[发明专利]用于音频事件分类的半监督学习高置信度样本挖掘方法

摘要

本发明公开了一种用于音频事件分类的半监督学习高置信度样本挖掘方法，本发明创新性地通过三个原则来确定未标注音频事件样本的置信度，进而挖掘具有高置信度的未标注音频事件样本。三个原则为未标注音频事件样本的正确标注提供了三重保障，因而能成功地为半监督学习挖掘到高置信度的未标注音频事件样本。此外，本发明的三个原则充分考虑了数据分布，挖掘的高置信度样本具有一定的多样性，因而能更好地提高音频事件分类器的分类性能。本发明挖掘的高置信度样本经自动标注加入到已标注音频事件样本集，因而在提高分类器的分类性能的同时不增加额外的手工标注工作量，因此该项发明在实际应用中具有很强的应用价值。

主权项

1.一种用于音频事件分类的半监督学习高置信度样本挖掘方法，其特征是：包括以下步骤：步骤(1)：输入已标注音频事件样本集L、未标注音频事件样本集U和支持向量机分类器；步骤(2)：用已标注音频事件样本集L中标注为正类的样本组成样本集L+，用未标注音频事件样本集U和样本集L+组成包含未标注音频事件样本和已标注的正类样本的数据集D1，用D1内的样本估计未标注音频事件样本的正类置信度；步骤(3)：用已标注音频事件样本集L中标注为负类的样本组成样本集L‑，用未标注音频事件样本集U和样本集L‑组成包含未标注音频事件样本和已标注的负类样本的数据集D2，用D2内的样本估计未标注音频事件样本的负类置信度；步骤(4)：对未标注音频事件样本，计算正类估计置信度和负类估计置信度的差值g1，用支持向量机分类器对未标注音频事件样本分类，然后选出那些落在支持向量机分类器分类边界内且其g1值为正值的未标注音频事件样本，并按其g1值进行降序排列，最后创建正类样本集P；步骤(5)：对未标注音频事件样本，计算负类估计置信度和正类估计置信度的差值g2，用支持向量机分类器对未标注音频事件样本分类，然后选出那些落在支持向量机分类器分类边界内且其g2值为正值的未标注音频事件样本，并按其g2值进行降序排列，最后创建负类样本集N；步骤(6)：将正类样本集P中的样本自动标注为正类，然后加入到已标注音频事件样本集L中，并将其从未标注音频事件样本集U中移除；将负类样本集N中的样本自动标注为负类，然后加入到已标注音频事件样本集L中，并将其从未标注音频事件样本集U中移除，利用处理后的音频事件样本集进行音频事件分类。