第1章 绪论

1.1声学事件检测技术的发展

1.1.1声学事件检测的起源与发展脉络

1.1.2基于特征的声学事件检测

1.1.3基于模型的声学事件检测

1.2声学事件检测技术的应用

1.3声学事件检测系统的结构

1.4本书的结构

第2章 声学事件检测中的常用特征和模型

2.1声学事件检测中的常用特征

2.1.1声音信号的数字化

2.1.2声音信号的时域特征

2.1.3声音信号的频域特征

2.1.4声音信号的时频域特征

2.1.5特征降维与选择

2.2声学事件检测中的常用模型

2.2.1浅层模型

2.2.2深度模型

2.3本章小结

第3章 基于基频段特征的声学事件检测

3.1引言

3.2长时特征提取

3.2.1长时统计特征提取

3.2.2基于基频段的特征提取

3.3基于长时统计特征的声学事件检测

3.3.1基于单分类器和多分类器融合的声学事件检测

3.3.2基于类内细分聚类的声学事件检测

3.3.3基于拒识和确认的声学事件检测

3.4实验和结果

3.4.1实验设置

3.4.2实验结果与分析

3.5本章小结

第4章 基于混合模型的声学事件检测

4.1引言

4.2伪高斯混合模型

4.2.1伪高斯混合模型的构建

4.2.2伪高斯混合模型参数估计的EM算法

4.3异质混合模型

4.3.1多变量Logistic混合模型的可辨识性

4.3.2异质混合模型的构建

4.3.3异质混合模型的参数估计

4.4实验和结果

4.4.1基于伪高斯混合模型的声学事件检测

4.4.2基于异质混合模型的声学事件检测

4.5本章小结

第5章 基于稀疏低秩特征的声学事件检测

5.1引言

5.2基于稀疏表示特征的声学事件检测

5.3基于低秩矩阵表示特征的声学事件检测

5.3.1低秩矩阵表示特征提取

5.3.2低秩矩阵分类的问题描述

5.3.3基于加速近似梯度方法的矩阵分类学习

5.4基于低秩张量表示特征的声学事件检测

5.4.1张量计算相关记号

5.4.2低秩张量表示特征提取

5.4.3基于加速近似梯度方法的张量分类学习

5.5实验和结果

5.5.1基于稀疏表示特征的声学事件检测

5.5.2基于低秩矩阵表示特征的声学事件检测

5.5.3基于低秩张量表示特征的声学事件检测

5.6本章小结

第6章 基于松弛边际下模型训练的声学事件检测

6.1引言

6.2基于迹范限制下的最大边际矩阵分类

6.2.1基于迹范限制与松弛边际的矩阵分类问题描述

6.2.2基于交替搜索方式的矩阵分类学习算法

6.3基于迹范限制下的最大边际张量分类

6.3.1基于迹范限制与松弛边际的张量分类问题描述

6.3.2基于交替搜索方式的张量分类学习算法

6.4实验和结果

6.5本章小结

第7章 基于在线并行模型训练的声学事件检测

7.1引言

7.2在线并行的矩阵数据分类学习方法

7.2.1基于加速近似梯度方法的矩阵分类在线学习

7.2.2基于逼近加速近似梯度方法的在线学习

7.2.3基于小批量更新的在线学习

7.2.4基于并行计算加速的矩阵分类学习

7.3在线并行的张量数据分类学习方法

7.4实验和结果

7.4.1基于在线并行学习的低秩矩阵特征分类

7.4.2基于在线并行学习的低秩张量特征分类

7.5本章小结

第8章 基于锚空间的声学事件检测

8.1引言

8.2锚模型简介

8.3基于状态变化统计量的锚空间声学事件检测

8.3.1基于状态变化统计量的锚空间生成方法

8.3.2实验与讨论

8.4基于高斯混合模型锚空间的声学事件检测

8.4.1基于高斯混合模型锚空间的目标与集外锚模板的生成

8.4.2基于高斯混合模型的声学事件检测机制

8.5基于稀疏分解锚空间的声学事件检测

8.5.1基于稀疏分解锚空间的目标与集外锚模板的生成

8.5.2基于稀疏分解的声学事件检测机制

8.5.3实验与讨论

8.6本章小结

第9章 面向大数据环境下声学事件检测的凸优化理论

9.1引言

9.2与声学事件检测相关的凸优化理论

9.2.1早期凸优化

9.2.2凸优化基础

9.2.3一阶方法的动机

9.3光滑与非光滑的凸优化一阶方法

9.3.1光滑目标

9.3.2复合优化目标函数

9.3.3近端目标

9.4随机化技术

9.5并行和分布式计算

9.6本章小结

第10章 面向大数据处理的支持向量机模型的加速算法

10.1随机对偶坐标上升法

10.1.1问题描述及相关工作

10.1.2基于对偶间隙边界的SDCA收敛性分析

10.2加速近端随机对偶坐标上升法

10.2.1问题描述及相关工作

10.2.2基于对偶间隙边界的Prox-SDCA收敛性分析

10.3本章小结

第11章 面向大数据处理的深度模型的加速算法

11.1引言

11.2全梯度与随机梯度下降算法

11.3加速梯度算法

11.4指数型收敛的随机梯度下降算法

11.4.1随机平均梯度法

11.4.2随机方差减梯度方法

11.5坐标梯度下降算法

11.6本章小结

第12章 面向大数据的通用型在线及随机梯度下降算法

12.1引言

12.2通用在线梯度法

12.2.1通用的在线原始梯度方法

12.2.2通用的在线对偶梯度方法

12.2.3通用的在线快速梯度方法

12.3通用随机梯度法

12.3.1算法描述

12.3.2收敛性分析

12.4数值实验

12.4.1LASSO问题

12.4.2施泰纳问题

12.5本章小结

第13章 面向大数据的牛顿型随机梯度下降算法

13.1引言

13.2近端牛顿型随机梯度法

13.2.1正则化的二次模型

13.2.2Hessian矩阵的近似

13.3算法的收敛性分析

13.4数值实验

13.5本章小结

第14章 基于声学事件检测的行车周边声音环境感知

14.1引言

14.2实验环境与基线系统

14.3基于径向基函数神经网络噪声建模的声学事件检测

14.4基于等响度曲线的声学事件检测

14.5基于基频轨迹特征的声学事件检测

14.6本章小结

第15章 音频场景识别

15.1引言

15.2基于高斯直方图特征的音频场景识别

15.2.1高斯直方图特征

15.2.2分类模型

15.3基于迁移学习的音频场景识别

15.3.1迁移学习概述

15.3.2基于样本平衡化的音频场景识别

15.3.3基于改进样本平衡化的音频场景识别

15.4实验和结果

15.5本章小结

参考文献