用于音频内容识别的分类器参数更新方法

摘要

一种用于音频内容识别的分类器参数更新方法，包括如下步骤：获取新的训练数据；进行数据选择，得到数据集一及数据集二；利用数据集一更新高斯混合模型参数；而对于数据集二，则先判断其数据量是否大于一门限值，如其数据量是大于一门限值，则利用数据集二的数据更新整体的高斯混合模型参数，如此本发明可针对当前的高斯混合模型，根据实际测试样本来更新分类器参数，从而可以达到最优化分类的目的。

主权项

1.一种用于音频内容识别的分类器参数更新方法，适用于基于高斯混合模型的分类器，其特征在于该方法包括如下步骤：获取新的训练数据；进行数据选择，得到数据集一及数据集二；利用数据集一更新当前高斯混合模型的参数π_j，μ_j，∑_j，j＝1，2，...，g，其中g为当前的高斯分量的个数，π_j为混合百分比参数，∑_j为方差，μ_j为均值；而对于数据集二，则先判断其数据量是否大于一门限值，如其数据量是大于一门限值，则利用数据集二的数据更新整体的高斯混合模型参数，采取如下的方法：第一步：根据计算这些数据所产生的高斯混合模型参数：π_j，μ_j，∑_j，j＝g+1，g+2，...，g+h其中h为高斯混合模型新增的高斯分量的个数；第二步：重新分配混合百分比参数π_j，j＝1，2，...，g+h，而不更新其它两组参数：${\pi }_j^{\prime }=\left\{\begin{array}{c}\alpha {\pi }_j,j=\mathrm{1,2},...g\\ \beta {\pi }_j,j=g+1,g+2,...,h\end{array}\right.$其中，参数须满足α+β＝1。