關於環境聲音分類的分類方法和機器學習模型的建議

Question

我目前對環境聲音分類有疑問。 我想使用“音頻分類”來檢測特定類型的串音（確實有很大不同，而且很容易被人耳區分）。 但是還有其他可能發生的串音對我來說並不重要，即我所需要的只是不將它們歸類為“特定類型的串音”。

我現在嘗試使用GMM＆LFCC進行分類。 所有LFCC都從該類型的串音中訓練出一個GMM模型，所有其他LFCC（從某種非碰撞環境中發出的聲音，或者從我不想要的其他某種類型的碰撞中）得到一個GMM模型。 當前的性能非常差，召回率很高，但精度卻非常低。 我發現，雖然我的“特定聲音類型”的GMM模型在沒有發生聲音類型時會給出非常低的概率，但是如果我想要的聲音以外的其他所有聲音的另一種GMM模型也會給出低概率這就是所有其他類型的碰撞正在發生的情況。

對於這種情況，我應該切換到其他模型，例如ANN或SVM，還是需要添加更多的GMM模型？ 例如，我在考慮將GMM_1用於所需的碰撞類型，將GMM_2用於其他類型的碰撞，將GMM_3用於其他類型的碰撞。 但是我很難獲得“所有其他類型的碰撞”，而且我不確定這種方式是否確實會提高准確性。

Answer 1

好吧，我必須回答我自己的問題。 這些天，我以我在問題中提到的方式使用具有三個GMM的模型進行了一些測試。 它仍然可以正常工作。 如果我有更多的訓練數據，我有信心可以達到90％以上的准確性。