-
题名基于群智优化神经网络的音乐风格分类模型研究
- 1
-
-
作者
温赞扬
-
机构
重庆师范大学涉外商贸学院
-
出处
《现代电子技术》
北大核心
2019年第21期82-85,共4页
-
文摘
针对用户音乐检索问题,传统采用人工标注的音乐风格分类方法已经无法满足实际需求,提出一种基于群智优化神经网络的古典音乐风格分类模型。首先,采用Skyline主旋律提取算法对音乐文件进行特征提取;然后,对基于BP神经网络的分类器训练和分类流程进行分析,并构建4层BP神经网络结构;最后,采用果蝇群智优化算法对BP神经网络的初始化权值参数进行优化,以便提高全局搜索能力。仿真实验结果显示,与已有的成果相比,提出的分类模型具有更好的准确率,准确率可达81%,能够实现音乐风格自动分类。
-
关键词
音乐风格分类
自动分类
BP神经网络
Skyline主旋律
果蝇算法
群智优化
-
Keywords
music style classification
automatic classification
BP neural network
Skyline main melody
drosophila algorithm
group intelligence optimization
-
分类号
TN911.1
[电子电信—通信与信息系统]
34
-
-
题名中国民歌地域风格分类中的特征选择
被引量：3
- 2
-
-
作者
刘怡
蔚磊
刘子利
王鹏
-
机构
中国人民大学信息学院
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2008年第B12期152-156,共5页
-
基金
教育部基金(No.05JAZH022)
科技部国家科技基础性工作专项(No.2002DEB10048)
中国人民大学"985工程"自由探索项目(No.21356234)
-
文摘
歌曲风格的自动分类技术研究,是音乐信息检索领域中一个重要课题.本文主要讨论了对中国民歌地域风格自动分类中不同特征选择方法对于分类性能的影响.论文选用10个不同地域的1392首原生态中国民歌,进行了地域风格的分类实验.实验结果表明:在多种分类器的试验中,SVM分类器的分类准确率最高;在多种特征选择实验中使用SVM与Active Feature Selection的特征选择方法的分类准确率最高,为83%,且选择出的有效特征参数从74维降为35维,更便于进行参数分析.
-
关键词
音乐信息检索
音乐数据挖掘
音乐风格分类
特征选择
-
Keywords
music information retrieval
music data mining
music style feature selection
-
分类号
TP37
[自动化与计算机技术—计算机系统结构]
TP181
[自动化与计算机技术—控制理论与控制工程]
-
