音乐风格分析研究

发布时间：2017-08-14 06:20

  本文关键词：音乐风格分析研究

  更多相关文章： 音乐风格 分类参数 分类器 纠错编码 SVM

【摘要】：音乐风格是音乐的内在属性,它用来表达人们对音乐的理解并通过节奏和旋律等音乐元素表达出来。音乐可以具体细分为几百种风格,人们熟知音乐风格有古典音乐、乡村音乐、爵士音乐、摇滚音乐以及电子音乐等等。使用音乐的内在特征参数可以区分不同的音乐风格,这些参数包括梅尔频率倒谱系数(MFCC)、线性预测倒谱系数(LPCC)等变换域参数和过零率、信号幅值等时域参数；对音乐风格特征参数分门别类时,可以使用支持向量机(SVM)、聚类等常规分类器。 本文研究了基于纠错编码SVM多类分类技术的音乐风格分类实现。实验中样本数据来自库克数字音乐图书馆,区分乡村乐、摇滚乐、轻音乐、民乐、爵士乐以及古典乐等6种风格,每种风格音乐均为100首,其中80首做训练文件,20首做测试文件。分类器为纠错编码SVM,通过判断测试样本对应的码字与码本的汉明距离决定测试样本归属于哪一类。实验结果表明纠错编码SVM性能好于其他SVM多类分类结构。 本文共包含五章内容：第一章介绍课题的研究背景；第二章介绍音乐风格分析研究发展的历史状况；第三章介绍用于音乐风格分析的数字特征参数；第四章介绍用于音乐风格分析的各种分类器；最后一章阐述基于纠错编码SVM的音乐风格分类实现,并通过音乐数据库样本数据验证了算法的实现效果。
【关键词】：音乐风格 分类参数 分类器 纠错编码 SVM
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：J605
【目录】：

• 摘要4-5
• Abstract5-8
• 1 绪论8-19
• 1.1 音乐风格8
• 1.2 音乐风格研究现状8-10
• 1.3 音乐风格基础知识10-18
• 1.3.1 音乐风格特征参数10-13
• 1.3.2 音乐风格分类器13-16
• 1.3.3 现有方法分类结果比较16-18
• 1.4 本文工作与内容结构18-19
• 2 音乐风格特征参数19-25
• 2.1 LPC倒谱系数19-21
• 2.2 Mel频率倒谱系数21-22
• 2.3 时域参数22-25
• 2.3.1 短时能量和短时平均幅度23
• 2.3.2 短时过零率23-25
• 3 音乐风格分类器25-40
• 3.1 线性分类器25-28
• 3.1.1 线性可分25-26
• 3.1.2 分类距离判据26-28
• 3.2 聚类分析28-31
• 3.2.1 近邻聚类29
• 3.2.2 K-均值聚类29-31
• 3.3 支持向量机31-33
• 3.3.1 基于SVM的最优分界面31-32
• 3.3.2 基于SVM核函数求解最优分界面32-33
• 3.4 人工神经网络33-40
• 3.4.1 人工神经元33-36
• 3.4.2 前馈神经网络36-37
• 3.4.3 反馈神经网络37-38
• 3.4.4 自组织争竞神经网络38-40
• 4 音乐风格分类研究40-48
• 4.1 SVM多类分类结构40-42
• 4.1.1 1-V-R SVMs40-41
• 4.1.2 1-V-1 SVMs41
• 4.1.3 有向无环图SVMs41-42
• 4.1.4 层次SVMs42
• 4.2 音乐风格分类算法42-47
• 4.2.1 纠错编码SVMs42-43
• 4.2.2 基于纠错编码SVMs的音乐风格分类算法43-46
• 4.2.3 算法实验测试结果46-47
• 4.3 本章小结47-48
• 结论48-49
• 参考文献49-53
• 攻读硕士学位期间发表学术论文情况53-54
• 致谢54-55

【参考文献】

中国期刊全文数据库 前4条

1 蔡国永,古天龙,董荣胜,庞健雄;实时对象模型及其可预测调度研究[J];计算机研究与发展;2000年01期

2 董荣胜,赵岭忠,蔡国永,古天龙;基于对象的分布式实时系统调度模型研究[J];计算机研究与发展;2002年11期

3 赵岭忠,董荣胜,蔡国永,古天龙;基于对象分布式实时系统约束的一致性研究[J];计算机工程与应用;2002年15期

4 刘志刚,李德仁,秦前清,史文中;支持向量机在多类分类问题中的推广[J];计算机工程与应用;2004年07期

，

本文编号：671186