بڑے اعداد و شمار کے دور میں، زیادہ سے زیادہ آڈیو ڈیٹا نیٹ ورک میں محفوظ کیا جاتا ہے، اور آڈیو پر مبنی آٹومیشن اور ذہین درجہ بندی کے نظام میں مطالبہ ہے. اس طرح کے نظام کی ترقی کو فروغ دینے کے لئے آڈیو سگنل درجہ بندی کی تحقیق بہت اہم ہے. آڈیو سگنل کی درجہ بندی کے تحقیق میں، خصوصیت کی خصوصیت، خصوصیت سیٹ اصلاح اور کلاسیکیفیکچرنگ ڈیزائن تین اہم پہلوؤں ہیں. موجودہ آڈیو سے متعلق ادب کے تحقیق اور تجزیہ کے ذریعے، یہ پتہ چلا ہے کہ آڈیو تحقیق کا مرکز بنیادی طور پر شامل ہے: خصوصیت نکالنے میں مختلف خصوصیت نکالنے کے طریقوں پر تحقیق؛ خصوصیت سیٹ اصلاح میں، مختلف خصوصیت انتخاب الگورتھم پر تحقیق؛ classifier کے ڈیزائن میں، مختلف درجہ بندی الگورتھم کی درجہ بندی کی کارکردگی کا مطالعہ کیا جاتا ہے. یہ کاغذ مندرجہ بالا تین پہلوؤں پر توجہ مرکوز کرتا ہے، اور مکمل کام میں بنیادی طور پر مندرجہ ذیل حصوں میں شامل ہے: 1. مختلف آڈیو خصوصیت نکالنے کے طریقہ کار کا استعمال کرتے ہوئے، بشمول وقت ڈومین کی خصوصیات، فریکوئنسی ڈومین کی خصوصیات، کیپٹروم ڈومین خصوصیات اور دیگر خصوصیات. زمرہ اصل آڈیو خصوصیت سیٹ کا حامل ہے. خصوصیت سیٹ اصلاحی مسئلہ کے لئے، پیرسسن رابطے گنجائش پر مبنی خصوصیت انتخاب الگورتھم، انٹرروپی وزن کے طریقہ کار پر مبنی خصوصیت انتخاب الگورتھم اور ریلیف الگورتھم پر مبنی خصوصیت انتخاب الگورتھم کا مطالعہ کیا جاتا ہے. ایک بہتر رابطے کی گنجائش کی خصوصیت انتخاب الگورتھم تجویز کی جاتی ہے. چار خصوصیت کے انتخاب الگورتھم کے جائزی اور امکانات تجربات کی طرف سے تصدیق کر رہے ہیں، اور الگورتھم کے فوائد اور نقصانات کا مقابلہ کیا جاتا ہے. فیصلے درخت کی بنیاد پر درجہ بندی، ایک قریبی پڑوسی کلاسیفائید اور ایک بی پی نیورل نیٹ ورک پر مبنی کلاسیکی ڈویلپر ڈیزائن کیا گیا ہے. مسئلہ یہ ہے کہ بی پی کے تھراپی نیٹ ورک مقامی اضلاع میں گر کرنا آسان ہے. مصنوعی annealing الگورتھم کی بنیاد پر ایک بی پی نیتری نیٹ ورک classifier ڈیزائن کیا گیا ہے. اصل آڈیو خصوصیت کا سیٹ ان قسم کے چار قسم کے آڈیو آلات میں ہے، اور تقریر اور موسیقی کی درجہ بندی مکمل ہو گئی ہے. تجربات، موسیقی سٹائل درجہ بندی کے تجربات اور موسیقی کے آلات درجہ بندی کے تجربات. تجرباتی نتائج سے پتہ چلتا ہے کہ بہتر بی پی کلاسیکیفائرڈ، روایتی بی پی کلاسیکیفیلر، ID-3 کے فیصلے کے درخت کے درجہ بندی اور ک کے قریبی پڑوسی کلاسیفائیر کا استعمال کرتے ہوئے اوسط درجہ بندی کی درستگی کی درجہ بندی 96.15 فیصد، 92.86٪، 93.60٪ اور 85.98٪ ہے. بہتر بی پی نیورل نیٹ ورک کلاسیکیفائر استعمال کیا جاتا ہے چار مرضی کے فیچر سیٹ کو درجہ بندی کرنے کے لئے. تجرباتی نتائج سے پتہ چلتا ہے کہ بہتر خصوصیات میں استعمال ہونے والی درجہ بندی کا نتیجہ گنوالی خصوصیت انتخاب الگورتھم تقریر اور موسیقی میں بہترین ہے. درجہ بندی کے تجربات کی درجہ بندی کی درستگی کی درجہ بندی، موسیقی سٹائل درجہ بندی کے تجربات، اور سازوسامان کے درجہ بندی کے تجربات میں 97.78٪، 92.69٪، اور 98.50 فیصد تھے.
آڈیو ماہر ایک بہت سادہ آڈیو آلہ ہے. آڈیو صارفین کو آڈیو فارمیٹ تبادلوں، آڈیو ضم کرنے اور دیگر افعال فراہم کرتا ہے. یہ کمپیوٹر پر ایک آڈیو ٹیکسٹ فائل سے حصہ رکھنے کے لئے صارف کی ضرورت کو نکال سکتا ہے، اور پھر ایک نیا آڈیو فائل بنا سکتا ہے. یہ صارفین کے لئے ایک اچھا مددگار ہے.
آڈیو ماہرین کی خصوصیات:
1. موسیقی فارمیٹ تبادلوں: آپ کسی بھی MP3، ویو، ویما، اے اے اے، AU، AIF، APE، VOC، FLAC، M4A، OGG اور دیگر مقبول آڈیو فارمیٹس کے درمیان تبدیل کرسکتے ہیں.
2. موسیقی کی تقسیم: کئی چھوٹے موسیقی فائلوں میں ایک موسیقی فائل تقسیم، اور وقت کی لمبائی، سائز، اوسط تقسیم دستی اور خود کار طریقے سے تقسیم کے مطابق تقسیم کی حمایت.
3. موسیقی کی مداخلت: اس آڈیو کو نکال دیں جس میں آڈیو کے ایک ٹکڑے سے جمع کرنے کی ضرورت ہے، اور اسے آڈیو فائل میں بنانا ہوگا.
4. موسیقی ضم: ایک موسیقی فائل میں متعدد متعدد مختلف یا جیسی موسیقی کی شکل کی فائلوں کو یکجا.
5. MP3 حجم ایڈجسٹمنٹ: آواز کے معیار کے کسی بھی نقصان کے بغیر MP3 گانے، نغمے کی حجم کو ایڈجسٹ کریں. موسیقی ڈسک کو جلانے سے پہلے یا موبائل فون پر گانا کاپی کرنے سے قبل یہ تمام MP3 گانے، نغمے کی حجم کو اسی سائز میں تجزیہ اور ایڈجسٹ کرنا ممکن ہے. جب آپ گانا سنتے ہیں تو آپ کو کھلاڑی کی حجم کو ایڈجسٹ کرنے کی ضرورت نہیں ہے.
