Non-Negative Matrix Factorization Applied to Auditory Scenes Classification

This master's thesis is dedicated to the automatic classification of auditory scene using non-negative matrix factorization. A particular attention is paid to the performances achieved by the non-negative matrix factorization in sound sources detection. Our intuition was that a good classification could be achieve if we could efficiently detect the sources within auditory scenes. It appears on short artificial examples that taking into account the non-stationarity of the spectral content of the sound sources improves the source detection. Finally, our classification method is applied to a corpus of soundscapes of train stations and the results are compared with previous classifications methods. We finally conclude that using non-negative matrix factorization significantly improves the classification. Ce rapport de master est dédié à la classification automatique de scènes sonores utilisant la factorisation en matrices non-negatives. Une attention particulière est portée aux performances de la factorisation en matrices non-negatives dans le cadre de la détection de sources sonores. Notre intuition première a été qu'une classification performante pourrait être réalisée grâce une détection de sources efficace. Il s'est révélé sur de courts ex-emples artificiels que la prise en compte de la non-stationarité du contenu spectral des sources sonores améliore la détection de sources. Enfin, notre méthode de classification a été appliquée à un corpus de paysages sonores de gares et les résultats ont été comparé à d'autres méthodes de classification. Nous avons finalement conclu que l'utilisation de la factorisation en matrices non-négatives améliore significativement la classification. ii Acknowledgements