Aikakaudella big data enemmän äänitietoja on tallennettu verkkoon ja audio-suuntautunut automaatio ja älykkäitä järjestelmiä on kysyntää. Audiosignaalin luokittelu tutkimus on elintärkeää edistää tällaisia järjestelmiä. Audiosignaalin luokittelu tutkimukseen, piirreirrotus ominaisuuden optimointi ja valitsin suunnittelu on kolmesta tärkeimmästä asiasta. Kautta tutkimus- ja analyysi nykyisten audio liittyvät kirjallisuus löytyy, audio tutkimuksen painopistettä lähinnä sisältää: tutkimusta eri ominaisuuksia tuotantomenetelmät piirreirrotus; ominaisuus määrittää optimointi, tutkimus eri ominaisuuksia valinta-algoritmien; Valitsin suunnittelussa tutkitaan luokittelu suorituskykyä erilainen luokittelu algoritmeja. Tässä kirjassa keskitytään edellä kolme näkökohtaa, ja valmis työ sisältää lähinnä seuraavat osat: 1. käyttämällä eri ääniominaisuuden louhintamenetelmiä, kuten toimialueen ominaisuudet, taajuus toimialueen ominaisuudet, cepstrum toimialueen ominaisuudet sekä muut tarjoaa yhteensä 89 audio-ominaisuudet luokan muodostavat alkuperäisen äänen ominaisuuksia. Ominaisuus määrittää optimointiongelman, ominaisuus lajitelma algoritmi perustuu Pearsonin korrelaatiokertoimen ominaisuus lajitelma algoritmi perustuu entropia paino ja ominaisuus lajitelma algoritmi perustuu helpotusta algoritmi on tutkittu. Parannettu korrelaatiokerroin ominaisuus lajitelma algoritmi ehdotetaan. Edut ja haitat algoritmit vertaillaan ja pätevyys ja toteutettavuus neljän ominaisuuden valinta algoritmeja on verifioitu kokeita. Päätös puu perustuu valitsimeen, K Lähin naapuri valitsimen ja BP neuraalilaskennan verkko perustuu valitsimeen on suunniteltu. Ongelmana että BP neuraalilaskennan verkko on helppo jakaa paikallisia optimaalinen tutkitaan. BP hermoverkko valitsimen perustuu simuloitu optimoivaa algoritmi on suunniteltu. Alkuperäisen äänen ominaisuuksia on syöttää neljänlaisia äänilaitteiden vastaavasti ja puhetta ja musiikkia luokittelu on valmis. Kokeita, musiikki genre Luokitus kokeita ja musiikki väline luokittelu kokeita. Kokeellinen tulokset osoittavat, että keskimääräinen luokituksen tarkkuus hinnat saadaan käyttämällä parannettu BP valitsimeen, perinteinen BP valitsimeen, tunnus-3 päätöksen puu valitsimen ja K Lähin naapuri valitsimen 96.15, 92.86, 93.60 ja 85.98 prosenttia vastaavasti. Parannettu BP hermoverkko valitsimen käytetään luokitella optimoitu ominaisuuksia neljä. Koetulokset osoittavat, että luokittelu tulokset saadaan käyttämällä parannettu ominaisuus kerroin ominaisuus lajitelma algoritmi ovat paras puhetta ja musiikkia. Keskimääräinen luokitus tarkkuus hinnat luokittelu kokeita, musiikki genre Luokitus kokeiluja ja soittimien luokittelu kokeet olivat 97.78 %, 92.69 % ja 98,50 %.
Audio expert on hyvin yksinkertainen ääni työkalu. Audio tarjoaa käyttäjille audio muuntaminen, audio yhdistäminen ja muita toimintoja. Se purkaa käyttäjän tarvetta säilyttää osan tekstin-tiedosto tietokoneeseen ja tee sitten uusi äänitiedosto. Se on hyvä apulainen ajaksi käyttäjä.
Asiantuntija ääni:
1. musiikki muuntaminen: Voit muuntaa MP3, WAV, WMA, AAC, AU, AIF, APE, VOC, FLAC, M4A, OGG ja muita suosittuja ääniformaatteja.
2. musiikki segmentointi: musiikkitiedoston jaettu useita pieniä musiikkitiedostoja ja tukea segmentointi ajan pituus, pinta, keskimääräinen jakelun manuaalinen ja automaattinen.
3. musiikin kuuntelu: Pura osaa, joka on kerätty audio pala ja tehdä siitä äänitiedosto.
4. musiikin yhdistäminen: Yhdistä useita erilaisia tai samanlaisia muodossa musiikkitiedostoja Musiikki-tiedostoon.
5. MP3 äänenvoimakkuuden säätö: säätää MP3-kappaleita kärsimättä äänenlaadun. On mahdollista analysoida ja säätää kaikki MP3-kappaleita samankokoinen ennen musiikki-levyn tai kappaleen kopioiminen matkapuhelimeen. Sinun ei tarvitse säätää äänenvoimakkuutta pelaaja enää, kun kuuntelet laulun.
