基于音频内容重复性的广播广告检测
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景及研究目的和意义 | 第9页 |
| 1.2 国内外研究现状与分析 | 第9-13页 |
| 1.2.1 音频分类分割技术的研究进展 | 第9-12页 |
| 1.2.2 广播中广告检测的研究进展 | 第12-13页 |
| 1.3 目前方法存在的问题 | 第13-14页 |
| 1.4 研究内容和组织结构 | 第14-16页 |
| 第2章 音频信号预处理与特征计算 | 第16-25页 |
| 2.1 引言 | 第16页 |
| 2.2 音频信号预处理 | 第16页 |
| 2.3 特征计算 | 第16-23页 |
| 2.3.1 时域特征 | 第17-19页 |
| 2.3.2 频域特征 | 第19-23页 |
| 2.4 性能衡量标准 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于音频内容重复性的广告检测算法 | 第25-36页 |
| 3.1 引言 | 第25-26页 |
| 3.2 自相似性矩阵概述 | 第26-27页 |
| 3.3 自相似性矩阵计算 | 第27-31页 |
| 3.3.1 距离公式 | 第27-28页 |
| 3.3.2 相似点增强 | 第28-31页 |
| 3.4 相似段选取 | 第31-34页 |
| 3.4.1 相似段基准点选取 | 第31-32页 |
| 3.4.2 相似段选取 | 第32-34页 |
| 3.5 实验结果与分析 | 第34-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第4章 基于音频分类分割预处理的广告检测算法 | 第36-50页 |
| 4.1 引言 | 第36页 |
| 4.2 基于支持向量机的音频分类 | 第36-43页 |
| 4.2.1 支持向量机简介 | 第36-37页 |
| 4.2.2 特征选择 | 第37-42页 |
| 4.2.3 训练数据处理与模型参数选择 | 第42-43页 |
| 4.3 基于分类结果序列的音频分割 | 第43-45页 |
| 4.4 实验结果与分析 | 第45-49页 |
| 4.4.1 支持向量机参数选择实验 | 第45-46页 |
| 4.4.2 音频分类实验 | 第46-47页 |
| 4.4.3 音频分割实验 | 第47-48页 |
| 4.4.4 计算效率对比试验 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 基于梯度提升树的广告检测算法 | 第50-59页 |
| 5.1 引言 | 第50页 |
| 5.2 特征选取与拼接 | 第50-51页 |
| 5.3 梯度提升树方法 | 第51-57页 |
| 5.3.1 梯度提升树概述 | 第51-52页 |
| 5.3.2 梯度提升树的训练 | 第52-57页 |
| 5.4 实验结果与分析 | 第57-58页 |
| 5.5 本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65页 |
