本文讲述了C#基于NAudio的音量识别！具有很好的参考价值，希望对大家有所帮助。一起跟随六星小编过来看看吧，具体如下:

以下将走过的坑分享一下：

1.不定长声音的MFCC也不定长（废话），解决不定长，我用了人工指定的方式，即指定MFCC特征的个数，多的丢，少的补零。仅个人实践表明，特征越多分类效果越好，所以，多补零吧。

 string[] MFCCa = MFCCs.Split(',');

                for (int j = 0; j < chanum; j++)

                {

                    if (j > MFCCa.Length - 2)//存的时候多了个“，”，所以回退一位

                    {

                        trainDate[i, j] = 0;

                    }

                    else

                    {

                        trainDate[i, j] = Convert.ToSingle(MFCCa[j]);

                    }

 

                    trainLab[i, 0] = 1;

                }

2.Emgucv3.×以上的训练结果文件（.XML）的读存请自行修改下，直接save和load似乎不行。半公开的秘密，代码如下：

        private static void saveSVMtoFile(SVM model,String path)

        {

            if (File.Exists(path))

                File.Delete(path);

 

            FileStorage fs = new FileStorage(path, FileStorage.Mode.Write);

            model.Write(fs);

            fs.ReleaseAndGetString();

        }

 

        private static SVM loadSVMtoFile(String path)

        {

            SVM svm = new SVM();

            FileStorage fs = new FileStorage(path, FileStorage.Mode.Read);

            svm.Read(fs.GetRoot());

            fs.ReleaseAndGetString();

            return svm;

 

        }

3.Emgucv的SVM和BP之间细微的差别

本以为只是改改训练器，几行代码的事情，但报了一堆错，全是小细节。

3.1 SVM的分类标签可以是int或者float，但BP一定一定要是float

 Matrix<float> trainDate = new Matrix<float>(allnum, chanum);

            Matrix<int> trainLab = new Matrix<int>(allnum,1);

 Matrix<float> trainData = new Matrix<float>(allnum, chanum);

            Matrix<float> trainClasses = new Matrix<float>(allnum, 1);

3.2 SVM可以直接给出预测结果（即标签），BP给出的不知道是什么（大概是到你定的标签范围内的落点，我定了1和-1，但有时候超出了1和-1，所以很奇怪，有真懂的同学留言教我一下），还要自己判断一下。

 Matrix<float> preDate = new Matrix<float>(1, chaNum);

                getPerDate(preDate, OutfileName[j], chaNum);

                float kinds=svm.Predict(preDate);

 Matrix<float> preDate = new Matrix<float>(1, chaNum);

                Matrix<float> prediction = new Matrix<float>(1, 1);

                getPerDate(preDate, OutfileName[j], chaNum);

                network.Predict(preDate, prediction);

 

                float kinds = prediction.Data[0, 0];

3.3 SVM（线性核函数）+MFCC我做出来50%上下，几乎没什么意义。BP效果不错，起码70以上，一般水准在80%上下。

悲伤的补一句，样本数量还可以且分类数量很小的情况下，最短路径的效果其实很好。

更多相关技术内容咨询欢迎前往并持续关注六星社区了解详情。

想高效系统的学习Python编程语言，推荐大家关注一个微信公众号：Python编程学习圈。每天分享行业资讯、技术干货供大家阅读，关注即可免费领取整套Python入门到进阶的学习资料以及教程，感兴趣的小伙伴赶紧行动起来吧。