音樂風(fēng)格相似性檢測算法研究.pdf

1、網(wǎng)上音樂信息已經(jīng)海量化，傳統(tǒng)獲取音樂的方式已無法滿足人們的搜索需求，因此，自動(dòng)產(chǎn)生音樂列表的推薦算法得到了廣泛的關(guān)注和研究。
　　本文提出了一種基于特征融合與高斯混合模型的音樂相似性檢測算法。首先，從音樂波形中提取出表示音色、節(jié)奏和情緒等信息組成特征矢量;然后，利用高斯混合模型對(duì)特征矢量進(jìn)行建模，每首歌曲獲得三個(gè)特征模板;最后，計(jì)算模板間的相似度，并利用加權(quán)的方法，獲得這總相似度，相似度降序排列并輸出，即可獲得推薦列表。本文主要工

2、作與貢獻(xiàn)如下:
　　(1)首次將Gamma tone倒譜系數(shù)用于音樂音色特征提取中，該特征的推薦精度高于傳統(tǒng)的梅爾倒譜系數(shù)，且具有更好的魯棒性。
　　(2)引入時(shí)間軸的調(diào)制技術(shù)，獲得長時(shí)特征，將長短時(shí)特征的組合作為建模的輸入矢量，充分捕捉了音樂的基本信息。
　　(3)用K均值算法對(duì)高斯混合模型進(jìn)行初始化，同時(shí)，動(dòng)態(tài)調(diào)整混合模型個(gè)數(shù)，使模型更加準(zhǔn)確。
　　為了衡量該算法的推薦準(zhǔn)確度，使用了五種不同風(fēng)格的音樂曲庫進(jìn)行