学位论文 > 优秀研究生学位论文题录展示
基于支持向量机的音乐自动分类
作 者: 朱健康
导 师: 李锵
学 校: 天津大学
专 业: 电路与系统
关键词: 音乐分类 特征提取 支持向量机 多类分类
分类号: TP391.4
类 型: 硕士论文
年 份: 2010年
下 载: 65次
引 用: 0次
阅 读: 论文下载
内容摘要
音乐分类实质上是音频分类的一个分支,现已逐渐成为模式识别领域的一个研究热点,其研究发展方向大体可以归纳为以下三个方面:一是在音乐特征提取的方法和特征向量的组成上做改进;二是在分类器的选择上做改进;三是在解决多分类问题的方法上做改进。本文采用SVM做分类器,对流行音乐、古典乐器、钢琴曲、民歌、美声、戏曲六种不同风格的音乐进行分类,实验所做的工作归纳如下:第一,通过学习数字音频技术理论来掌握音频短时处理技术,结合实际对每个音乐样本进行预加重、分帧、加窗、判别静音帧等短时预处理,然后提取音乐样本的时、频域感知特征和基音频率特征;提取音乐样本的MFCC矩阵并求取该矩阵的统计特征。第二,在深入理解SVM分类原理的基础上,比较标准SVM与变种SVM的优缺点,确定本实验采用标准SVM来进行分类;测试了MFCC维数、MFCC统计特征、MFCC与感知特性的各种组合方式对SVM分类器性能的影响,比较了同等条件下SVM与其它分类器的优势。第三,研究多分类方法的应用,分析比较各种多类分类方法的优劣,提出了利用先验知识和树形结构相结合的方法构造多分类系统。用标准SVM对样本进行训练得到多个两类分类器,比较各分类器的分类精度,按照比较的结果对样本进行人为的最优聚类,再用树形非交叠结构构造多分类系统,最后测试得到较好的分类效果。
|
全文目录
摘要 3-4 ABSTRACT 4-8 第一章 绪论 8-13 1.1 研究的背景与意义 8-9 1.2 音乐分类发展的历史与现状 9-11 1.3 本文的主要内容和结构安排 11-13 第二章 支持向量机的基本理论 13-27 2.1 统计学习理论 13-15 2.2 支持向量机的分类基础 15-25 2.2.1 线性可分与最优平面 16-18 2.2.2 线性不可分与软间隔概念 18-21 2.2.3 非线性与核函数 21-25 2.3 支持向量机的优势和特点 25-27 第三章 多分类问题和分类器集成方法 27-35 3.1 多分类问题的解决思路 27-28 3.2 多类分类器的分解组合方法 28-31 3.3 树型多类分类方法 31-35 第四章 音乐特征的提取 35-55 4.1 信号预处理 35-41 4.1.1 预加重 36-37 4.1.2 分帧、加窗 37-39 4.1.3 判别静音帧 39-41 4.2 提取音乐样本的特征属性 41-54 4.2.1 MFCC的提取 41-45 4.2.2 基音周期特征的提取 45-49 4.2.3 音乐信号的时域特征 49-51 4.2.4 信号频域特征的提取 51-54 4.3 音乐特征向量的构成 54-55 第五章 基于SVM的音乐分类系统 55-66 5.1 音乐样本的处理 56-57 5.2 几种分类器性能的比较 57-59 5.3 分类器实现及其组合 59-66 第六章 总结与展望 66-68 参考文献 68-71 致谢 71
|
相似论文
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 音乐结构自动分析研究,TN912.3
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 空间交会接近视觉测量方法研究,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 基于SVM的中医舌色苔色分类方法研究,TP391.41
- 多币种纸币处理技术的研究与实现,TP391.41
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 高光谱与高空间分辨率遥感图像融合算法研究,TP751
- 基于支持向量机的故障诊断方法研究,TP18
- 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置
© 2012 www.xueweilunwen.com
|