一种模型训练层AdaBoost算法的参数优化方法技术

本发明专利技术涉及一种模型训练层AdaBoost算法的参数优化方法。从应用场景的角度讲，属于音频事件识别技术领域；从技术实现的角度来讲，亦属于计算机科学与音频处理技术领域。本发明专利技术首先，提取音频训练样本底层特征，生成特征向量；然后，使用模拟退火算法进行AdaBoost模型的参数优化；最后使用优化后参数生成音频事件识别模型。本发明专利技术所述方法，对模型训练层AdaBoost算法参数进行优化，逼近迭代次数的最优解。在保持优秀的识别效果的同时，极大地缩短了参数优化时间，进而提高模型训练的效率，缓解了模型训练阶段网格法寻优耗时严重的问题。

A parameter optimization method for model training layer AdaBoost algorithm

The invention relates to a parameter optimization method of a model training layer AdaBoost algorithm. From the point of view of application, it belongs to the field of audio event recognition technology, and also belongs to the field of computer science and audio processing technology from the point of view of technical implementation. The invention firstly, extract audio training low-level features to generate the feature vector; then, parameter optimization using simulated annealing algorithm AdaBoost model; finally, using the optimized parameters to generate audio event recognition model. The method of the invention optimizes the parameters of the training layer AdaBoost algorithm and approaches the optimal solution of the iteration number. While maintaining excellent recognition effect, the parameter optimization time is greatly shortened, and then the training efficiency of model is improved. The problem of optimizing the mesh time in the training stage of the model is alleviated.

【技术实现步骤摘要】
一种模型训练层AdaBoost算法的参数优化方法
本专利技术涉及一种模型训练层AdaBoost算法的参数优化方法。从应用场景的角度讲，属于音频事件识别
；从技术实现的角度来讲，亦属于计算机科学与音频处理

技术介绍
音频事件识别技术是基于音频数据的内容，识别音频流中的事件声音段落。音频事件识别技术在有广泛的应用，可用于异常场景的监控，如无人车行驶环境下的异常声音事件，公共场所异常骚乱情况等。随着数字多媒体技术的快速发展，以及多终端移动设备的普及应用，音频数据的数量正以指数形式进行增长，音频事件识别技术的应用价值越来越显著。近年来，研究者们针对不同的应用场景提出了多种多样的音频事件识别算法。音频事件识别系统的模块数量、识别流程程度都在变得复杂，各模块的关键参数数量也不断增加，传统的网格法参数寻优耗时多、需要人工介入、并且结果易陷入局部最优解，甚至有多参的高分辨率优化无法实施等问题。因此，迫切需要针对音频事件识别系统的参数优化问题进行研究，提出更快速、有效并且方便地实现识别系统参数的整体优化。目前关于音频事件识别的参数优化研究较少，尚处于起步阶段，将不同的参数优化算法引入音本文档来自技高网...

【技术保护点】
一种模型训练层AdaBoost算法的参数优化方法，其特征在于，所述方法包括以下步骤：步骤1，采集并生成音频事件训练样本，完成数据的预处理，得到带有正负样本标记的训练数据；步骤2，对步骤1获得数据集S，应用AdaBoost算法，训练音频事件识别模型；步骤3，采用步骤2的方法作为目标函数，应用模拟退火方法，优化AdaBoost的训练参数。

【技术特征摘要】
1.一种模型训练层AdaBoost算法的参数优化方法，其特征在于，所述方法包括以下步骤：步骤1，采集并生成音频事件训练样本，完成数据的预处理，得到带有正负样本标记的训练数据；步骤2，对步骤1获得数据集S，应用AdaBoost算法，训练音频事件识别模型；步骤3，采用步骤2的方法作为目标函数，应用模拟退火方法，优化AdaBoost的训练参数。2.根据权利要求1所述的方法，其特征在于，所述训练音频事件识别模型的步骤具体包括：步骤2.1，初始化权重步骤2.2，对第t次训练(T为总训练次数，且t＝1，2，...，T)，归一化权重：步骤2.3，对每一维特征j，训练弱分类器hj，计算其样本集的分...

【专利技术属性】
技术研发人员：罗森林，潘丽敏，王怀庆，刘晓双，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京,11