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

基于支持向量机的音乐自动分类

内容摘要

全文目录

相似论文