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:
Image Re-Emotionalizing Kapitel lesen Erstes Kapitel lesen

2013 | OriginalPaper | Buchkapitel

Better Than MFCC Audio Classification Features

verfasst von : Ruben Gonzalez

Erschienen in: The Era of Interactive Media

Verlag: Springer New York

Einloggen

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

search-config
loading …

Abstract

Mel-Frequency Ceptral Coeffienents (MFCCs) are generally the features of choice for both audio classification and content-based retrieval due to their proven performance. This paper presents alternate feature sets that not only consistently outperform MFCC features but are simpler to calculate.

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 Coarse-to-Fine Dissolve Detection Based on Image Quality Assessment
Nächstes Kapitel A Novel 2D Wavelet Level Energy for Breast Lesion Classification on Ultrasound Images
Literatur
1.
José Anibal Arias, Julien Pinquier and Régine André-Obrecht, “Evaluation Of Classification Techniques For Audio Indexing,” Proceedings of 13th European Signal Processing Conference, September 4–8, 2005. EUSIPCO'2005, Antalya, Turkey.
2.
S. Chu, S. Narayanan, C.-C. Jay Kuo, and Maja J. Mataric. “Where am i? scene recognition for mobile robots using audio features”. In Proc. of ICME, Toronto, Canada, July 2006
3.
Lefèvre F., “A Confidence Measure based on the K-nn Probability Estimator”, International Conference on Spoken Language Processing, Beijing, 2000
4.
Kim, H-G., Moreau, N., Sikora., “Audio Classification Based on MPEG-7 Spectral Basis Representations” IEEE Trans. On Circuits And Systems For Video Technology,Vol. 14,No. 5, May 2004.
5.
M.F. McKinney, J. Breebaart. “Features for audio and music classification.” In Proc. of the Intern. Conf. on Music Information Retrieval (ISMIR 2004), pp. 151–158, Plymouth MA, 2004.
6.
Peltonen, V., Tuomi, J., Klapuri, A., Huopaniemi, J., Sorsa, T., “Computational auditory scene recognition”, Proceeding of. International Conference on Acoustics, Speech, and Signal Processing, 2002. (ICASSP ‘02). May 13–17, 2002, Orlando, FL, USA, vol.2, pp:1941–1944.
7.
Mingchun Liu and Chunru Wan. 2001. “Feature selection for automatic classification of musical instrument sounds.” In Proceedings of the 1st ACM/IEEE-CS joint conference on Digital libraries (JCDL ‘01). ACM, New York, NY, USA, 247–248.
8.
D. J. Hermes, “Measurement of pitch by subharmonic summation” J. Acoust. Soc. Am. Volume 83, Issue 1, pp. 257–264 (January 1988)CrossRef
9.
Bregman, Albert S., Auditory Scene Analysis: The Perceptual Organization of Sound. Cambridge, Massachusetts: The MIT Press, 1990 (hardcover)/1994 (paperback).
10.
D. Stewart, “Australian Frog Calls - Subtropical East”, [Audio Recording]
11.
McGill University Master Samples, 1993 “Vol 1: Classical Sounds” [Audio Recording]
Metadaten
Titel
Better Than MFCC Audio Classification Features
verfasst von
Ruben Gonzalez
Copyright-Jahr
2013
Verlag
Springer New York
Buch
The Era of Interactive Media

Print ISBN: 978-1-4614-3500-6

Electronic ISBN: 978-1-4614-3501-3

Copyright-Jahr: 2013

DOI
https://doi.org/10.1007/978-1-4614-3501-3_24

Neuer Inhalt

    Bildnachweise