환경 분류를위한 분류 방법 및 기계 학습 모델에 대한 제안

Question

현재 환경 적 사운드 분류와 관련하여 문제가 있습니다. 오디오 분류를 사용하여 특정 유형의 collied 사운드 (실제로는 사람의 귀에 의해 구별되기 쉽고 매우 다름)를 감지하려고합니다. 그러나 저에게 중요하지 않은 콜리 사운드의 다른 유형이 있습니다. 즉 필요한 것은 내 "특정 유형의 콜리 드 사운드"로 분류해서는 안됩니다.

지금 분류를하려면 GMM & LFCC를 사용하려고합니다. 하나의 GMM 모델은 모든 유형의 collied 사운드와 모든 다른 LFCC의 GMM 모델 (모든 비 충돌 환경 사운드 또는 원하지 않는 충돌 유형)에서 모든 LFCC에 의해 교육되었습니다. 성능은 현재 매우 높지만 리콜 속도는 매우 낮지 만 극도로 낮은 정밀도입니다. 나는 "특정 유형의 사운드"에 대한 GMM 모델이 사운드 유형이 발생하지 않을 때 매우 낮은 확률을 제공하지만, 원하는 사운드가 아닌 다른 사운드에 대한 또 다른 GMM 모델은 이것은 다른 모든 유형의 충돌이 일어나고있는 상황이었습니다.

이런 상황에서 ANN 또는 SVM과 같은 다른 모델로 전환해야합니까? 아니면 GMM 모델을 더 추가해야합니까? 예를 들어, 내가 원하는 충돌 유형에 대해서는 GMM_1을, 다른 유형의 충돌에 대해서는 GMM_2를, 다른 것에 대해서는 GMM_3을 생각 중입니다. 그러나 "다른 모든 유형의 충돌"을 얻는 것이 어렵습니다.이 방법으로 실제로 정확성이 향상되는지 확실하지 않습니다.

Answer 1

음, 내 자신의 질문에 대답해야합니다. 나는이 질문에 언급 한 방식으로 GMM이 3 개인 모델을 사용하여 요즘 테스트를했다. 여전히 잘 작동합니다. 교육 자료가 더 많은 경우 90 % 이상의 정확도에 도달 할 수 있다고 확신합니다.