S/M Discrimination using Hybrid-Based Feature Extraction

tex/4.4.hybrid.tex

@@ -0,0 +1,14 @@
+Speech/Music Discrimination using Hybrid-Based Feature Extraction for Audio Data Indexing
+Kun-Ching, Wang, Member, IEEE, Yung-Ming, Yang and Ying-Ru, Yang
+
+Χρησιμοποούν τα features:
+- ΜFCC
+- ZCR (zero crossing rate)
+- SC (Spectral Centroid)
+- SR (Spectral Rolloff)
+- SF (Specral Flux)
+
+Τα features ΜFCC, ZCR και SF ταξινομούν με accuracy ~90% το καθένα. Το feature SR με 83%, ενώ το SC με 70%.
+Ο συνδυασμός όλων των features πετυχαίνει 93.5% σωστή ταξινόμηση, ενώ με χρήση ενός SVM μοντέλου το ποστοστό φτάνει στο 95.68%.
+
+Παρατηρείται ότι η σωστή ταξινόμηση της μουσική είναι αρκετά δυσκολότερη (με αυτά τα features) σε σχέση με αυτή της ομιλίας. Συγκεκριμένα στην ομιλία επιτυγχάνεται (με το SVM) accuracy 98.25% ενώ στη μουσική 93.1%.