一种基于相似性矩阵融合的音频数据检索方法技术

本发明专利技术涉及一种基于相似性矩阵融合的音频数据检索方法，其特征在于：首先，计算不同种类音频数据特征的拉普拉斯矩阵；其次，计算不同种类音频数据拉普拉斯矩阵的特征值和特征向量，分别找出这些拉普拉斯矩阵中前M个最大特征值所对应的特征向量；第三，分别计算不同种类音频数据特征向量的相似性矩阵，将特征向量的相似性矩阵的对应元素相乘得到融合后的相似性矩阵，第四，对每个查询目标音频数据，利用融合后的相似性矩阵得到每个音频数据的分数，将音频数据按照分数从高到低排序，在前若干个排好序的音频数据中，统计其中与目标音频数据属于同一类别的音频数据数量，计算检索准确率。利用本发明专利技术方法，可以实现多种音频数据特征的融合检索，融合后的检索准确率比融合前有了大幅提高。

【技术实现步骤摘要】

【技术保护点】
一种基于相似性矩阵融合的音频数据检索方法，其特征在于步骤如下：步骤1：利用计算N个音频数据的特征X1,X2,...,XN的相似性矩阵W1；利用计算N个音频数据的特征Y1,Y2,...,YN的相似性矩阵W2；其中，X1,X2,...,XN表示第1、2和N个音频数据的第一种特征；Y1,Y2,...,YN表示第1、2和N个音频数据的第二种特征；表示矩阵W1第i行和第j列的元素；i＝1,2,...,N，j＝1,2,...,N,N＞0；σ＞0为常数；Xi,Xj表示第i个和第j个音频数据的第一种特征；上标T表示向量转置；表示矩阵W2第i行和第j列的元素；Yi,Yj表示第i个和第j个音频数据的第二种特征；步骤2：利用计算W1的拉普拉斯矩阵L1，利用计算W2的拉普拉斯矩阵L2；其中，D1表示对角线矩阵，其元素di,j1=Σt=1Nwi,t1i=j0i≠j;t＝1,2,...,N；表示矩阵W1的第i行第t列的元素；D2表示对角线矩阵，其元素di,j2=Σt=1Nwi,t2i=j0i≠j;t＝1,2,...,N；表示矩阵W2的第i行第t列的元素；步骤3：计算拉普拉斯矩阵L1和L2的特征值和特征向量，选取前M个最大特征值所对应的特征向量U1,U2,...,UM和V1,V2,...,VM；其中，M≥1表示常数；U1,U2,...,UM表示属于L1的大小为N×1的特征向量；V1,V2,...,VM表示属于L2的大小为N×1的特征向量；步骤4：构造矩阵P＝[U1?U2...UM]和Q＝[V1?V2...VM]；计算[K1?K2...KN]T和[L1?L2...LN]T的相似性矩阵S1和S2，S1的元素计算公式为S2的元素计算公式为si,j2=exp(Li-Lj)T×(Li-Lj)σ2;其中，K1,K2,...,KN表示矩阵P的第1,2,...,N行元素；L1,L2,...,LN表示矩阵Q的第1,2,...,N行元素；表示矩阵S1第i行和第j列的元素；表示矩阵S2第i行和第j列 的元素；步骤5：将相似性矩阵S1和S2的对应元素相乘得到融合后的相似性矩阵S；步骤6：利用公式r＝β(I?λS)?1T计算N个音频数据检索的分数向量r，并将N个音频数据按照分数大小从高到低排列，得到排序后的N个音频数据；其中，r＝(r1,r2,...,rN)表示N个音频数据利用融合后的相似性矩阵进行检索的得分向量，r1,r2,...,rN表示第1,2,...,N个音频数据的得分；β＝1?λ表示常数；λ＞0表示常数；T＝[t1,...,tN]T表示检索时的查询向量，ti＝1表示第i个音频数据为所要查找的目标音频数据，否则ti＝0。FDA00003609522300011.jpg,FDA00003609522300012.jpg,FDA00003609522300013.jpg,FDA00003609522300014.jpg,FDA00003609522300015.jpg,FDA00003609522300016.jpg,FDA00003609522300018.jpg,FDA000036095223000110.jpg,FDA000036095223000111.jpg,FDA000036095223000113.jpg,FDA000036095223000114.jpg...

【技术特征摘要】

【专利技术属性】
技术研发人员：韩军伟，吉祥，郭雷，胡新韬，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：