基于音频和歌词的音乐情感分类研究

发布时间：2017-09-27 00:25

  本文关键词：基于音频和歌词的音乐情感分类研究

  更多相关文章： 音乐情感分类 CHI特征选择算法 LSA 多模态融合 LFSM

【摘要】：音乐的爆炸式增长和巨大数量使得我们的时代成为真正的数字音乐时代,同时,如何有效地管理音乐也成为一个值得关注的问题。情感是音乐最本质的特征,也是人们的心理感受,如何使计算机能够自动识别出音乐中的情感信息,对促进人工智能领域的发展具有非常重大的意义。针对音乐情感分类的问题,为了弥补仅利用音频特征进行音乐情感分类的单一模态分类方法的不足,本文采用了结合音频和歌词的多模态音乐情感分类的方法。本文围绕音乐情感模型和分类模型的选取以及音乐特征的分析和处理展开,主要研究了如何利用歌词以及如何结合音频和歌词对音乐进行情感分类,并将多模态和单模态音乐情感分类性能进行了对比。在基于歌词的音乐情感分类中,在传统的CHI特征选择方法的基础上引入了频度、集中度和分散度三个参数对CHI统计值进行调节,提出了改进的CHI特征选择方法。特征选择之后,利用TFIDF方法计算权重,然后利用LSA对歌词进行二次降维。实验数据显示,在对歌词进行情感分类过程中,传统的CHI特征选择方法的准确率为58.20%,改进的CHI特征选择方法的准确率为67.21%,结合LSA和改进的CHI特征选择方法的准确率为69.68%。由此可见,第三种方法的准确率更高且维数更低。在基于音频和歌词的多模态音乐情感分类中,针对多模态融合问题,本文对传统的LFSM融合方法进行了改进,并通过实验对多种融合方法进行了比较,实验结果表明,改进的LFSM融合方法的分类效果最佳,达到84.43%,验证了该方法的可行性和有效性。
【关键词】：音乐情感分类 CHI特征选择算法 LSA 多模态融合 LFSM
【学位授予单位】：南京邮电大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN912.3
【目录】：

• 摘要4-5
• ABSTRACT5-8
• 第一章 绪论8-13
• 1.1 研究背景及意义8-9
• 1.2 国内外研究现状9-11
• 1.3 本文研究内容11
• 1.4 本文组织结构11-13
• 第二章 音乐情感理论与情感模型13-20
• 2.1 引言13
• 2.2 情感心理模型13-16
• 2.2.1 离散形式的情感模型13-15
• 2.2.2 维度形式的情感模型15-16
• 2.3 情感认知模型16-19
• 2.3.1 朴素贝叶斯分类器(NBC)16-17
• 2.3.2 决策树17
• 2.3.3 k-近邻(KNN)17-18
• 2.3.4 人工神经网络(ANN)18
• 2.3.5 支持向量机(SVM)18-19
• 2.4 本章小结19-20
• 第三章 音乐特征分析20-33
• 3.1 引言20
• 3.2 基于音频的音乐特征分析20-27
• 3.2.1 音乐的基本要素20-21
• 3.2.2 音乐的时域特征21-23
• 3.2.3 音乐的频域特征23-24
• 3.2.4 音乐的倒谱特征24-27
• 3.3 基于歌词的音乐特征分析27-32
• 3.3.1 歌词的向量空间模型(VSM)表示27-28
• 3.3.2 CHI特征选择方法28-30
• 3.3.3 改进的CHI特征选择方法30-31
• 3.3.4 潜在语义分析(LSA)31-32
• 3.4 本章小结32-33
• 第四章 基于SVM的多模态音乐情感分类33-47
• 4.1 引言33
• 4.2 支持向量机(SVM)33-42
• 4.2.1 最优分类超平面34-35
• 4.2.2 线性支持向量机35-39
• 4.2.3 非线性支持向量机39-40
• 4.2.4 核函数及参数选择40-41
• 4.2.5 支持向量机多分类方法41-42
• 4.3 多模态融合方法42-46
• 4.3.1 特征级联早融合法(EFFC)43-44
• 4.3.2 线性结合晚融合法(LFLC_4)44
• 4.3.3 子任务结合晚融合法(LFSM)44-45
• 4.3.4 改进的LFSM融合法45-46
• 4.4 本章小结46-47
• 第五章 多模态音乐情感分类系统的实现47-57
• 5.1 系统整体框架47-48
• 5.2 模块设计48-51
• 5.2.1 音乐库的建立48
• 5.2.2 预处理48-49
• 5.2.3 音乐特征分析49-51
• 5.2.4 分类模型51
• 5.2.5 分类评价指标51
• 5.3 实验结果与分析51-56
• 5.3.1 基于音频的音乐情感分类(Audio-Only)51-52
• 5.3.2 基于歌词的音乐情感分类(Lyric-Only)52-54
• 5.3.3 基于音频和歌词的多模态的音乐情感分类(Audio+Lyric)54-55
• 5.3.4 多模态融合方法的比较55-56
• 5.4 本章小结56-57
• 第六章 总结与展望57-59
• 6.1 本文总结57-58
• 6.2 未来工作展望58-59
• 参考文献59-62
• 附录 攻读硕士学位期间撰写的论文62-63
• 致谢63

【相似文献】

中国期刊全文数据库 前7条

1 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

2 徐欣;周运;邵曦;;基于音乐情感特征提取的音乐检索分析[J];信息通信;2011年05期

3 张玉英;孙旭光;马睿;;基于音乐情感的音乐喷泉CAD系统[J];科技创新导报;2012年11期

4 梁晓雯;闵友钢;;音乐情感分类技术在媒体资产管理中的应用[J];广播与电视技术;2009年01期

5 庄周;孟子厚;;混响对音乐情感感知的影响[J];演艺科技;2012年08期

6 袁文彬;;论舞蹈作品中肢体语言和音乐情感的关系[J];艺术科技;2014年05期

7 ;[J];;年期

中国重要会议论文全文数据库 前7条

1 王愈;蔡锐;蔡莲红;;音乐情感分类中关键问题的研究[A];第一届建立和谐人机环境联合学术会议（HHME2005）论文集[C];2005年

2 孙守迁;王鑫;刘涛;汤永川;;音乐情感的语言值计算模型研究[A];2006年首届ICT大会信息、知识、智能及其转换理论第一次高峰论坛会议论文集[C];2006年

3 王静;朱慕华;胡明涵;;部分监督的音乐情感分类[A];中国计算语言学研究前沿进展（2009-2011）[C];2011年

4 张娜;孙峗;毛峡;;音乐情感特征分析[A];第一届中国情感计算及智能交互学术会议论文集[C];2003年

5 肖利侠;;民乐华彩(一)[A];第三届中小学教师教学设计展论文集[C];2013年

6 刘怡;高s，

本文编号：926626