基于深度信念網(wǎng)絡和隱馬爾科夫模型的音樂自動分類算法研究.pdf_第1頁
已閱讀1頁，還剩65頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、隨著信息和多媒體技術的發(fā)展，音樂數(shù)字化被廣泛的應用于多種媒體，如無線電廣播、數(shù)字存儲、網(wǎng)絡等。如此，在大量音樂中高效地檢索和管理音樂成為了近些年研究和發(fā)展的重點。對于音樂進行有效的分類及歸類是一個重要的研究方向，音樂分類的性能優(yōu)化更是研究的重中之重。
　　本文提取了一種符合音樂性質的融合特征，提出了一種結合了深度信念網(wǎng)絡(DBN)和隱馬爾科夫模型(HMM)的分類模型。首先，從音樂信號中提取充分表征音色、節(jié)奏和情感的特征向量;然后利

2、用設計的網(wǎng)絡模型對特征向量進行訓練，將其映射到一個新的特征空間并計算每類音樂的劃分概率;最后，對音樂進行測試，將測試音樂劃分到對應概率最大的類別中，并計算測試精度。
　　本文主要工作如下:
　　(1)將梅爾多頻系數(shù)用于特征提取中，相比于梅爾倒譜系數(shù)，該特征更適用于多層網(wǎng)絡模型的訓練及分類。
　　(2)將梅爾多頻系數(shù)和音樂情緒特征相融合，作為分類系統(tǒng)的輸入特征向量，以充分表征音樂信息。
　　(3)將隱馬爾科夫模型和

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，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論