V době velkých dat je v síti uloženo více a více zvukových dat a automatizační systémy a inteligentní klasifikační systémy jsou požadovány. Audit klasifikace zvukových signálů má zásadní význam pro podporu rozvoje těchto systémů. Při výzkumu klasifikace zvukových signálů jsou tři nejdůležitější aspekty vytažení prvků, optimalizace sady funkcí a třídění. Prostřednictvím výzkumu a analýzy stávajících literatur týkajících se zvuku se zjistilo, že zaměřování výzkumu zvuku zahrnuje zejména: výzkum různých metod extrakce znaků při extrakci znaků; v optimalizaci sady funkcí, výzkum různých algoritmů výběru prvků; V konstrukci klasifikátoru se studuje klasifikace různých klasifikačních algoritmů. Tento článek se zaměřuje na výše uvedené tři aspekty a dokončená práce zahrnuje zejména následující části: 1. Použití různých metod extrakce zvukových funkcí, včetně funkcí časové domény, vlastností frekvenční domény, vlastností cepstrum domény a dalších funkcí Celkem 89 zvukových funkcí kategorie představuje původní soubor zvukových funkcí. Pro problém optimalizace sady funkcí je studován algoritmus výběru prvků na základě korelačního koeficientu Pearson, algoritmus výběru prvků založený na metodě entropie a algoritmus výběru prvků založený na algoritmu Relief. Je navržen vylepšený algoritmus výběru funkce korelačního koeficientu. Platnost a proveditelnost čtyř algoritmů výběru prvků jsou ověřovány experimenty a porovnávány jsou výhody a nevýhody algoritmů. Klasifikátor založený na rozhodovacím stromu, K nejbližší klasifikátor sousedů a klasifikátor na bázi neuronové sítě BP jsou navrženy. Problém, který neuronovou síť BP snadno spadá do lokálního optimálního stavu, je studován. Klasifikátor neuronové sítě BP založený na simulovaném algoritmu žíhání je navržen. Původní sada zvukových funkcí je vložena do čtyř druhů zvukových zařízení a klasifikace řeči a hudby je dokončena. Experimenty, experimenty s klasifikací hudebního žánru a experimenty s klasifikací hudebních nástrojů. Experimentální výsledky ukazují, že průměrná míra přesnosti klasifikace získaná použitím vylepšeného klasifikátoru BP, tradičního klasifikátoru BP, klasifikátoru rozhodovacího stromu ID-3 a K nejbližšího klasifikátoru sousedů je 96,15%, 92,86%, 93,60% a 85,98%. Vylepšený klasifikátor neuronové sítě BP se používá ke klasifikaci čtyř optimalizovaných sad funkcí. Experimentální výsledky ukazují, že výsledky klasifikace získané použitím algoritmu pro výběr prvku zlepšeného funkčního koeficientu jsou nejlepší v řeči a hudbě. Průměrná míra přesnosti klasifikace klasifikačních experimentů, experimentů s klasifikací hudebních žánrů a pokusů o klasifikaci hudebních nástrojů činila 97,78%, 92,69% a 98,50%.
Audio expert je velmi jednoduchý zvukový nástroj. Audio poskytuje uživatelům konverzi zvukových formátů, slučování zvuku a další funkce. Umožňuje získat uživatelovu potřebu uchovat si část z audio textového souboru v počítači a pak vytvořit nový zvukový soubor. Je to dobrý pomocník pro uživatele.
Audio Expert funkce:
1. Převod formátu hudby: Můžete převádět mezi libovolnými formáty MP3, WAV, WMA, AAC, AU, AIF, APE, VOC, FLAC, M4A, OGG a další populární zvukové formáty.
2. Segmentace hudby: rozdělit hudební soubor na několik malých hudebních souborů a podporovat segmentaci podle délky, velikosti, průměrné distribuční příručky a automatické.
3. Hudební zachycení: Extrahujte část, kterou je třeba shromáždit ze zvukové stopy, a přeměňte ji na zvukový soubor.
4. Sloučení hudby: Kombinujte několik různých nebo identických souborů formátu hudby do jednoho hudebního souboru.
5. Nastavení hlasitosti MP3: nastavte hlasitost MP3 skladeb bez ztráty kvality zvuku. Před vypálením hudebního disku nebo před kopírováním skladby do mobilního telefonu je možné analyzovat a upravovat hlasitost všech písniček ve formátu MP3 na stejnou velikost. Už nemusíte upravovat hlasitost přehrávače, když posloucháte skladbu.
