基于乐段特征的MIDI音乐风格分类研究
发布时间：2021-07-22 13:46
MIDI（Musical Instrument Digital Interface）是一种音乐的存储格式,因为其体积小和容易编辑的优势受到了广泛的关注。音乐风格是音乐的一个重要特征,同时也是各大音乐网站区分音乐文件的标签。以往的音乐风格分类方法大多数都是采用人工标注的方法进行分类,如今网上的MIDI文件越来越多,对海量的文件一一标注风格会消耗大量的人力和时间。因此通过人工智能来解决MIDI音乐风格分类问题成为了机器学习的新课题。MIDI音乐分类研究大致可分为两个环节,一个是从文件中提取出能表征乐曲的音乐特征,另一个利用这些特征训练出合适的分类器。目前的研究基本都以MIDI音乐主旋律的统计特征作为音乐特征,使用BP神经网络作为分类器。但是在主旋律中,音符出现的顺序对旋律的特征有着极大的影响,统计特征不能完全反映主旋律的这一关系。其次,这些特征并没有包含乐曲的伴奏信息。此外,一首乐曲往往有着许多重复的旋律片段,如果以整首乐曲作为样本,会增加样本的冗余度。针对以往方法的不足,本文研究了基于乐段特征的MIDI音乐分类,本文的主要研究工作和创新点有:（1）提出了从MIDI文件中提取乐段特征的方法...
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
M-P模型图
图 2-1 M-P 模型图示输入向量，W 表示权值向量，即：的输出也可以表示成：型而言，当 时，称其输入 为兴奋性输入，当 性输入，只有当输入为兴奋性输入时，神经元才会输出信号 作为激活函数，它的作用就是表达神经元这种非线性变换想的激活函数为阶跃函数,它的表达式为：像如图 2-2 所示：
经网络络[19]是人工神经网络中的一种特殊结构，它是一种前馈单，且有严格的数学证明，并能通过 BP 算法调节输入入信息从网络的输入层进入网络，经过网络中的逐层变除此之外，还可以通过设置隐藏层的层数，每层神经元现各式各样的感知器神经网络。器模型Single Layer Perceptron）[20]是最简单的神经网络。它只是直接相连的。其拓扑结构如图 2-3 所示：
【参考文献】：
期刊论文
[1]谷歌推出TensorFlow 1.4版本:支持分布式训练[J]. 本刊讯. 数据分析与知识发现. 2017(11)
[2]基于BP神经网络优化算法的MIDI文件中主旋律提取[J]. 赵宛,曹西征,马青阁,关金晨,汪旭彬. 福建电脑. 2016(05)
[3]基于H-K算法的MIDI文件主旋律音轨提取探讨[J]. 马青阁,曹西征,赵宛,汪旭彬,关金晨. 无线互联科技. 2016(06)
[4]神经网络技术在复杂断块油藏水淹层评价中的应用[J]. 张学磊,沈楠,樊茹,张守良,唐玮. 复杂油气藏. 2015(03)
[5]感知器神经网络模型研究[J]. 何立群,占永平. 九江学院学报(自然科学版). 2014(04)
[6]基于多分类SVM的MIDI音乐情感分类研究[J]. 陈宁,曹政,王吉军. 大连大学学报. 2009(03)
[7]基于音轨特征量的多音轨MIDI主旋律抽取方法[J]. 赵芳,吴亚栋,宿继奎. 计算机工程. 2007(02)
[8]基于动量因子技术的BP神经网络改进算法及应用[J]. 李季,严东超,赵虎城. 电气应用. 2005(06)
[9]MIDI消息和标准MIDI文件格式剖析及应用[J]. 杨军. 中南民族大学学报(自然科学版). 2003(S1)
[10]电子乐器MIDI入门[J]. 任如意. 乐器. 1999(06)
硕士论文
[1]基于脑电波音乐的情感模型研究[D]. 苏宇航.辽宁大学 2016
[2]基于特征向量的音乐情感分析的研究[D]. 胡冰洁.西安电子科技大学 2014
[3]基于神经网络的自动光学检测系统研究与应用[D]. 李强.南京大学 2014
[4]基于卷积神经网络的深度学习算法与应用研究[D]. 陈先昌.浙江工商大学 2014
[5]基于内容的个人音乐情感分析模型[D]. 曲浥尘.上海交通大学 2013
[6]基于集成学习的H-K聚类算法研究[D]. 何莹.广西大学 2012
[7]MIDI文件解析及生成软件设计与实现[D]. 张晶.电子科技大学 2011
[8]感知器算法和BP算法的性能对比分析[D]. 高利坤.大连理工大学 2010
[9]基于神经网络的音乐情感模型研究[D]. 周生帆.长春理工大学 2010
[10]多层感知器学习算法研究[D]. 王之仓.苏州大学 2006
本文编号：3297268
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
M-P模型图
图 2-1 M-P 模型图示输入向量，W 表示权值向量，即：的输出也可以表示成：型而言，当 时，称其输入 为兴奋性输入，当 性输入，只有当输入为兴奋性输入时，神经元才会输出信号 作为激活函数，它的作用就是表达神经元这种非线性变换想的激活函数为阶跃函数,它的表达式为：像如图 2-2 所示：
经网络络[19]是人工神经网络中的一种特殊结构，它是一种前馈单，且有严格的数学证明，并能通过 BP 算法调节输入入信息从网络的输入层进入网络，经过网络中的逐层变除此之外，还可以通过设置隐藏层的层数，每层神经元现各式各样的感知器神经网络。器模型Single Layer Perceptron）[20]是最简单的神经网络。它只是直接相连的。其拓扑结构如图 2-3 所示：
【参考文献】：
期刊论文
[1]谷歌推出TensorFlow 1.4版本:支持分布式训练[J]. 本刊讯. 数据分析与知识发现. 2017(11)
[2]基于BP神经网络优化算法的MIDI文件中主旋律提取[J]. 赵宛,曹西征,马青阁,关金晨,汪旭彬. 福建电脑. 2016(05)
[3]基于H-K算法的MIDI文件主旋律音轨提取探讨[J]. 马青阁,曹西征,赵宛,汪旭彬,关金晨. 无线互联科技. 2016(06)
[4]神经网络技术在复杂断块油藏水淹层评价中的应用[J]. 张学磊,沈楠,樊茹,张守良,唐玮. 复杂油气藏. 2015(03)
[5]感知器神经网络模型研究[J]. 何立群,占永平. 九江学院学报(自然科学版). 2014(04)
[6]基于多分类SVM的MIDI音乐情感分类研究[J]. 陈宁,曹政,王吉军. 大连大学学报. 2009(03)
[7]基于音轨特征量的多音轨MIDI主旋律抽取方法[J]. 赵芳,吴亚栋,宿继奎. 计算机工程. 2007(02)
[8]基于动量因子技术的BP神经网络改进算法及应用[J]. 李季,严东超,赵虎城. 电气应用. 2005(06)
[9]MIDI消息和标准MIDI文件格式剖析及应用[J]. 杨军. 中南民族大学学报(自然科学版). 2003(S1)
[10]电子乐器MIDI入门[J]. 任如意. 乐器. 1999(06)
硕士论文
[1]基于脑电波音乐的情感模型研究[D]. 苏宇航.辽宁大学 2016
[2]基于特征向量的音乐情感分析的研究[D]. 胡冰洁.西安电子科技大学 2014
[3]基于神经网络的自动光学检测系统研究与应用[D]. 李强.南京大学 2014
[4]基于卷积神经网络的深度学习算法与应用研究[D]. 陈先昌.浙江工商大学 2014
[5]基于内容的个人音乐情感分析模型[D]. 曲浥尘.上海交通大学 2013
[6]基于集成学习的H-K聚类算法研究[D]. 何莹.广西大学 2012
[7]MIDI文件解析及生成软件设计与实现[D]. 张晶.电子科技大学 2011
[8]感知器算法和BP算法的性能对比分析[D]. 高利坤.大连理工大学 2010
[9]基于神经网络的音乐情感模型研究[D]. 周生帆.长春理工大学 2010
[10]多层感知器学习算法研究[D]. 王之仓.苏州大学 2006
本文编号：3297268
本文链接：https://www.wllwen.com/kejilunwen/wltx/3297268.html
