Поиск по каталогу |
(строгое соответствие)
|
- Профессиональная
- Научно-популярная
- Художественная
- Публицистика
- Детская
- Искусство
- Хобби, семья, дом
- Спорт
- Путеводители
- Блокноты, тетради, открытки
An Approach for Device localization using audio fingerprinting based. On Hierarchical Cluster Analysis
В наличии
Местонахождение: Алматы | Состояние экземпляра: новый |
Бумажная
версия
версия
Автор: Muni Sankar Matam and Suresh Babu Gandham
ISBN: 9783330033030
Год издания: 2017
Формат книги: 60×90/16 (145×215 мм)
Количество страниц: 64
Издательство: LAP LAMBERT Academic Publishing
Цена: 21414 тг
Положить в корзину
Позиции в рубрикаторе
Отрасли экономики:Код товара: 168158
Способы доставки в город Алматы * комплектация (срок до отгрузки) не более 2 рабочих дней |
Самовывоз из города Алматы (пункты самовывоза партнёра CDEK) |
Курьерская доставка CDEK из города Москва |
Доставка Почтой России из города Москва |
Аннотация: Audio fingerprinting is defined as a condensed digital summary to establish the equality or similarity of two audio objects. By comparing the fingerprinting of a query fragment of a few seconds with those stored in a fingerprinting database, the system returns matching results and related metadata. Besides this query-by-example application, this technology can also be used to monitor broadcast and detect copyrighted material. Audio fingerprinting is best known for its ability to link unlabeled audio to corresponding meta-data (e.g. artist and song name), regardless of the audio format. Audio fingerprinting or content-based audio identification (CBID) systems extract a perceptual digest of a piece of audio content, i.e. a fingerprint and store it in a database. When presented with unlabeled audio, its fingerprint is calculated and matched against those stored in the database. For the reader new to analysis of data a very short introduction is now provided on hierarchical clustering.
Ключевые слова: audio fingerprinting, Multi-source self-localization, Multi-source Self-localization, Hierarchical Cluster Analysis