亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于連續(xù)細(xì)節(jié)特征分解的數(shù)據(jù)并行聚類挖掘

        2022-05-10 00:02:12林瀟鴻陸興華馬棉濤林佳茵
        關(guān)鍵詞:音視頻特征提取濾波

        林瀟鴻,陸興華,馬棉濤,林佳茵

        (廣東工業(yè)大學(xué)華立學(xué)院,廣東 廣州 511325)

        0 引 言

        隨著現(xiàn)代信息和大數(shù)據(jù)處理技術(shù)的發(fā)展,對(duì)多媒體大數(shù)據(jù)的檢測和識(shí)別的精度不斷提高,在進(jìn)行物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)并行聚類挖掘過程中,受到多媒體音視頻數(shù)據(jù)的類間干擾性的影響,導(dǎo)致對(duì)多媒體音視頻數(shù)據(jù)的識(shí)別精度不高,需要構(gòu)建物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)的自動(dòng)測試和多媒體音視頻數(shù)據(jù)檢測模型。采用多媒體音視頻數(shù)據(jù)的優(yōu)化識(shí)別技術(shù),進(jìn)行物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)并行聚類挖掘,采用優(yōu)化的多媒體音視頻數(shù)據(jù)檢測和特征識(shí)別技術(shù),進(jìn)行物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)的檢測優(yōu)化[1],提取物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)的統(tǒng)計(jì)特征量和相關(guān)功率譜特征量,通過特征聚類分析的方法,提高物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)的識(shí)別性能[2]。

        在物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)并行聚類挖掘是建立多媒體音視頻數(shù)據(jù)檢測和特征提取的基礎(chǔ)上,采用連續(xù)密度模糊特征分解方法,進(jìn)行多媒體音視頻數(shù)據(jù)檢測和識(shí)別,由于多媒體音視頻數(shù)據(jù)受到多媒體音視頻數(shù)據(jù)傳輸?shù)耐蛔兊纫蛩氐挠绊?,?dǎo)致對(duì)物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)并行聚類挖掘的準(zhǔn)確度不高。傳統(tǒng)方法中,對(duì)物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)并行聚類挖掘方法主要有時(shí)頻特征分解方法、譜特征提取方法、自相關(guān)功率譜特征提取方法等[3-4],對(duì)物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)進(jìn)行自適應(yīng)盲分離處理,對(duì)物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)進(jìn)行尺度和時(shí)延估計(jì),實(shí)現(xiàn)多媒體音視頻數(shù)據(jù)的優(yōu)化檢測,但傳統(tǒng)方法進(jìn)行多媒體音視頻數(shù)據(jù)識(shí)別存在模糊度較大和計(jì)算復(fù)雜度高的問題。對(duì)此,該文提出基于分段聚類的物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)并行聚類挖掘方法。首先對(duì)采集的物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)進(jìn)行分段檢測和連續(xù)譜密度特征分解,然后采用子空間匹配降噪方法進(jìn)行多媒體音視頻數(shù)據(jù)的濾波提純處理,根據(jù)特征聚類結(jié)果,進(jìn)行物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)并行聚類挖掘。最后進(jìn)行仿真實(shí)驗(yàn)分析,展示了該方法在提高物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)并行聚類挖掘能力方面的優(yōu)越性能。

        1 物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)模型及濾波處理

        1.1 物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)模型

        為了實(shí)現(xiàn)物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)并行聚類挖掘,需要首先構(gòu)建續(xù)密度物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)模型,對(duì)采集的物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)進(jìn)行分段檢測和連續(xù)譜密度特征分解。采用等波紋周期性檢測的方法,進(jìn)行物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)的檢測和識(shí)別,將物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)的長度作為分段交疊的長度[5],采用等波紋周期性增強(qiáng)的方法,進(jìn)行物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)并行聚類挖掘,采用模糊特征聚類分析的方法,判斷連續(xù)多媒體音視頻數(shù)據(jù)的類別,對(duì)物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)進(jìn)行分段疊加。在最佳采樣點(diǎn)nb處,得到多媒體音視頻數(shù)據(jù)的長度fl,以fl作為時(shí)間窗口,采用重疊子載波的方法,得到物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)長度l:

        (1)

        (2)

        設(shè)物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)為一組平穩(wěn)的隨機(jī)多媒體音視頻數(shù)據(jù),表示為x(t),結(jié)合時(shí)域和頻域特征分解的方法,對(duì)x(t)進(jìn)行本征模態(tài)分量估計(jì),獲取離散的物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)x(n),采用高頻本征模態(tài)分量濾波方法進(jìn)行時(shí)頻加窗處理,得到輸出窗口函數(shù)為h(t),物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)的頻譜寬度為T=(2d+1)Ts,F(xiàn)s=1/Ts。在混疊效應(yīng)下,得到物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)的頻譜分解運(yùn)算:

        X=(V(a1,…,am)(α1,…,αm))-1V(b1,…,bm)(β1,…,βm)

        (3)

        其中,a1,…,am為音頻數(shù)據(jù)時(shí)間序列,b1,…,bm為視頻數(shù)據(jù)時(shí)間序列,α1,α2,…,αm為時(shí)頻參數(shù)序列,β1,β2,…,βm為關(guān)聯(lián)維序列。在經(jīng)對(duì)音視頻數(shù)據(jù)多次疊加平均后,把Xp(u)進(jìn)行濾波和閾值截?cái)啵梢员硎緸椋?/p>

        (4)

        通過上述分析,構(gòu)建了物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)模型,對(duì)采集的物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)進(jìn)行分段檢測和連續(xù)譜密度特征分解[5],如圖1所示。

        圖1 物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)檢測模型

        1.2 多媒體音視頻數(shù)據(jù)濾波

        采用子空間匹配降噪方法進(jìn)行多媒體音視頻數(shù)據(jù)的濾波提純處理,建立物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)的多載波分析模型,對(duì)物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)進(jìn)行尺度和時(shí)延等參量估計(jì),得到物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)參數(shù)估計(jì)值:

        G(U|μk,∑k)=(2π)-d/2|∑k|-1/2×

        (5)

        根據(jù)物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)隨時(shí)間衰減的特性,提取高頻分量中的有效多媒體音視頻數(shù)據(jù),對(duì)物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)進(jìn)行自適應(yīng)盲分離處理[7]。假設(shè)帶噪多媒體音視頻數(shù)據(jù)為x(t),在任意時(shí)刻點(diǎn),得到數(shù)據(jù)檢測的匹配特征量:

        (6)

        根據(jù)物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)特征分解結(jié)果,對(duì)待分解多媒體音視頻數(shù)據(jù)進(jìn)行m次濾波,得到濾波函數(shù):

        (7)

        對(duì)極大、極小值進(jìn)行三次樣條插值,得到多媒體音視頻數(shù)據(jù)的左波束輸出為:

        (8)

        提取物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)帶噪多媒體音視頻數(shù)據(jù)的高分辨譜特征量:

        (9)

        在噪聲占主導(dǎo)的分量中,采用連續(xù)密度模糊分解方法,進(jìn)行多媒體音視頻數(shù)據(jù)檢測識(shí)別,在互相關(guān)系數(shù)的轉(zhuǎn)折點(diǎn),采用自相關(guān)匹配濾波檢測方法[8],得到物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)的調(diào)制脈沖參量為:

        (10)

        根據(jù)物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)的特征量進(jìn)行模糊聚類和分段檢測[9],得到各模態(tài)分量與原始多媒體音視頻數(shù)據(jù)的相關(guān)系數(shù)記為:

        k=0,1,…,N-1

        (11)

        其中,an表示變尺度偏移量,采用匹配濾波方法,進(jìn)行多媒體音視頻數(shù)據(jù)的濾波處理,得到平滑濾波輸出滿足:

        (12)

        (13)

        對(duì)臨界點(diǎn)之前的模態(tài)分量采用機(jī)器學(xué)習(xí)方法進(jìn)行自適應(yīng)尋優(yōu)[10],得到物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)并行聚類挖掘的模糊迭代式為:

        j=1,2,…,J+1

        (14)

        根據(jù)各模態(tài)分量和原始多媒體音視頻數(shù)據(jù)的互相關(guān)特征進(jìn)行濾波處理和抗干擾設(shè)計(jì)[11],如果x=0,得到多媒體音視頻數(shù)據(jù)濾波輸出:

        (15)

        綜上分析,構(gòu)建匹配濾波檢測器,如圖2所示,在輸入端輸入含噪的物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù),在輸出端輸出提純的多媒體音視頻數(shù)據(jù)分量。

        圖2 物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)的濾波提純結(jié)構(gòu)圖

        2 物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)并行聚類挖掘算法優(yōu)化

        2.1 物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)特征提取

        在上述進(jìn)行物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)的分段檢測和連續(xù)譜密度特征分解的基礎(chǔ)上,進(jìn)行多媒體音視頻數(shù)據(jù)識(shí)別,建立物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)的多載波分析模型,結(jié)合頻譜融合和連續(xù)細(xì)節(jié)特征分解方法進(jìn)行物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)特征提取,對(duì)物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)進(jìn)行有效特征量提取[12],采用連續(xù)密度特征分解方法,進(jìn)行物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)并行聚類挖掘,得到物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)檢測的最大波峰和波谷差值:

        (16)

        運(yùn)用數(shù)據(jù)平滑處理的方法,進(jìn)行物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)并行聚類挖掘,得到多媒體音視頻數(shù)據(jù)識(shí)別的閾值函數(shù):

        j=1,2,…,J+1

        (17)

        對(duì)臨界點(diǎn)之前的物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)特征分量進(jìn)行分段聚類,得到分段融合聚類函數(shù):

        j=1,2,…,J+1

        (18)

        對(duì)含噪的物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)進(jìn)行自適應(yīng)增強(qiáng),得到每個(gè)子多媒體音視頻數(shù)據(jù)進(jìn)行自動(dòng)匹配[13],基于時(shí)頻分析和迭代檢測的方法,得到物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)的特征提取結(jié)果,表示如下:

        (19)

        其中,0≤k≤N-1,表示多媒體音視頻數(shù)據(jù)的長度。

        綜上分析,結(jié)合頻譜融合和連續(xù)細(xì)節(jié)特征分解方法進(jìn)行物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)特征提取,對(duì)提取的多媒體音視頻數(shù)據(jù)譜密度特征量進(jìn)行連續(xù)細(xì)節(jié)特征融合分解分析[14]。

        2.2 特征聚類及多媒體音視頻數(shù)據(jù)識(shí)別優(yōu)化

        采用雙門限的方法進(jìn)行物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)識(shí)過程中的特征檢測和識(shí)別,給出物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)的譜密度特征量,采用關(guān)聯(lián)特征匹配的方法,得到含噪的物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)特征估計(jì)為:

        fM(z)=(f(z),fx(z),fy(z))

        (20)

        對(duì)原始的物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)使用WVD時(shí)頻分解方法進(jìn)行特征分解和聚類分析,建立物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)的模糊特征聚類模型,得到優(yōu)化的模糊聚類函數(shù)表示為:

        G(w)=exp{-[log(ω/ω0)]2/2[log(σ/ω0)]2}

        (21)

        F={f1,f2,…,fn}

        (22)

        經(jīng)離散正交小波分析方法得到物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)的譜特征量為:

        (23)

        對(duì)提取的多媒體音視頻數(shù)據(jù)譜密度特征量進(jìn)行連續(xù)細(xì)節(jié)特征融合分解分析,根據(jù)特征聚類結(jié)果,進(jìn)行物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)并行聚類挖掘[15]。

        3 仿真實(shí)驗(yàn)與結(jié)果分析

        為了驗(yàn)證該方法在實(shí)現(xiàn)物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)并行聚類挖掘中的應(yīng)用性能,進(jìn)行仿真實(shí)驗(yàn)分析。實(shí)驗(yàn)建立在Matlab 7仿真平臺(tái)的基礎(chǔ)上,對(duì)多媒體音視頻數(shù)據(jù)序列檢測的長度為1 024,分段樣本序列長度為249,對(duì)多媒體音視頻數(shù)據(jù)進(jìn)行模糊分類識(shí)別樣本帶寬分布頻率為12 kHz,離散采樣率為36 kHz,物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)的寬度為58 dB,干擾強(qiáng)度為-13 dB,自適應(yīng)學(xué)習(xí)迭代為500。

        根據(jù)上述仿真參量設(shè)定,物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)并行聚類挖掘,得到原始的多媒體音視頻數(shù)據(jù)波形如圖3所示。

        圖3 數(shù)據(jù)及干擾噪聲分布時(shí)域波形

        以圖3的多媒體音視頻數(shù)據(jù)為研究對(duì)象樣本,建立物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)的多載波分析模型,結(jié)合頻譜融合和連續(xù)細(xì)節(jié)特征分解方法進(jìn)行物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)特征提取,得到不同的小波系數(shù)下多媒體音視頻數(shù)據(jù)特征提取輸出,如圖4所示。

        圖4 數(shù)據(jù)的分段特征提取輸出

        分析圖4得知,采用該方法能有效實(shí)現(xiàn)對(duì)物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)的分段檢測識(shí)別,具有很好的抗干擾性。根據(jù)特征提取結(jié)果,實(shí)現(xiàn)物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)并行聚類挖掘,測試不同方法進(jìn)行物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)并行聚類挖掘的準(zhǔn)確性,得到的對(duì)比結(jié)果見表1。分析得知,采用文中方法進(jìn)行多媒體音視頻數(shù)據(jù)識(shí)別的準(zhǔn)確性較高。

        表1 多媒體音視頻數(shù)據(jù)識(shí)別的準(zhǔn)確性對(duì)比

        4 結(jié)束語

        構(gòu)建物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)的自動(dòng)測試和多媒體音視頻數(shù)據(jù)檢測模型,采用多媒體音視頻數(shù)據(jù)的優(yōu)化識(shí)別技術(shù),進(jìn)行物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)并行聚類挖掘,該文提出基于分段聚類的物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)并行聚類挖掘方法。利用Welch法得到物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)型號(hào)的功率譜密度,采用高分辨的連續(xù)功率譜密度重構(gòu)方法,建立物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)的多載波分析模型,對(duì)物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)進(jìn)行尺度和時(shí)延等參量估計(jì),采用連續(xù)密度模糊分解方法,進(jìn)行多媒體音視頻數(shù)據(jù)檢測識(shí)別,在互相關(guān)系數(shù)的轉(zhuǎn)折點(diǎn),采用自相關(guān)匹配濾波檢測方法,實(shí)現(xiàn)多媒體音視頻數(shù)據(jù)譜密度特征量提取和連續(xù)細(xì)節(jié)特征融合分解分析,根據(jù)特征聚類結(jié)果,進(jìn)行物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)并行聚類挖掘。研究得知,采用該方法進(jìn)行物聯(lián)網(wǎng)多媒體音視頻數(shù)據(jù)并行聚類挖掘的準(zhǔn)確性較高,抗干擾性較好。

        猜你喜歡
        音視頻特征提取濾波
        3KB深圳市一禾音視頻科技有限公司
        基于Daubechies(dbN)的飛行器音頻特征提取
        電子制作(2018年19期)2018-11-14 02:37:08
        WIFI音視頻信號(hào)傳輸?shù)年P(guān)鍵問題探究
        電子制作(2018年12期)2018-08-01 00:48:06
        高速公路整合移動(dòng)音視頻系統(tǒng)應(yīng)用
        Bagging RCSP腦電特征提取算法
        RTS平滑濾波在事后姿態(tài)確定中的應(yīng)用
        基于線性正則變換的 LMS 自適應(yīng)濾波
        遙測遙控(2015年2期)2015-04-23 08:15:18
        基于MED和循環(huán)域解調(diào)的多故障特征提取
        Roland專業(yè)音視頻新技術(shù)研討會(huì)在上海召開
        基于隨機(jī)加權(quán)估計(jì)的Sage自適應(yīng)濾波及其在導(dǎo)航中的應(yīng)用
        国产精品婷婷久久爽一下| 九月色婷婷免费| 人妻少妇激情久久综合| 国产亚洲精品国产精品| 一本色道久久88精品综合| 日日摸夜夜添夜夜添无码免费视频 | 中文字幕精品久久久久人妻红杏1| 精品一二区| 久亚洲一线产区二线产区三线麻豆| 四虎成人精品在永久免费| 亚洲欧美一区二区三区 | 欧美猛男军警gay自慰| 久久久AV无码精品免费| 看中文字幕一区二区三区| 色欲一区二区三区精品a片 | 亚洲国产AV无码男人的天堂| 日本人妻少妇精品视频专区| 一区二区三区视频亚洲| 国产色xx群视频射精| 亚洲精品国产美女久久久| 亚洲区一区二区中文字幕| 97成人精品视频在线| 一本无码av中文出轨人妻| 另类专区欧美在线亚洲免费| 日本在线一区二区三区四区| 精品高朝久久久久9999| 亚洲精品乱码久久久久久蜜桃图片| 国产综合精品久久亚洲| 精品国产av一区二区三四区| 亚洲av香蕉一区区二区三区| 欧美黑人巨大xxxxx| 亚洲成a人片77777kkkkk| 麻豆人妻性色av专区0000| 东京热人妻无码一区二区av| 成人动漫久久| 国产av精品久久一区二区| 国产精品无码一区二区三级| 少妇内射高潮福利炮| 99RE6在线观看国产精品| 涩涩鲁精品亚洲一区二区 | 免费无码av片在线观看|