版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著數(shù)字音樂(lè)在網(wǎng)絡(luò)中的不斷發(fā)展,不僅使得廣大的音樂(lè)愛(ài)好者可以通過(guò)計(jì)算機(jī)自動(dòng)獲取所喜愛(ài)的音樂(lè),而且引起了計(jì)算機(jī)科學(xué)家及工程技術(shù)人員對(duì)自動(dòng)音樂(lè)信息檢索的極大研究興趣。然而,目前已有的方法和技術(shù)仍然難以建立真實(shí)的滿足人們實(shí)際需要的音樂(lè)信息檢索系統(tǒng)。其中需要解決的一個(gè)關(guān)鍵問(wèn)題是音樂(lè)自動(dòng)分類(lèi)。作為音樂(lè)信息檢索的基礎(chǔ),音樂(lè)分類(lèi)已經(jīng)成為研究的熱點(diǎn)。
自上世紀(jì)90年代以來(lái),該領(lǐng)域的研究工作取得了很大的進(jìn)展,已經(jīng)有一些模式識(shí)別方法被成功應(yīng)用
2、于音樂(lè)分類(lèi)中,如:支持向量機(jī)(SupportVectorMachine,SVM)、隱馬爾可夫模型(HiddenMarkovModel,HMM)、神經(jīng)網(wǎng)絡(luò)(NeuralNetwork,NN)等方法,并取得了一些成功的結(jié)果。然而,這些方法在構(gòu)建分類(lèi)系統(tǒng)時(shí)通常需要大量的高維訓(xùn)練樣本。這就增加了系統(tǒng)訓(xùn)練的復(fù)雜性,同時(shí)也降低了預(yù)測(cè)的準(zhǔn)確率。
近年來(lái),已有研究人員將LDA(LatentDirichletAllocation,LDA)這
3、一主題模型應(yīng)用在音頻信息處理中,對(duì)音頻信息進(jìn)行基于主題的建模。為了克服LDA模型不能調(diào)控主題之間相關(guān)性的缺點(diǎn),Blei等人又提出了相關(guān)主題模型(CorrelatedTopicModel,CTM)。在此基礎(chǔ)上,本文對(duì)基于CTM模型的音樂(lè)分類(lèi)方法進(jìn)行研究,主要完成了以下工作:
1.分析并總結(jié)音樂(lè)分類(lèi)中的重點(diǎn)問(wèn)題和已有方法的優(yōu)點(diǎn)和不足;
2.提出了CTM與HMM相結(jié)合的音樂(lè)分類(lèi)方法,并使用DBSCAN(Densit
4、y-BasedSpatialClusteringofApplicationswithNoise)聚類(lèi)算法確定CTM模型的主題數(shù),優(yōu)化CTM模型,以達(dá)到在降低數(shù)據(jù)維數(shù)的同時(shí)提高音樂(lè)分類(lèi)系統(tǒng)整體性能的目的;
3.對(duì)CTM模型進(jìn)行改進(jìn),使其具有動(dòng)態(tài)時(shí)間性,提出了動(dòng)態(tài)相關(guān)主題模型(DynamicCorrelatedTopicModel,DCTM),并將DCTM模型與HMM相結(jié)合對(duì)音樂(lè)分類(lèi),通過(guò)DCTM模型對(duì)音樂(lè)的動(dòng)態(tài)建模,從而提高
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于相關(guān)主題模型的文本分類(lèi)方法研究.pdf
- 基于主題模型的新聞標(biāo)題分類(lèi)方法研究.pdf
- 基于主題模型的中文情感分類(lèi)方法研究.pdf
- 基于概率生成主題模型的圖像場(chǎng)景分類(lèi)方法研究.pdf
- 基于聚類(lèi)的主題模型短文本分類(lèi)方法研究.pdf
- 基于主題模型的圖像分類(lèi)算法研究.pdf
- 基于主題模型的動(dòng)態(tài)場(chǎng)景分類(lèi).pdf
- 基于概率主題模型的圖像場(chǎng)景分類(lèi)研究.pdf
- 基于音樂(lè)庫(kù)的用戶音樂(lè)分類(lèi)方法研究.pdf
- 基于LDA主題模型的圖像場(chǎng)景分類(lèi)研究.pdf
- 基于語(yǔ)義主題模型的圖像場(chǎng)景分類(lèi)研究.pdf
- 基于概率主題模型的文檔自動(dòng)分類(lèi).pdf
- 基于主題的文本分類(lèi)模型研究與應(yīng)用.pdf
- 基于LDA主題模型的圖像場(chǎng)景分類(lèi).pdf
- 基于SPM模型的圖像分類(lèi)方法研究.pdf
- 基于分類(lèi)模型的廣告推薦方法研究.pdf
- 基于主題模型的云圖檢索方法研究.pdf
- 基于SVM-HMM混合模型的音樂(lè)分類(lèi)研究.pdf
- 基于詞袋模型的圖像分類(lèi)方法研究.pdf
- 基于主題模型的在線評(píng)論分析方法研究.pdf
評(píng)論
0/150
提交評(píng)論