基于支持向量機的音樂自動分類.pdf

1、音樂分類實質(zhì)上是音頻分類的一個分支,現(xiàn)已逐漸成為模式識別領域的一個研究熱點,其研究發(fā)展方向大體可以歸納為以下三個方面:一是在音樂特征提取的方法和特征向量的組成上做改進；二是在分類器的選擇上做改進；三是在解決多分類問題的方法上做改進。
　　 本文采用SVM做分類器,對流行音樂、古典樂器、鋼琴曲、民歌、美聲、戲曲六種不同風格的音樂進行分類,實驗所做的工作歸納如下:
　　 第一,通過學習數(shù)字音頻技術理論來掌握音頻短時處理技術,

2、結(jié)合實際對每個音樂樣本進行預加重、分幀、加窗、判別靜音幀等短時預處理,然后提取音樂樣本的時、頻域感知特征和基音頻率特征；提取音樂樣本的MFCC矩陣并求取該矩陣的統(tǒng)計特征。
　　 第二,在深入理解SVM分類原理的基礎上,比較標準SVM與變種SVM的優(yōu)缺點,確定本實驗采用標準SVM來進行分類；測試了MFCC維數(shù)、MFCC統(tǒng)計特征、MFCC與感知特性的各種組合方式對SVM分類器性能的影響,比較了同等條件下SVM與其它分類器的優(yōu)勢。