特征组合的中文音乐情感识别研究

发布时间：2018-03-26 22:36

  本文选题：音乐特征组合　切入点：支持向量机　出处：《安徽大学学报(自然科学版)》2014年06期

【摘要】：音乐情感识别是音乐检索的一个重要组成部分.基于音乐声学特征分析,尝试提取代表音乐声学特性的时域、频域、倒谱域的各种特征,并利用支持向量机(support vector machine,简称SVM)算法对中文音频进行情感分类,以研究不同特征组合在音乐情感分类上的效果.通过对比各种不同特征组合的音乐情感识别效果,发现由4个时域特征、频谱、幅度谱和相位谱组成的音乐特征对中文音乐情感分类的效果良好.
[Abstract]:Music emotion recognition is an important part of music retrieval. Based on the analysis of music acoustic features, try to extract the time domain, the frequency domain represents the acoustic characteristics of music, various features of cepstrum domain, and uses the support vector machine (support vector machine, referred to as SVM) algorithm of sentiment classification on the audio, in order to study the different features in the effect of music emotion classification. Through the comparison of various music emotion recognition effect of different features, found by 4 characteristics in time domain, frequency spectrum, amplitude spectrum and phase spectrum characteristics of music composition Chinese music emotion classification effect is good.

【作者单位】： 安徽大学计算机科学与技术学院;
【分类号】：TP18;TN912.34

【参考文献】

相关期刊论文 前7条

1 丁世飞;齐丙娟;谭红艳;;支持向量机理论与算法研究综述[J];电子科技大学学报;2011年01期

2 张仁志,崔慧娟;基于短时能量的语音端点检测算法研究[J];电声技术;2005年07期

3 张琴琴;;音乐与情感[J];菏泽师专学报;1993年01期

4 钟将;程一峰;;音乐和歌词融合的歌曲情感分类研究[J];计算机工程;2012年08期

5 张学工;关于统计学习理论与支持向量机[J];自动化学报;2000年01期

6 蒋盛益;李霞;李碧;王连喜;;音乐情感自动分析研究[J];计算机工程与设计;2010年18期

7 颜青青;钱盛友;;基于混沌的复倒谱域双重音频水印算法[J];通信技术;2011年01期

【共引文献】

相关期刊论文 前10条

1 周雪;;论俄罗斯歌曲《黑眼睛》的呼吸运用及情感表现[J];阿坝师范高等专科学校学报;2008年S1期

2 罗云贵;张友纯;;嵌入式语音门禁系统的设计与实现[J];安防科技;2010年02期

3 张道信,周爱毓;语音信号实时降噪软件的设计[J];安徽大学学报(自然科学版);2004年04期

4 王东霞;张楠;路晓丽;;基于育种算法的SVM参数优化[J];安徽大学学报(自然科学版);2009年04期

5 陶秀凤,唐诗忠,周鸣争;基于支持向量机的软测量模型及应用[J];安徽工程科技学院学报(自然科学版);2004年02期

6 李淑华;徐良培;陶建平;;基于支持向量机的我国水产品出口贸易风险预警研究[J];安徽农业科学;2008年30期

7 区卫民;谭泗桥;袁哲明;柏连阳;熊洁仪;;SVR-KNN法用于除草剂QSAR研究[J];安徽农业科学;2008年35期

8 韩勇鹏;;SVM方法及其在乳制品分类问题上的应用[J];安徽农业科学;2009年08期

9 程伟;张燕平;赵姝;;支持向量机在粮食产量预测中的应用[J];安徽农业科学;2009年08期

10 武素华;;基于最小二乘支持向量机的土壤含水量检测的研究与分析[J];安徽农业科学;2009年09期

相关会议论文 前10条

1 宋海鹰;桂卫华;阳春华;;基于核偏最小二乘的简约最小二乘支持向量机及其应用研究[A];第二十六届中国控制会议论文集[C];2007年

2 周绮凤;林成德;罗林开;彭洪;;一种基于黎曼度量的训练样本类不平衡SVM分类方法研究[A];第二十六届中国控制会议论文集[C];2007年

3 顾小军;杨世锡;钱苏翔;;基于支持向量机的旋转机械多类故障识别研究[A];第二十六届中国控制会议论文集[C];2007年

4 吕蓬;柳亦兵;马强;魏于凡;;支持向量机在齿轮智能故障诊断中的应用研究[A];第二十六届中国控制会议论文集[C];2007年

5 姜明辉;袁绪川;;基于GA优化的个人信用评估SVM模型[A];第二十六届中国控制会议论文集[C];2007年

6 韩露;余正涛;邓锦辉;章程;毛存礼;郭剑毅;;领域知识关系对领域文本分类的影响[A];第二十七届中国控制会议论文集[C];2008年

7 张利军;岳宏达;雷正林;;基于短时傅立叶变换的人工电子耳蜗言语处理器设计[A];第二十七届中国控制会议论文集[C];2008年

8 康传会;汪晓东;汪轲;常健丽;;基于最小二乘支持向量机的迟滞建模方法[A];第二十九届中国控制会议论文集[C];2010年

9 吴静珠;刘翠玲;孙晓容;;支持向量机在近红外光谱检测技术中的应用研究[A];第二十九届中国控制会议论文集[C];2010年

10 尹钟;张建华;;基于支持向量机方法的过程操作员功能状态分类[A];中国自动化学会控制理论专业委员会A卷[C];2011年

相关博士学位论文 前10条

1 赵莹;半监督支持向量机学习算法研究[D];哈尔滨工程大学;2010年

2 黄湘松;基于混淆网络的汉语语音检索技术研究[D];哈尔滨工程大学;2010年

3 母丽华;煤矿安全预警系统的方法研究[D];哈尔滨工程大学;2010年

4 梁洪;基于内容的医学图像检索及语义建模关键技术研究[D];哈尔滨工程大学;2010年

5 殷志伟;基于统计学习理论的分类方法研究[D];哈尔滨工程大学;2009年

6 朱广平;混响干扰中的信号检测技术研究[D];哈尔滨工程大学;2009年

7 孔凡芝;引线键合视觉检测关键技术研究[D];哈尔滨工程大学;2009年

8 李晚龙;六自由度Stewart平台分散智能控制研究[D];哈尔滨工程大学;2010年

9 杨宁;计算机辅助卷烟配方设计关键技术研究[D];中国海洋大学;2010年

10 郑大腾;柔性坐标测量机空间误差模型及最佳测量区研究[D];合肥工业大学;2010年

相关硕士学位论文 前10条

1 展慧;基于多源信息融合技术的板栗分级检测方法研究[D];华中农业大学;2010年

2 杜二玲;拟概率空间上等均值噪声下统计学习理论的理论基础[D];河北大学;2007年

3 李金华;基于SVM的多类文本分类研究[D];山东科技大学;2010年

4 王萍;语音情感识别研究[D];山东科技大学;2010年

5 田文娟;基于支持向量机的人民币序列号识别方法的研究[D];山东科技大学;2010年

6 徐芳芳;优化问题的PVD算法研究[D];山东科技大学;2010年

7 朱耿峰;支持向量机在冲击地压预测模型中的应用研究[D];山东科技大学;2010年

8 楼侃;基于DSP的语音信号环境噪声降噪处理技术的研究[D];长春理工大学;2010年

9 安文娟;Fisher和支持向量综合分类器[D];辽宁师范大学;2010年

10 姜成玉;基于支持向量机的时间序列预测[D];辽宁师范大学;2010年

【二级参考文献】

相关期刊论文 前10条

1 任克强;李辉环;曹锋;;基于小波系数能量分析的数字音频盲水印算法[J];计算机安全;2009年12期

2 张一彬;周杰;边肇祺;;基于样本的流行歌曲关键段分割方法[J];电子学报;2006年02期

3 张一彬;周杰;边肇祺;张大鹏;;一种新的基于分类的音频流分割方法[J];电子学报;2006年04期

4 连可;黄建国;王厚军;龙兵;;一种基于遗传算法的SVM决策树多分类策略研究[J];电子学报;2008年08期

5 张文浩;王文剑;;一种基于关联规则的核粒度支持向量机[J];广西师范大学学报(自然科学版);2009年03期

6 李颖新,阮晓钢;基于支持向量机的肿瘤分类特征基因选取[J];计算机研究与发展;2005年10期

7 林开标;王周敬;;基于支持向量机的传真收件人识别方法[J];计算机工程与应用;2006年07期

8 郭虎升;王文剑;;基于神经网络的支持向量机学习方法研究[J];计算机工程与应用;2009年02期

9 孙名松;高庆国;王宣丹;;基于双隶属度模糊支持向量机的邮件过滤[J];计算机工程与应用;2010年02期

10 李道国;苗夺谦;张东星;张红云;;粒度计算研究综述[J];计算机科学;2005年09期

相关会议论文 前2条

1 刘怡;高s，

本文编号：1669936