版權(quán)說明: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、隨著互聯(lián)網(wǎng)絡(luò)以及廣播技術(shù)的發(fā)展,人們有機(jī)會(huì)接觸到大量的多媒體內(nèi)容。但是隨著數(shù)據(jù)量的快速增長,如何自動(dòng)的對(duì)這些內(nèi)容進(jìn)行管理就成為了一個(gè)突出的問題。特別對(duì)于身邊種類繁多的音樂信號(hào),人們要求有快速高效的方法對(duì)它們進(jìn)行分類管理(根據(jù)不同風(fēng)格或演唱者等),本論文就是希望找到一種較好的算法來解決這個(gè)問題。 本文在現(xiàn)有音樂分類系統(tǒng)的基礎(chǔ)上,提出了一種改進(jìn)的音樂分類結(jié)構(gòu),在原來的結(jié)構(gòu)中加入了線性判別分析(LDA)降維模塊對(duì)所提取的高維特征向量進(jìn)
2、行降維,并在最終的分類階段使用支持向量機(jī)(SVM)分類器,并使用Matlab軟件對(duì)最終的分類結(jié)果進(jìn)行了仿真。 目前大部分的音頻音樂分類算法都包含了兩個(gè)階段:特征提取階段和分類階段。許多音樂特征可用于實(shí)現(xiàn)這一算法,包括時(shí)域的短時(shí)能量、短時(shí)過零率等,頻域的帶寬、譜質(zhì)心等,還有基于聽覺感受的MFCC(Mel-frequency cepstral coefficients)系數(shù)等。而分類算法可利用模式識(shí)別和模式分類中的大量現(xiàn)存的高效算法
3、,例如GMM(高斯混合模型)[29]、NN(神經(jīng)網(wǎng)絡(luò))、HMM(隱馬爾可夫模型)等等。 面對(duì)如此多的特征和分類算法,如何組合它們來得到較好的分類精確率,是否有可能對(duì)某些特征進(jìn)行預(yù)處理來提高分類精確率,或是根據(jù)音樂分類的特殊性對(duì)分類器進(jìn)行優(yōu)化來取得高精確率。為了解決這個(gè)問題,本文在大量現(xiàn)存的音樂分類算法的基礎(chǔ)上,提出了一種新的音樂分類結(jié)構(gòu)。 現(xiàn)存的音樂分類方法都將特征提取和分類這兩個(gè)階段孤立開來,提取的特征直接交由分類器進(jìn)
4、行分類,沒有考慮到當(dāng)前提取的音樂特征并不是最有利于分類的特征(特征向量代表的特征點(diǎn)在高維空間中的可分度并不是最高的),有可能通過一定的線性或非線性變換得到可分度更高的音樂特征。本文設(shè)計(jì)了一種新的音樂分類方法,該方法充分考慮了信號(hào)特征的可分類特性。在音樂特征提取階段,首先使用傅立葉變換等方法從每一段音樂中提取各項(xiàng)音頻特征,包括Mel倒譜系數(shù)、基音頻率、頻帶能量及頻帶帶寬等等,并將它們按比例組成一個(gè)高維向量;在將這些音樂特征交由分類器進(jìn)行分
5、類之前,使用線性判別分析(LDA)對(duì)這些高維向量進(jìn)行降維,使得各類音樂的類間離散度與類內(nèi)離散度的比值最大,即得到了最有利于分類的特征;最后在音樂分類階段,使用當(dāng)前熱門的支持向量機(jī)(SVMs)分類器對(duì)降維后的特征進(jìn)行分類。 論文對(duì)所提出的算法進(jìn)行了大量的數(shù)值實(shí)驗(yàn)和性能測(cè)試,實(shí)驗(yàn)中采用的音樂數(shù)據(jù)庫包括流行音樂、民歌、古代器樂、戲曲和語音五個(gè)類別。實(shí)驗(yàn)中對(duì)不同的分類器針對(duì)不同特征集進(jìn)行分類的結(jié)果進(jìn)行了仿真,仿真結(jié)果不但驗(yàn)證了使用線性判
溫馨提示
- 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 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
- 基于線性判別分析和支持向量機(jī)的人臉識(shí)別研究.pdf
- 基于主成分分析和支持向量機(jī)的組合判別分析方法研究.pdf
- 一種基于子空間分解和判別分析的多標(biāo)簽分類算法.pdf
- 一種基于支持向量機(jī)的人臉檢測(cè)方法.pdf
- 一種基于小波分析和支持向量機(jī)的車牌識(shí)別算法
- 一種基于小波分析和支持向量機(jī)的車牌識(shí)別算法.pdf
- 基于支持向量機(jī)的音樂自動(dòng)分類.pdf
- 一種基于改進(jìn)支持向量機(jī)的文本傾向性分類算法.pdf
- (12)線性判別分析.pdf
- 一種基于邊界調(diào)節(jié)的支持向量機(jī)模型.pdf
- 一種基于支持向量機(jī)的垃圾微博識(shí)別方法.pdf
- 一種雙支持向量機(jī)決策樹的多分類算法.pdf
- 化學(xué)聚類分析及線性判別分析方法研究.pdf
- 一種快速的支持向量機(jī)算法研究.pdf
- 一種基于支持向量機(jī)的直推式WEB挖掘.pdf
- 基于支持向量機(jī)的多分類方法研究.pdf
- 基于幾何算法的支持向量機(jī)分類方法.pdf
- 基于支持向量機(jī)的爐膛火焰滅火判別方法研究.pdf
- 基于支持向量機(jī)的流量預(yù)測(cè)和狀態(tài)判別研究.pdf
- 線性判別分析新方法研究及其應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論