基于深度学习的音乐流派及中国传统乐器识别分类研究

发布时间：2017-12-16 18:18

  本文关键词：基于深度学习的音乐流派及中国传统乐器识别分类研究

  更多相关文章： 音乐流派识别分类 中国传统乐器识别分类 深度学习 深度置信网络

【摘要】：近几年,随着互联网和数字音频技术的发展,音乐信息检索逐渐成为研究热点。其中,对音乐流派进行有效的识别分类是一个重要的研究方向;此外,乐器的识别分类也是研究热点方向之一,其中中国传统乐器作为世界乐器的重要组成部分,也具有很大的研究价值,但对其研究较少。目前音乐信息检索领域的识别分类系统主要先人工提取音乐特征,再用分类器训练建模,最后利用建好的模型对测试音乐样本进行识别分类。但是目前在人工提取音乐特征方面遇到了瓶颈。因为不同的识别分类任务所需的音乐特征不同,甚至有时所需的音乐特征叫不出名字,所以人工提取音乐特征十分困难。而深度学习作为一种新的特征提取技术,已在图像处理、自然语言理解等领域取得了巨大成果,因此本文针对是否可以利用深度学习强大的特征提取能力发现更合适的音乐特征用于音乐流派和中国传统乐器识别分类这一问题展开了研究。首先,本文介绍了人工提取的音乐特征以及经典的分类方法,并概述了深度学习的发展历史、结构以及常用模型,指出了本文采用深度置信网络的原因。接着,本文研究了基于深度置信网络的音乐流派识别分类算法,并对其进行了改进。先对各音乐流派信号预处理并提取梅尔多频系数,再将该特征作为深度置信网络的输入,并对网络添加Dropout和动量来改进网络,然后不断调参训练得到最佳网络模型,最后利用得到的最佳模型对测试音乐进行流派预测。仿真实验结果表明,使用改进的方法对GTZAN库的十大音乐流派进行识别分类的准确率最高达75.8%,优于现有经典算法。最后,本文提出了基于深度置信网络的中国传统乐器识别分类算法,对各乐器音乐样本预处理并提取梅尔频率倒谱系数,再将其输入深度置信网络,然后调参训练,最后利用训练好的模型对测试乐器的种类进行预测。仿真实验结果表明,使用该算法对本人建立的中国传统乐器音乐库的六种乐器进行识别分类的准确率最高达99.2%,同样优于现有经典算法。因为乐器库的音乐质量较好且乐器的种类较少,故预测准确率明显高于流派库的预测准确率。
【学位授予单位】：南京理工大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TN912.3;TP18

【相似文献】

中国期刊全文数据库 前10条

1 王德纯;;对飞机进行识别分类的最佳频率[J];现代雷达;1984年01期

2 尚小晶;;基于辅助变量盲辨识方法的肌电信号识别分类[J];长春大学学报;2014年04期

3 郭欣，，王润生;基于多特征的图象目标识别分类[J];国防科技大学学报;1996年03期

4 李伟光,唐文媛,王元聪;智能单据自动扫描识别分类装置[J];机械与电子;2005年10期

5 卢汉清,彭嘉雄,万发贯;角点在目标识别分类中的应用[J];数据采集与处理;1992年03期

6 杨飞;刘伟军;夏仁波;黄以君;;一种自动的轮毂识别分类方法[J];微计算机信息;2010年04期

7 秦颖博;孙杰;陈平;;基于支持向量机的尿液细胞图像识别分类研究[J];计算机工程与设计;2013年06期

8 李沁;田沛;吴保炜;高云霞;;应用分形进行金属断口的识别分类[J];仪器仪表与分析监测;2005年04期

9 徐杰,朱娅加;江西省木材数据库检索识别分类系统设计与实现[J];江西农业大学学报;1998年01期

10 方勇华,荀毓龙,乔延利,汪元钧;气体遥感红外光谱数据的识别分类[J];量子电子学报;1997年03期

中国重要会议论文全文数据库 前1条

1 李鹏;关福;;谱相关理论在话带数据信号识别分类中的应用[A];第九届全国信号处理学术年会（CCSP-99）论文集[C];1999年

中国博士学位论文全文数据库 前1条

1 杨宝娣;混纺纱截面图像的轮廓探测模型与纤维识别分类方法[D];苏州大学;2009年

中国硕士学位论文全文数据库 前4条

1 郜鲁政;交通标志的识别分类研究及平台实现[D];山东大学;2015年

2 司小婷;基于视觉的零件特征识别与分类方法研究与实现[D];中国科学院研究生院(沈阳计算技术研究所);2016年

3 王芳;基于深度学习的音乐流派及中国传统乐器识别分类研究[D];南京理工大学;2017年

4 王凡;藏储物害虫特征提取与识别分类研究[D];青岛科技大学;2014年

本文编号：1296995