Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
A Cloud-Based Blended Learning Lab for PLC Education Kapitel lesen Erstes Kapitel lesen

2019 | OriginalPaper | Buchkapitel

Environmental Sound Recognition with Classical Machine Learning Algorithms

verfasst von : Nikolina Jekic, Andreas Pester

Erschienen in: Smart Industry & Smart Education

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The field of study interested in the development of computer algorithm for transforming data into intelligent actions is known as machine learning. The paper investigates different machine learning classification algorithms and their effectiveness in environmental sound recognition. Efforts are made in selecting the suitable audio feature extraction technique and finding a direct connection between audio feature extraction technique and the quality of the algorithm performance. These techniques are compared to determine the most suitable for solving the problem of environmental sound recognition.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel A Cloud-Based Blended Learning Lab for PLC Education
Nächstes Kapitel Early Signs of Diabetes Explored from an Engineering Perspective
Literatur
1.
Dufaux, A.: Detection and Recognition of Impulsive Sounds. University of Neuchtel, Switzerland (2001)
2.
Cowling, M., Sitte, R.: Comparison of techniques for environmental sound recognition (2003)CrossRef
3.
Peeters, G.: A large set of audio features for sound description (similarity and classification) in the CUIDADO project (2004)
4.
Pillos, A., Alghamidi, K., Alzamel, N., Pavlov, V., Machanavajhala, S.: A real-time environmental sound recognition system. In: Detection and Classification of Acoustic Scenes and Events (2016)
5.
Bountourakis, V., Vrysis, L., Papanikolaou, G.: Machine Learning Algorithms for Environmental Sound Recognition: Towards Soundscape Semantics. Thessaloniki, Greece (2015)CrossRef
6.
Coelho, L.P., Richert, W.: Building Machine Learning. Packt Publishing, Birmingham-Mumbai (2015)
7.
Yang, J., Luo, F.-L., Nehorai, A.: Spectral contrast enhancement: algorithms and comparisons (2003)CrossRef
8.
Jiang, D.-N., Lu, L., Zhang, H.-J., Tao, J.-H., Cui, L.-H.: Music type classification by spectral contrast feature (2002)
9.
Schindler, A.: Music information retrieval (2016)
10.
Harrington, P.: Machine Learning in Action. Manning Publications Co., Shelter Island, NY 11964 (2012)
11.
Lantz, B.: Machine Learning with R. Packt Publishing, Birmingham (2015)
12.
Chu, S., Narayanan, S., Kuo, C.: Environmental sound recognition with time frequency audio features. IEEE Trans. Audio Speech Lang. Process. (2009)
13.
14.
15.
16.
17.
18.
Metadaten
Titel
Environmental Sound Recognition with Classical Machine Learning Algorithms
verfasst von
Nikolina Jekic
Andreas Pester
Copyright-Jahr
2019
Buch
Smart Industry & Smart Education

Print ISBN: 978-3-319-95677-0

Electronic ISBN: 978-3-319-95678-7

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-3-319-95678-7_2