基于隐马尔可夫模型的音乐分类

发布时间：2018-03-06 07:14

  本文选题：分类　切入点：音乐类型　出处：《计算机工程与应用》2017年16期 　论文类型：期刊论文

【摘要】：音乐类型(Genre)是应用最普遍的管理数字音乐数据库的方式,提出一种基于隐马尔可夫模型(Hidden Markov Models,HMMs)的音乐自动分类方案。在考虑传统的音色特征(Timbre)的同时,将另一重要特征节奏(Tempo)也加以考虑,并通过bagging训练两组HMM进行分类,达到了良好的效果。从结构、状态数和混合高斯模型数三个方面进行了参数优化,找到了最佳的HMM参数。在音乐数据集GTZAN上对传统模型和新模型分类效果进行了测试,结果表明考虑了节奏特征的HMM分类效果更佳。
[Abstract]:Music type Genre is the most popular way to manage digital music database. This paper presents an automatic music classification scheme based on Hidden Markov models (HMMs), which takes into account the traditional timbre features. Another important characteristic tempo is also taken into account, and two groups of HMM are trained by bagging to classify, and good results are achieved. The parameters are optimized from three aspects: structure, number of states and number of mixed Gao Si models. The best HMM parameter is found and the classification effect of traditional model and new model is tested on the music data set GTZAN. The results show that the classification effect of HMM considering rhythm feature is better.
【作者单位】： 井冈山大学电子与信息工程学院;清华大学电子工程系;
【基金】：国家自然科学基金(No.61462046) 江西省教育厅科学技术研究项目(No.GD14559)
【分类号】：O211.62;TN912.3

【共引文献】

相关硕士学位论文 前2条

1 曾晓文;广东农村高中学生提高英语听说考试能力的策略[D];贵州师范大学;2015年

2 杨爽;重庆市库区移民中学英语口语教学现状调查问题与对策[D];重庆师范大学;2014年

【二级参考文献】

相关硕士学位论文 前10条

1 邓丽娟;建构主义学习理论在农村高中英语口语教学中的运用[D];华中师范大学;2011年

2 郑珍;城乡小学英语课堂教学的对比研究[D];山东师范大学;2011年

3 黄娟娟;基于认知风格的高中生英语阅读策略研究[D];河南大学;2011年

4 邵文婷;基于ESL和EFL视角的英语口语教学策略研究[D];上海师范大学;2011年

5 李想;初中英语有效教学策略的研究与实践[D];东北师范大学;2010年

6 常云;高中英语写作教学策略研究——过程体裁法[D];山东师范大学;2010年

7 孙丽丽;初中生英语口语能力培养策略研究[D];天津师范大学;2010年

8 李国文;基于“农远工程”的初中英语听力教学策略研究[D];河南大学;2010年

9 杨颖;运用建构主义理论优化高中英语情境教学的研究[D];陕西师范大学;2010年

10 刘旭相;高中英语特级教师的教学策略实施现状研究[D];西南大学;2010年

【相似文献】

相关期刊论文 前10条

1 张慧丽;;基于混合二阶隐马尔可夫模型的基因结构预测[J];电脑知识与技术(学术交流);2007年14期

2 侯昭武;;隐马尔可夫模型的拓朴应用[J];河南师范大学学报(自然科学版);2009年06期

3 黄岗;;马尔可夫及隐马尔可夫模型的应用[J];电子设计工程;2013年17期

4 王新民;基于因子分析的隐马尔可夫模型(英文)[J];华中师范大学学报(自然科学版);2004年02期

5 曹林;王东峰;邹谋炎;;基于隐马尔可夫模型的人像鉴别算法[J];中国科学院研究生院学报;2006年01期

6 邹凌云;王正志;黄教民;;基于序列拓扑和二阶隐马尔可夫模型的跨膜蛋白亚细胞定位预测[J];激光生物学报;2008年02期

7 冯志伟;;隐马尔可夫模型及其在自动词类标注中的应用[J];燕山大学学报;2013年04期

8 赵征鹏,杨鉴,普园媛,尉洪;基于隐马尔可夫模型的非母语说话人口音识别[J];云南大学学报(自然科学版);2004年S1期

9 杜世平;;带驻留时间隐马尔可夫模型学习算法的改进[J];西南民族大学学报(自然科学版);2008年04期

10 朱明;郭春生;;隐马尔可夫模型及其最新应用与发展[J];计算机系统应用;2010年07期

相关会议论文 前10条

1 史笑兴;王太君;何振亚;;论二阶隐马尔可夫模型与一阶隐马尔可夫模型的关系[A];第九届全国信号处理学术年会（CCSP-99）论文集[C];1999年

2 马勇;金峗;顾明亮;赵力;;基于隐马尔可夫模型的汉语方言辨识[A];2009’中国西部地区声学学术交流会论文集[C];2009年

3 吴志强;陈珂;迟惠生;;基于隐马尔可夫模型的有限词汇集内与文本无关的说话人辨认的研究[A];第四届全国人机语音通讯学术会议论文集[C];1996年

4 徐毅琼;李弼程;王波;;隐马尔可夫模型在人脸检测与识别中的应用[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年

5 吴成东;柴佩琪;;基于分类的隐马尔可夫模型的声母识别[A];第一届全国语言识别学术报告与展示会论文集[C];1990年

6 徐东风;周萍;景新幸;;改进隐马尔可夫模型的非线性分段技术应用[A];中国声学学会2007年青年学术会议论文集（下）[C];2007年

7 邢颖;南敬昌;;基于隐马尔可夫模型的人脸检测与识别系统[A];2009年中国智能自动化会议论文集（第三分册）[C];2009年

8 秦勇;莫福源;李昌立;关定华;;基于隐马尔可夫模型的汉语二字词音调模式识别[A];第三届全国人机语音通讯学术会议论文集[C];1994年

9 杨文强;邓明华;钱敏平;;隐马尔可夫模型与剪切位点识别[A];中国运筹学会第六届学术交流会论文集（下卷）[C];2000年

10 马晓川;刘冬;赵荣椿;;孤立短语隐马尔可夫模型自动建模软件的实现[A];第四届全国人机语音通讯学术会议论文集[C];1996年

相关博士学位论文 前4条

1 欧阳黜霏;基于隐马尔可夫模型的车辆行程时间预测方法研究[D];武汉大学;2015年

2 李杰;隐马尔可夫模型的研究及其在图像识别中的应用[D];清华大学;2004年

3 夏丽莎;基于隐马尔可夫模型的故障诊断及相关算法研究[D];华中科技大学;2014年

4 刘韬;基于隐马尔可夫模型与信息融合的设备故障诊断与性能退化评估研究[D];上海交通大学;2014年

相关硕士学位论文 前10条

1 吴瑞琪;面向农牧民歌旋律的自动伴奏技术研究[D];河南师范大学;2015年

2 张凯;基于隐马尔可夫模型的频谱预测和感知方法研究[D];南京邮电大学;2015年

3 白雁飞;基于隐马尔可夫模型的J波识别技术研究[D];太原理工大学;2016年

4 崔晨雨;基于用户经验水平的推荐方法研究[D];清华大学;2015年

5 李若冰;基于贝叶斯网络和隐马尔可夫模型的扑克对手建模研究[D];南京大学;2013年

6 朱超然;基于隐马尔可夫模型的无线传感器网络入侵检测研究[D];华北电力大学(北京);2014年

7 李伦;基于隐马尔可夫模型的VaR度量方法研究[D];华东政法大学;2016年

8 李晓燕;基于隐马尔科夫模型的轨迹聚类方法研究[D];华东师范大学;2016年

9 关超;隐马尔可夫模型在肝硬化进展中的应用[D];山西医科大学;2016年

10 李飞;基于隐马尔可夫模型和符号条件熵的异常生理信号研究[D];南京邮电大学;2016年

，

本文编号：1573830