基于特征旋律挖掘的二階馬爾可夫鏈在算法作曲中的研究與應(yīng)用.pdf

1、算法作曲是如今國(guó)內(nèi)外許多研究者和作曲家都十分關(guān)注和頗感興趣的一個(gè)新興跨學(xué)科領(lǐng)域。本文首先針對(duì)算法作曲領(lǐng)域內(nèi)已有的各類(lèi)研究做了資源整合、歸納與知識(shí)分享工作，即對(duì)與該領(lǐng)域相關(guān)的文獻(xiàn)進(jìn)行了較為詳細(xì)的分類(lèi)介紹與優(yōu)劣述評(píng)，并在此基礎(chǔ)上，結(jié)合自己的探究與思考而嘗試設(shè)計(jì)和提出一種新的用于音樂(lè)片段分析與特征旋律挖掘的ISM算法，即音程序列挖掘算法。該算法是從用于關(guān)聯(lián)規(guī)則挖掘的Apriori算法思想中獲得啟發(fā)，并結(jié)合相關(guān)樂(lè)理知識(shí)和作曲家作曲的心理過(guò)程來(lái)進(jìn)

2、行設(shè)計(jì)的，它以挖掘到的音樂(lè)片段中出現(xiàn)次數(shù)最多并相對(duì)較長(zhǎng)的音程子序列作為該音樂(lè)片段的特征旋律。
　　算法作曲領(lǐng)域可以大致分為兩個(gè)方向，一個(gè)方向是如何用算法分析已有的音樂(lè)作品，另一個(gè)方向是如何用算法生成新的音樂(lè)作品。本文所提出的ISM算法屬于前者，對(duì)于后者本文采用的主要模型是馬爾可夫鏈模型，它常被用于生成新的音樂(lè)片段。本文以Max/MSP軟件為算法作曲平臺(tái)，該軟件在國(guó)外已較為成熟，但在國(guó)內(nèi)的使用范圍還不是很廣，筆者經(jīng)學(xué)習(xí)發(fā)現(xiàn)其實(shí)用性較

3、強(qiáng)，而且界面設(shè)計(jì)也十分友好，故花了一定的篇幅對(duì)其基本操作方法進(jìn)行介紹。之后，在其上分別實(shí)現(xiàn)了一階和二階馬爾可夫鏈模型，并進(jìn)行相應(yīng)的驗(yàn)證性實(shí)驗(yàn)。從實(shí)驗(yàn)結(jié)果來(lái)看，二階馬爾可夫鏈模型生成新樂(lè)曲的旋律線(xiàn)與用于訓(xùn)練模型的原曲旋律線(xiàn)吻合度更高，效果更好。
　　本文不僅提出了ISM算法，還進(jìn)一步將該算法和二階馬爾可夫鏈模型相結(jié)合，用實(shí)驗(yàn)驗(yàn)證了其在生成具有給定訓(xùn)練樂(lè)曲音樂(lè)風(fēng)格的新音符序列時(shí)的有效性，并以二者結(jié)合的方法探索性地創(chuàng)作了一曲名為《巴赫創(chuàng)