排序方式: 共有13条查询结果,搜索用时 0 毫秒
1.
2.
3.
针对鸟声识别算法中提取特征单一、分类准确率低等问题,提出一种基于混合特征选择和灰狼算法优化核极限学习机的鸟声识别方法。首先从鸟声数据中提取大规模声学特征集ComParE,其次计算每个特征的Fscore并进行排序,然后以广义顺序向前浮动搜索(Generalized Sequential Forward Floating Search, GSFFS)为搜索策略,特征子集在核极限学习机(Kernel Limit Learning Machine, KELM)上十折交叉验证的正确率,作为特征选择标准进行特征选择,得到适用于鸟声识别的特征子集,最后通过灰狼算法(Grey Wolf Optimizer, GWO)选择最优KELM参数识别鸟声。在柏林自然科学博物馆鸟声数据库中进行实验,该方法在60类鸟声识别平均正确率和F1-score达到94.45%和92.29%。结果表明,该方法相较于传统自行设计提取的单一特征集具有更高的识别精度,GWO-KELM模型比网格搜索方式更易找到全局最优值。 相似文献
4.
5.
6.
谢辉夏婷婷葛煜喆毛华松 《古建园林技术》2019,(144):75-80
本文通过分析中国古典园林中的鸟声景与人工声景实例,探究了它们的空间营造手法,以满足声景的 3 个基本要素为标准,筛选出 5 个鸟声景点和 7 个人工声景点。发现中国古典园林常设树林、水面以营造鸟声,设高台以营造人工声;设开敞空间欣赏鸟声、钟声,设封闭空间以欣赏戏曲声;多用自然材料围合鸟声景,用人工材料围合人工声景;常设亭以欣赏鸟声,设馆以欣赏人工声。 相似文献
7.
正中国花鸟画它最初由图腾崇拜,到抒写性灵,以致发展到现今的陶瓷花鸟绘画艺术,表现了人们的思想观念,情感表达等一系列自然关系。依托千变万化自然物象的花鸟造型,使画家的内心世界得以展现,即将"意"或"心"寄托于自然界的花草鸟虫的审美再造中。通过对物象的审美再造,让欣赏者得以享受和沟通。花鸟画为什么这么得到老百姓的推崇自然有它的缘故的。农夫听到鸟儿的第一声啼鸣,就知道清晨已经到来,就得来到田边地头忙于耕种,年复一年日复一日,鸟声祝福农夫五谷丰登。音乐家从鸟儿的啼鸣中听到了美妙的音符,从而引发了对音律的 相似文献
10.
为了在低参数量下提高鸟鸣声的识别准确率,提出了一种新的鸟声识别方法,包括鸟声信号特征优化和乌鸦搜索-支持向量机(Support Vector Machine,SVM)分类识别。该方法首先采用主成分分析法对从鸟声中提取的梅尔频率倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC)和翻转梅尔频率倒谱系数进行选择,得到优化后的声音特征参数并将其作为鸟声识别算法的输入;然后利用乌鸦搜索算法对SVM的核参数和损失值进行选优,得到改进的SVM网络用于鸟声分类识别。试验结果表明,该方法对5种鸟声识别的准确率为92.2%,声音特征维数在16时可以得到最好的识别效果。该方法为野外鸟声自动识别提供了一种可行的方式。 相似文献