1.一种用于音频场景分类的数据扩充方法,其特征是,包括如下步骤:S1、获取训练集;所述训练集包括多个音频文档以及音频文档所属的音频场景;
S2、采用基于LDA的方法提取训练集中的关键音频事件和非关键音频事件;所述LDA为隐狄利克雷分配模型;
步骤S2包括:
S201、根据训练集中音频数据生成音频字;
所述根据训练集中音频数据生成音频字,具体为:将训练集中的每个音频文档进行分帧处理;
提取每个帧的频谱特征数据;
将训练集中所有帧的频谱特征数据进行聚类,聚类得到M个簇,将簇中心作为音频字,M个簇共得到M个音频字,M个音频字组成音频字典,将每个簇中的帧表示成该帧所在簇对应的音频字;
S202、根据获得的音频字,统计每个音频文档中每个音频字的出现次数,建立“音频文档‑音频字”共现矩阵;
设定主题的个数,根据共现矩阵,通过LDA方法学习得到每个音频文档在每个主题上的概率值,从而获得音频文档的主题分布;根据共现矩阵,通过LDA方法学习得到每个主题在每个音频字上的概率值;根据每个音频文档在每个主题上的概率值和每个主题在每个音频字上的概率值,获得音频字的主题分布;
所述根据每个音频文档在每个主题上的概率值和每个主题在每个音频字上的概率值,获得音频字的主题分布,具体为:其中, 表示第i个音频字wi的主题分布, 表示第i个音频字wi在第k个主题上的概率值,k=1,…,K,zi表示第i个音频字wi的主题,i=1,…,M,M表示音频字的个数,表示音频文档d在第k个主题上的概率值,d=1,…,N,N表示训练集中音频文档的个数,表示第k个主题在第i个音频字wi上的概率值;
S203、通过计算音频字的主题分布和音频文档的主题分布的相似度,获得训练集中的关键音频事件和非关键音频事件;具体为:设定相似度阈值,计算音频字的主题分布和音频文档的主题分布的相似度;
对于音频文档d,将与该音频文档的相似度大于设定的阈值的音频字作为该音频文档的关键音频字,其余的音频字为该音频文档的非关键音频字;
对于音频文档d,音频文档d内连续的关键音频字组成关键音频事件,音频文档d内连续的非关键音频字组成非关键音频事件;
S3、针对每类音频场景,分别统计关键音频事件的概率分布;
S4、根据关键音频事件的概率分布生成新音频文档即为新数据;
对于每类音频场景,根据所述关键音频事件的概率分布生成新音频文档,具体为:根据关键音频事件的概率分布,通过轮盘赌方法,获得待生成新音频文档中关键音频事件的出现次数、每个关键音频事件的出现位置和持续时长;
根据获得的出现次数、出现位置及持续时长,针对每个关键音频事件的出现位置和持续时长,选取该类音频场景内持续时长与获取的持续时长最相近的关键音频事件,置于新音频文档中对应的关键音频事件的出现位置处;
根据新音频文档中两个关键音频事件之间的间隔,从该类音频场景内的非关键音频事件中选择持续时长最接近间隔时长的片段,置于间隔位置处;
如果新音频文档中第一个关键音频事件的出现位置值不等于0,则从该类音频场景内的非关键音频事件片段中,选取持续时长最接近第一个关键音频事件的出现位置值的非关键音频事件片段,放置在第一个关键音频事件出现位置前面的位置。
2.如权利要求1所述的一种用于音频场景分类的数据扩充方法,其特征是:针对每类音频场景,分别统计关键音频事件的概率分布:采用归一化直方图的方法统计关键音频事件的概率分布。
3.如权利要求1所述的一种用于音频场景分类的数据扩充方法,其特征是:所述关键音频事件的概率分布至少包括:针对每类音频场景,关键音频事件出现次数的概率分布,在每一出现次数下关键音频事件出现位置的概率分布和在每一出现次数下关键音频事件持续时长的概率分布。
4.一种用于音频场景分类的数据扩充装置,其特征是,包括:获取模块:用于获取训练集;所述训练集包括多个音频文档以及音频文档所属的音频场景;
第一提取模块:用于采用基于LDA的方法提取训练集中的关键音频事件和非关键音频事件;所述LDA为隐狄利克雷分配模型;
所述采用基于LDA的方法提取训练集中的关键音频事件和非关键音频事件的方法包括:
S201、根据训练集中音频数据生成音频字;
所述根据训练集中音频数据生成音频字,具体为:将训练集中的每个音频文档进行分帧处理;
提取每个帧的频谱特征数据;
将训练集中所有帧的频谱特征数据进行聚类,聚类得到M个簇,将簇中心作为音频字,M个簇共得到M个音频字,M个音频字组成音频字典,将每个簇中的帧表示成该帧所在簇对应的音频字;
S202、根据获得的音频字,统计每个音频文档中每个音频字的出现次数,建立“音频文档‑音频字”共现矩阵;
设定主题的个数,根据共现矩阵,通过LDA方法学习得到每个音频文档在每个主题上的概率值,从而获得音频文档的主题分布;根据共现矩阵,通过LDA方法学习得到每个主题在每个音频字上的概率值;根据每个音频文档在每个主题上的概率值和每个主题在每个音频字上的概率值,获得音频字的主题分布;
所述根据每个音频文档在每个主题上的概率值和每个主题在每个音频字上的概率值,获得音频字的主题分布,具体为:其中, 表示第i个音频字wi的主题分布, 表示第i个音频字wi在第k个主题上的概率值,k=1,…,K,zi表示第i个音频字wi的主题,i=1,…,M,M表示音频字的个数,表示音频文档d在第k个主题上的概率值,d=1,…,N,N表示训练集中音频文档的个数,表示第k个主题在第i个音频字wi上的概率值;
S203、通过计算音频字的主题分布和音频文档的主题分布的相似度,获得训练集中的关键音频事件和非关键音频事件;具体为:设定相似度阈值,计算音频字的主题分布和音频文档的主题分布的相似度;
对于音频文档d,将与该音频文档的相似度大于设定的阈值的音频字作为该音频文档的关键音频字,其余的音频字为该音频文档的非关键音频字;
对于音频文档d,音频文档d内连续的关键音频字组成关键音频事件,音频文档d内连续的非关键音频字组成非关键音频事件;
概率分布统计模块:用于针对每类音频场景,分别统计关键音频事件的概率分布;
新数据生成模块:用于根据关键音频事件的概率分布生成新音频文档即为新数据;
对于每类音频场景,根据所述关键音频事件的概率分布生成新音频文档,具体为:根据关键音频事件的概率分布,通过轮盘赌方法,获得待生成新音频文档中关键音频事件的出现次数、每个关键音频事件的出现位置和持续时长;
根据获得的出现次数、出现位置及持续时长,针对每个关键音频事件的出现位置和持续时长,选取该类音频场景内持续时长与获取的持续时长最相近的关键音频事件,置于新音频文档中对应的关键音频事件的出现位置处;
根据新音频文档中两个关键音频事件之间的间隔,从该类音频场景内的非关键音频事件中选择持续时长最接近间隔时长的片段,置于间隔位置处;
如果新音频文档中第一个关键音频事件的出现位置值不等于0,则从该类音频场景内的非关键音频事件片段中,选取持续时长最接近第一个关键音频事件的出现位置值的非关键音频事件片段,放置在第一个关键音频事件出现位置前面的位置。
5.一种电子设备,其特征是,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成权利要求1‑3任一项方法所述的步骤。
6.一种计算机可读存储介质,其特征是,用于存储计算机指令,所述计算机指令被处理器执行时,完成权利要求1‑3任一项方法所述的步骤。