基于特征向量的音樂情感分析的研究.pdf

1、隨著當今社會的迅速信息化，各種多媒體信息資料飛速發(fā)展。音樂作為一門藝術，已經成為人類生活中必備的部分。一直以來，音樂都是人們表達情感的渠道，可以為歡樂而歌，可以為悲傷而唱。如今紙上的音樂已經不能夠滿足音樂的保存、檢索以及音樂人之間的交流。隨著信息時代的到來，計算機音樂的研究成了一個新的課題。讓計算機完成我們人類能夠完成的事情一直是人們試圖努力的方向。目前，我們可以通過計算機進行音樂的播放、制作和存儲等，通過計算機對音樂的情感進行分析也漸

2、漸興起，使計算機能夠通過“聽”音樂自動識別出音樂所表達的情感。本文就音樂情感自動分析做了深入的研究。
　　本文的音樂情感分析模型由三個部分構成：音樂特征向量模型、音樂情感模型和分類認知模型。
　　音樂特征向量模型是由從音樂中提取的一些特征組成的一個八維向量。在音樂特征向量模型的部分，本文在介紹了旋律面積的概念之后，定義了音樂能量的概念，并提出了自己的方法，即利用音樂能量為音樂劃分樂段，針對每個樂段使用數(shù)字音樂特征提取技術提取

3、樂段的速度、旋律的方向、力度、節(jié)拍、節(jié)奏變化、大三度、小三度和音色等八個特征，然后利用音樂情感模型和分類認知模型對每個樂段的情感進行分析。
　　音樂情感模型是音樂情感的描述，本文介紹了幾種研究者常用的音樂情感模型，包括Hevner情感環(huán)、Thayer情感模型和情感語義模型等等，并對這些模型的優(yōu)缺點進行了比較。我們將Hevner情感環(huán)與情感語義模型相結合，得到了由Hevner情感環(huán)中的八大類情感描述所構成的情感向量模型，并將該模型作

4、為本文實驗所用的情感模型。
　　分類認知模型是通過算法將音樂特征模型映射到情感模型，即分類認知的過程是一個模式識別的過程。在分類認知模型部分，簡單介紹了幾種模式識別方法并對它們的優(yōu)缺點進行對比之后，選用BP神經網絡作為本文的認知模型。針對音樂情感分析的需求，本文對BP神經網絡的學習過程做了改進，使其能夠更加符合音樂情感分析的主觀性的特點。
　　最后，本文將上述三部分自然地結合起來，構成了一個完整的音樂情感分析模型。之后，對該