进行分帧、加窗、傅里叶变换，得到每段音频的频谱图，作为新的训练集的一个样本；步骤2:利用步骤1得到的所有频谱图及其对应的标签，训练一个改进的卷积神经网络，该网络具有14层；步骤3:去掉步骤2学习到的卷积神经网络的softmax层，然后再用卷积神经网络提取所有频谱图的高层特征；步骤4:利用步骤3提取的频谱图的高层特征训练随机森林分类器，采用Gini不纯度作为决策树特征选择的准则；步骤5:将待分类的音频进行步骤1中的频谱分析得到频谱图，然后用步骤3中去掉softmax层的卷积神经网络提取频谱图高层特征，最后将提取的高层特征输入到步骤4中训练好的随机森林分类器进行音频分类，以投票的方式得到最终的分类结果。