中國(guó)民族音樂(lè)特征提取與分類(lèi)技術(shù)的研究_20166.pdf

1、隨著現(xiàn)代科技的發(fā)展，音樂(lè)信息檢索已經(jīng)發(fā)展為一個(gè)新興的研究領(lǐng)域，在國(guó)內(nèi)外都屬于比較熱門(mén)的研究課題。作為音樂(lè)信息檢索以及其他音頻處理的重要輔助手段，音樂(lè)自動(dòng)分類(lèi)方法的研究在理論上和應(yīng)用上都具有重要的意義。
　　 中國(guó)地域遼闊、歷史文化積淀厚重，孕育了獨(dú)特的中國(guó)民族音樂(lè)，其地方色彩之豐美，世界各國(guó)難與相媲美。對(duì)中國(guó)民樂(lè)研究，在探索音樂(lè)文化歷史形態(tài)的變遷和歷史音頻修復(fù)等方面都有著重要意義。本文采用信號(hào)處理、機(jī)器學(xué)習(xí)等領(lǐng)域的技術(shù)方法，從特

2、征提取、分類(lèi)器選擇、特征選擇三個(gè)方面對(duì)中國(guó)民樂(lè)分類(lèi)方法進(jìn)行了較深入的研究。
　　 本文收集并整理642首中國(guó)傳統(tǒng)民樂(lè)，共分古琴、古箏、揚(yáng)琴、二胡、笛子、琵琶、南音和嗩吶8類(lèi)，建立了中國(guó)民樂(lè)音樂(lè)數(shù)據(jù)庫(kù)，同時(shí)對(duì)音頻文件進(jìn)行10s長(zhǎng)度和20s長(zhǎng)度切片處理，形成數(shù)據(jù)集Folk10s和Folk20s。本文的主要實(shí)驗(yàn)數(shù)據(jù)均來(lái)源于此。
　　 音樂(lè)的自動(dòng)分類(lèi)一般可以分為特征提取與分類(lèi)兩個(gè)階段。本文首先通過(guò)對(duì)各類(lèi)民樂(lè)音頻特性的深入分析，建

3、立音樂(lè)特性與音頻數(shù)字特征的對(duì)應(yīng)關(guān)系，從音調(diào)、響度、音色和節(jié)奏4個(gè)方面挑選出14個(gè)具有代表性的數(shù)字特征(共70維)，作為民族音樂(lè)分類(lèi)的音頻特征。然后使用模式識(shí)別領(lǐng)域中常見(jiàn)的5中分類(lèi)器：BP神經(jīng)網(wǎng)絡(luò)分類(lèi)、樸素貝葉斯分類(lèi)器、K近鄰分類(lèi)算法(KNN)、決策樹(shù)分類(lèi)算法和統(tǒng)計(jì)支持向量機(jī)(SVM)來(lái)探索適合于中國(guó)民樂(lè)的分類(lèi)方法。實(shí)驗(yàn)表明，SVM在處理民樂(lè)分類(lèi)問(wèn)題上性能優(yōu)于其它分類(lèi)器。
　　 為了研究支持向量機(jī)核函數(shù)的選擇和各聲學(xué)特征集及其組合

4、對(duì)分類(lèi)器性能的影響，本文使用支持向量機(jī)在民樂(lè)數(shù)據(jù)集上對(duì)各特征集的分類(lèi)性能進(jìn)行了評(píng)估，并驗(yàn)證了徑向基核函數(shù)(RBF)的有效性。
　　 雖然使用支持向量機(jī)在民樂(lè)分類(lèi)上取得了不錯(cuò)的效果，但一些無(wú)用特征和冗余特征的存在仍然對(duì)分類(lèi)器的性能造成了一定的負(fù)面影響。為減少分類(lèi)器的訓(xùn)練時(shí)間，提升分類(lèi)準(zhǔn)確率，發(fā)現(xiàn)最能反映民樂(lè)特征的特征，我們分別使用了ReliefF、ReliefF-PCA、Relief-CA三種過(guò)濾式特征選擇算法在Folk10s數(shù)據(jù)

5、集上進(jìn)行了特征選擇實(shí)驗(yàn)，并提出了兩種基于混合模型的特征選擇算法：?jiǎn)l(fā)式向前搜索(HFS)和啟發(fā)式向后搜索(HBS)。實(shí)驗(yàn)結(jié)果表明，這兩種特征選擇算法均表現(xiàn)出優(yōu)秀的性能。為了探究HFS和HBS方法在多數(shù)據(jù)集上的性能，本文在另外兩個(gè)非音樂(lè)類(lèi)數(shù)據(jù)集：波形噪聲數(shù)據(jù)集和手寫(xiě)字符識(shí)別數(shù)據(jù)集上進(jìn)行了特征選擇實(shí)驗(yàn)。結(jié)果表明HFS和HBS不論從分類(lèi)準(zhǔn)確率上還是降維方面的表現(xiàn)都優(yōu)于其它的方法，這進(jìn)一步驗(yàn)證了它們的有效性和魯棒性。
　　 中國(guó)民樂(lè)是一