Classification using Ensemble Metho

Classification using Ensemble Methods
Ensemble methods have been employed in our work for
classification purpose. In literature, combination based
methods generally perform better as compared to single
classifier systems because they weigh the prediction of
Sound class No. of files Duration (sec)
Breathing 50 106.44
Cough 62 181.69
Dishes 98 303.77
Door Clapping 114 62.70
Door Opening 21 138.94
Electrical Shaver 62 420.33
Female Cry 36 268.19
Female Scream 70 216.83
Glass Breaking 101 99.52
Hair Dryer 40 224.86
Hands Clapping 54 218.65
Keys 36 166.34
Laugh 49 272.65
Male Scream 87 202.11
Paper 63 330.66
Sneeze 32 51.67
Water 54 484.72
Yawn 20 95.87
TABLE I. RWCP DATABASE - NON-SPEECH DRY SOURCE SOUNDS (ADAPTED FROM [4])
Group Category Sound Source Examples No. of Samples
Collision Wood
Metal
Plastic
Ceramic
Wood Board, Wood Stick
Metal Board, Metal Can
Plastic Case
Glasses, China
1187
1000
550
800
Action Article Dropping
Gas Jetting
Rubbing
Bursting/Breaking
Clapping
Dropping Articles In Box
Spray, Pump
Sawing, Sanding
Breaking Stick, Air Cap
Hand Clap, Slamming Clap
200
200
500
200
829
Characteristic Small Metal Articles
Paper
Instruments
Electronic Sound
Mechanical
Small Bell, Coin
Dropping Book, Tearing Paper
Drum, Whistle, Bugle
Phone, Toy
Spring, Stapler
1027
400
1079
705
1000
(a) Clap (b) Wood
(c) Female scream (d) Glass breaking
Figure 1. Spectrogram of sample sounds: (a), (b) RWCP-DB samples (c),
(d) Sound dataset samples.
420
individual sub-classifier before taking the final decision and
also have a tendency to recover if a classifier fails to perform
well [13], [14]. In this paper, we have used three ensemble
methods: Bagging, AdaboostM1 and Random Subspace.
These ensemble methods have been selected as they provide
better generalization performance when used with a weak
classifier. To our knowledge, no such ensemble methods
have been used so far for daily sound recognition. To show
the effectiveness of combination methods, base classifiers
have also been used individually for sound classification. The
details of the three ensemble methods and base learners are
mentioned here.

ผลลัพธ์ (ไทย) 1:

การจัดประเภทโดยใช้วิธีวงดนตรีมีการจ้างวงดนตรีวิธีในงานของเราวัตถุประสงค์การจัดประเภท ในวรรณคดี ชุดที่ใช้วิธีโดยทั่วไปทำงานดีขึ้นเมื่อเทียบกับเดียวระบบ classifier เนื่องจากพวกเขามีน้ำหนักคำทำนายของเสียงระดับหมายเลข แฟ้มระยะเวลา (วินาที)หายใจ 50 106.44ไอ 62 181.69อาหาร 98 303.77ประตูปรบมือ 114 62.70ประตูเปิด 21 138.94โกนหนวดไฟฟ้า 62 420.33หญิงร้องไห้ 36 268.19หญิงร้อง 70 216.83แก้วแบ่ง 101 99.52ผมเป่า 224.86 40มือปรบมือ 54 218.65คีย์ 36 166.34หัวเราะ 49 272.65เพศชายร้อง 87 202.11กระดาษ 63 330.66จาม 32 51.67น้ำ 54 484.72นาย 20 95.87RWCP I. ตารางฐานข้อมูล--เสียงต้นฉบับเสียงไม่แห้ง (ดัดแปลงจาก [4])ตัวอย่างแหล่งที่กลุ่มประเภทเสียง ตัวอย่างไม้ชนกันโลหะพลาสติกเซรามิกไม้กระดาน ไม้อัดสามารถรีดโลหะ โลหะกรณีพลาสติกแว่นตา จีน11871000550800บทความการวางก๊าซ Jettingถูชีวิตชีวา/แบ่งปรบมือบทความวางในกล่องสเปรย์ ปั๊มเลื่อย ตระเตรียมทำลายไม้ ฝาครอบเครื่องเสียงดังเปรี้ยงของมือ Slamming เสียงดังเปรี้ยง200200500200829บทความโลหะขนาดเล็กลักษณะกระดาษเครื่องมือเสียงอิเล็กทรอนิกส์เครื่องจักรกลกระดิ่ง เหรียญวางหนังสือ กระดาษฉีกขาดกลอง นกหวีด เสียงเป่าแตรนั้นโทรศัพท์ ของเล่นฤดูใบไม้ผลิ หมวดเครื่องเย็บ102740010797051000 (ก) (ข) ไม้ตบ (ค) หญิงร้องแบ่ง (d) แก้วรูปที่ 1 Spectrogram ของตัวอย่างเสียง: (ก) (b) RWCP DB ตัวอย่าง (c)(d) เสียงตัวอย่างชุดข้อมูล 420classifier ย่อยแต่ละรายการก่อนการตัดสินใจขั้นสุดท้าย และยัง มีแนวโน้มที่จะกู้คืนถ้า classifier การดำเนินดี [13], [14] ในเอกสารนี้ เราจะใช้วงดนตรีสามวิธีการ: เย็บถุง AdaboostM1 และ Subspace สุ่มมีการเลือกวิธีเพลิดเพลินกับพวกเขาให้generalization ประสิทธิภาพเมื่อใช้กับความอ่อนแอclassifier ความรู้ของเรา วิธีวงดนตรีดังกล่าวไม่ใช้มากสำหรับการรู้จำเสียงทุกวัน เมื่อต้องการแสดงประสิทธิผลของวิธีการผสม คำนามภาษาพื้นฐานนอกจากนี้ยังใช้แยกการจัดเสียง ที่มีรายละเอียดของวิธีการสามวงดนตรีและพื้นฐานผู้เรียนกล่าวถึงที่นี่

ผลลัพธ์ (ไทย) 2:

การจำแนกประเภทโดยใช้วิธีทั้งมวลวิธีการทั้งหมดที่ได้รับการว่าจ้างในการทำงานของเราสำหรับวัตถุประสงค์การจัดหมวดหมู่ ในวรรณคดีรวมกันตามวิธีการทั่วไปทำงานได้ดีขึ้นเมื่อเทียบกับซิงเกิ้ลระบบลักษณนามเพราะพวกเขามีน้ำหนักการคาดการณ์ของระดับเสียงจำนวนไฟล์ระยะเวลา(วินาที) การหายใจ 50 106.44 ไอ 62 181.69 อาหาร 98 303.77 ประตู Clapping 114 62.70 ประตูเปิด 21 138.94 โกนหนวดไฟฟ้า 62 420.33 หญิงร้องไห้ 36 268.19 หญิงกรีดร้อง 70 216.83 แก้วทำลาย 101 99.52 เครื่องเป่าผม 40 224.86 มือ Clapping 54 218.65 คีย์ 36 166.34 หัวเราะ 49 272.65 ชาย Scream 87 202.11 กระดาษ 63 330.66 จาม 32 51.67 น้ำ 54 484.72 ยอน 20 95.87 ตารางฐานข้อมูล I. RWCP - ไม่ใช่พูดแห้งมาเสียง (ดัดแปลงมาจาก [4]) กลุ่มประเภทแหล่งเสียงตัวอย่างจำนวนตัวอย่างชนไม้โลหะพลาสติกเซรามิกคณะไม้, ไม้ติดคณะโลหะโลหะสามารถกรณีพลาสติกแว่นตา, จีน1,187 1,000 550 800 การดำเนินการข้อหยดก๊าซJetting ถูระเบิด / ทำลายตบมือบทความวางในกล่องสเปรย์ปั๊มเลื่อย, ขัดทำลายสติ๊ก, เครื่อง Cap มือ Clap กระแทก Clap 200 200 500 200 829 ลักษณะบทความโลหะขนาดเล็กกระดาษเครื่องมืออิเล็กทรอนิกส์เสียงวิศวกรรมขนาดเล็กเบลล์เหรียญวางหนังสือ, ฉีกขาดกระดาษกลองนกหวีดแตรโทรศัพท์, ของเล่นฤดูใบไม้ผลิStapler 1027 400 1079 705 1000 (ก) Clap (ข) ไม้(c) เสียงกรีดร้องหญิง (ง) แก้วทำลายรูปที่1 แสงแยกสีเสียงตัวอย่าง (ก) (ข) RWCP- ตัวอย่าง DB (ค) (ง) ตัวอย่างชุดเสียง. 420 แต่ละย่อยลักษณนามก่อนที่จะตัดสินใจขั้นสุดท้ายและยังมีแนวโน้มที่จะกู้คืนถ้าลักษณนามที่ล้มเหลวในการดำเนินการที่ดี[13], [14] ในบทความนี้เราได้ใช้ชุดสามวิธี:. บรรจุถุง, AdaboostM1 และสเปซสุ่มวิธีการเหล่านี้วงดนตรีได้รับการคัดเลือกที่พวกเขาให้ประสิทธิภาพการทำงานที่ดีกว่าทั่วไปเมื่อใช้กับอ่อนแอลักษณนาม ความรู้ของเราไม่มีวิธีการชุดดังกล่าวได้ถูกนำมาใช้เพื่อให้ห่างไกลสำหรับการรับรู้เสียงในชีวิตประจำวัน เพื่อแสดงให้เห็นถึงประสิทธิภาพของวิธีการรวมกันจําแนกฐานได้ถูกนำมาใช้เป็นรายบุคคลสำหรับการจำแนกเสียง รายละเอียดของวิธีการสามชุดและผู้เรียนฐานจะกล่าวถึงที่นี่

ผลลัพธ์ (ไทย) 3:

การจำแนกโดยใช้วิธีการวงดนตรีวงดนตรี
วิธีการได้รับการว่าจ้างในการทำงานของเรา
จุดประสงค์การจำแนก ในวรรณคดี รวมกันตามวิธีการทั่วไป
ทําได้ดีกว่าเมื่อเทียบกับเดียว
1 ระบบ เพราะชั่งทำนาย
ไม่เรียนเสียงของไฟล์เวลา ( วินาที )

ไอหายใจ 50 106.44 62 181.69

อาหาร 98 303.77 ประตูปรบมือ 114 62.70

21 138.94 ประตูเปิดเครื่องโกนหนวดไฟฟ้า 62 420.33
หญิงร้องไห้ 36 268.19
หญิงกรี๊ด 70 216.83

แก้วแตก 101 99.52 เครื่องเป่าผม 40 224.86
เสียงปรบมือ 54 218.65
คีย์ 36 166.34
หัวเราะกระดาษ 87 202.11

ชาย 49 272.65 กรี๊ด 63 330.66
จามน้ำ 32 51.67
54 484.72
หาว 20 95.87
โต๊ะฉัน rwcp ฐานข้อมูล non-speech บริการแหล่งเสียง ( ดัดแปลงจาก [ 4 ] )
กลุ่มประเภทเสียงตัวอย่างที่มาของตัวอย่างไม้

ไม่ชนกัน


ไม้โลหะ พลาสติก เซรามิก โลหะ ไม้ กระดาน กระดานไม้


โลหะสามารถใส่แว่นตาพลาสติก จีน



550 187 1000 800
การปล่อยก๊าซ jetting

บทความถู
/ ทำลาย
ปรบมือ
วางบทความในกล่อง

ปั๊มพ่นระเบิด , เลื่อย , ขัด
ทำลายไม้ หมวกแอร์
ปรบมือ กระแทกตบมือ



200 200 500 200

แล้วลักษณะโลหะขนาดเล็กบทความ


เสียงเครื่องดนตรีกระดาษอิเล็กทรอนิกส์เครื่องกล

เหรียญระฆังเล็ก วางกระดาษขาด

หนังสือ กลอง นกหวีด แตร
โทรศัพท์ , ฤดูใบไม้ผลิของเล่น

1

สน 400 เครื่องเย็บกระดาษเล๊ย


( 1 ) กด ( B ) ไม้
( C ) หญิงกรี๊ดแตก ( D )
1 รูป เล็ก ๆ น้อย ๆของตัวอย่างเสียง : ( a ) , ( b ) ตัวอย่าง rwcp-db ( C )
( D ) ตัวอย่างข้อมูลเสียง

ขนาด 420 บุคคลย่อยก่อนที่จะตัดสินใจขั้นสุดท้ายและ
ยังมีแนวโน้มที่จะกู้คืนถ้าลักษณนามที่ล้มเหลวที่จะดำเนินการ
ดี [ 13 ] , [ 14 ] ในกระดาษนี้เราใช้วิธีการสาม ensemble
: ใส่ถุงแบบย่อย adaboostm1 .
วิธีการทั้งหมดเหล่านี้ได้รับเลือกเป็นพวกเขาให้ประสิทธิภาพดีกว่าเมื่อใช้กับการ

อ่อนแอลักษณนาม ความรู้ของเรา ไม่มีวิธีการ ensemble
ถูกใช้เพื่อให้ห่างไกลเพื่อการรับรู้เสียง ทุกวันเพื่อแสดงประสิทธิผลของวิธีการรวมกัน

คำฐานยังถูกใช้ในแต่ละประเภทเสียง
รายละเอียดของทั้งสามชุดวิธีการและผู้เรียนเป็นฐาน
กล่าวถึงที่นี่