数据挖掘在音乐分类中的应用

发布时间：2017-07-27 07:20

  本文关键词：数据挖掘在音乐分类中的应用

  更多相关文章： 支持向量机 线性判别 音乐分类 数据挖掘 神经网络

【摘要】：为了满足不同人群对音乐爱好的需求,各大音乐软件企业开始致力于数据挖掘在音乐分类中的研究,由于它具有很大商业价值和广泛的应用前景,很快引起了学者们的热切关注。本论文从统计学角度介绍数据挖掘常用算法在音乐分类中的应用。 本文所做工作与创新如下： 首先,介绍了BP神经网络,RBF神经网络,LVQ神经网络,Hoppfeild神经网络,通过解释其算法推导过程中所遵循的不同原理,阐述其实际应用的差别,以及他们之间的优缺点。运用上述神经网络分类器对本文所提供的数据进行分类,并解释其产生不同分类效果的原因。然后引入支持向量机分类器,通过粒子群和遗传算法优化算法,选择使适应度函数最小的参数。最后介绍了判别分析和逻辑回归分类,并对比分析所有分类器的效果。 本文首次运用粒子群算法解决音乐分类问题中支持向量机参数选择问题。与遗传算法相比它们都从开始设定随机解,然后通过适应度函数,向不同方向寻找最优解,但是粒子群算法没有交叉,变异等操作,规则简单,容易实现,比较分析可知优化后的支持向量在此音乐分类实例便中具有很好的分类效果。 本文的线性判别分析,决策树算法运用R软件建模。神经网络,支持向量机运用matlab软件建模分析。逻辑回归运用spss软件进行建模。
【关键词】：支持向量机 线性判别 音乐分类 数据挖掘 神经网络
【学位授予单位】：中南大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：J60
【目录】：

• 摘要3-4
• ABSTRACT4-7
• 第1章 绪论7-10
• 1.1 统计学与数据挖掘7-8
• 1.2 音乐分类问题的提出8-9
• 1.3 国内外发展现状9-10
• 第2章 神经网络10-23
• 2.1 神经网络10-17
• 2.1.1 概念10-11
• 2.1.2 BP神经网络11-13
• 2.1.3 径向基(RBF)函数神经网络13
• 2.1.4 Hopfield网络13-16
• 2.1.5 LVQ神经网络16-17
• 2.2 评估方法17-18
• 2.2.1 模型的过份拟合17
• 2.2.2 交叉验证17
• 2.2.3 混淆矩阵17-18
• 2.3 神经网络在音乐分类中的应用18-23
• 2.3.1 数据来源18-19
• 2.3.2 BP神经网络验证19
• 2.3.3 Hoppfield网络分类器19-20
• 2.3.4 RBF神经网络分类器20-21
• 2.3.5 Ivq神经网络分类器21
• 2.3.6 小结21-23
• 第3章 优化算法23-27
• 3.1 遗传算法23-25
• 3.1.1 基本原理23
• 3.1.2 基本构成23-24
• 3.1.3 遗传算法基本流程24-25
• 3.2 粒子群算法25-27
• 3.2.1 基本原理25-26
• 3.2.2 粒子群算法步骤26-27
• 第4章 支持向量机27-36
• 4.1 支持向量机27-32
• 4.1.1 概述27
• 4.1.2 VC维理论27-28
• 4.1.3 推广误差边界28-29
• 4.1.4 支持向量与最优超平面29-31
• 4.1.5 非线性情况31-32
• 4.2 基于遗传算法优化支持量机在音乐分类中的应用32-34
• 4.2.1 GA+SVM32-34
• 4.3 基于PSO算法优化支持向量机在音乐分类中的应用34-36
• 4.3.1 PSO+SVM设计34-35
• 4.3.2 小结35-36
• 第5章 其它分类方法在音乐分类中的应用36-43
• 5.1 线性判别分析36-37
• 5.1.1 判别分析的假设条件36
• 5.1.2 线性判别基本形式36-37
• 5.2 logistic回归模型37-39
• 5.2.1 基本形式37-38
• 5.2.2 系数解释38-39
• 5.3 实证分析39-43
• 5.3.1 线性判别分析39
• 5.3.2 逻辑回归验证39-40
• 5.3.3 分类回归树验证分析40-41
• 5.3.4 对比分析41-43
• 第6章 总结与展望43-45
• 6.1 总结43
• 6.2 展望43-45
• 参考文献45-49
• 附录49-53
• 致谢53

【参考文献】

中国期刊全文数据库 前10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 姚斯强;胡剑凌;;线性判别分析和支持向量机的音乐分类方法[J];电声技术;2006年12期

3 李穗丰;陈燕清;;BP神经网络及其在数据分类中的应用[J];电脑与电信;2006年09期

4 王欢良,韩纪庆,张磊;基于支持向量机的变异语音分类研究[J];哈尔滨工业大学学报;2003年04期

5 袁玉萍;陈庆华;汪洪艳;;关于支持向量机VC维问题证明的研究[J];黑龙江气象;2006年03期

6 徐晓萍;马文杰;;非上市中小企业贷款违约率的定量分析——基于判别分析法和决策树模型的分析[J];金融研究;2011年03期

7 陈蕾;黄贤武;孙兵;;基于WT和LVQ网络的多姿态人脸识别[J];计算机工程;2006年21期

8 佘春东,李磊,戴彦群,王茂芝,范植华;改进对向传播神经网络应用于码书设计及其性能分析[J];计算机辅助设计与图形学学报;2005年04期

9 田大新;刘衍珩;李宾;吴静;;基于Hebb规则的分布神经网络学习算法[J];计算机学报;2007年08期

10 高红;;基于交叉验证的错误率估计分析[J];科技信息;2011年25期

中国硕士学位论文全文数据库 前6条

1 周利娟;基于情感语义相似度的音乐检索模型研究[D];大连理工大学;2011年

2 李鸿壹;基于支持向量机的人脸检测[D];大连理工大学;2006年

3 李永江;基于LVQ神经网络的手写英文字母识别[D];广东工业大学;2008年

4 赵懿丹;两种群体智能算法的研究及其应用[D];厦门大学;2009年

5 易云飞;改进粒子群优化算法及其应用研究[D];中南民族大学;2009年

6 王彪;LARS诊断回归树[D];中国科学技术大学;2009年

，

本文编号：580332