多模態(tài)音樂流派分類研究_28304.pdf

1、隨著越來越多的音樂資源被上傳到互聯(lián)網(wǎng)上，使得用來處理音樂數(shù)據(jù)庫的音樂信息檢索系統(tǒng)受到了越來越多的關注。目前，很多音樂網(wǎng)站都是根據(jù)流派信息來組織數(shù)據(jù)庫中的音樂資源，因此，音樂流派的準確分類對于現(xiàn)代的音樂信息檢索系統(tǒng)來說是至關重要的。
　　本文針對傳統(tǒng)的基于聲學特征的音樂流派分類方法，從眾多聲學特征中精心挑選了14個特征來表征音樂的音色、節(jié)奏和音高內容，明確了每個聲學特征的數(shù)學定義和提取方法;針對特征選擇環(huán)節(jié)，提出了兩種新的特征選擇算

2、法，分別是基于特征間相互影響的前項特征選擇算法和基于特征貢獻度的特征選擇算法。在分類過程中選擇了國際上公認的分類效果較好的分類器SVM。經過音樂信息檢索領域頂級競賽MIREX2009的檢驗，本文提出的音樂流派分類系統(tǒng)具有較好的分類效果。
　　本文還創(chuàng)新性地使用社會化標簽對音樂流派進行分類。通過對音樂社區(qū)網(wǎng)站 Last.fm提供的 API接口的研究使我們獲得了大量的標簽資源并最終選擇音樂標簽和藝術家標簽這兩類標簽對音樂進行流派分類。

3、文章使用LDA對音樂標簽建模，將得到的標簽屬于每個音樂流派的概率通過計算轉換為對應音樂屬于每個流派的概率。通過計算藝術家標簽向量間的余弦距離找到與當前藝術家最相似的且已知流派信息的藝術家，并以此推斷音樂所屬的流派。對于具有標簽的音樂來說，使用標簽資源對其進行流派分類的準確率要明顯高于使用聲學特征得到的準確率。
　　最后，基于上述兩種方法本文提出多模態(tài)音樂流派分類的概念，并給出多模態(tài)音樂流派分類的具體方法，并通過模擬數(shù)據(jù)的實驗驗證了