این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
International Journal of Nonlinear Analysis and Applications، جلد ۱۲، شماره Special Issue، صفحات ۲۱۲۵-۲۱۳۶
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی MFCC based hybrid fingerprinting method for audio classification through LSTM
چکیده انگلیسی مقاله In this paper, a novel audio finger methodology for audio classification is proposed. The fingerprint of the audio signal is a unique digest to identify the signal. The proposed model uses the audio fingerprinting methodology to create a unique fingerprint of the audio files. The fingerprints are created by extracting an MFCC spectrum and then taking a mean of the spectra and converting the spectrum into a binary image. These images are then fed to the LSTM network to classify the environmental sounds stored in UrbanSound8K dataset and it produces an accuracy of 98.8% of accuracy across all 10 folds of the dataset.
کلیدواژه‌های انگلیسی مقاله Audio fingerprinting, MFCC, Audio Classification, LSTM
نویسندگان مقاله K. Banuroopa |
Department of Computer Science, Karpagam Academy of Higher Education, Coimbatore, India

D. Shanmuga Priyaa |
Department of Computer Science, Karpagam Academy of Higher Education, Coimbatore, India

نشانی اینترنتی https://ijnaa.semnan.ac.ir/article_6049_ef1741ff5695e864d6ad5ab7bd3161b0.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات