【摘 要】
：
音乐曲风与情感自动识别是音乐检索与推荐领域的重要课题。相较于元信息、歌词、标签等文本数据,数字音频本身是音乐最直接、客观的数据来源。当今大多数现有的音乐自动分类
论文部分内容阅读
音乐曲风与情感自动识别是音乐检索与推荐领域的重要课题。相较于元信息、歌词、标签等文本数据,数字音频本身是音乐最直接、客观的数据来源。当今大多数现有的音乐自动分类系统注重从音频信号中提取与人类感知相关的音乐描述特征,如音色、节奏、和声等,这些特征并不能完全保留整首音乐的信息,在分类任务中表现一般。对此,本文提出一种基于频谱量化表示的频谱转换技术,能够在较为完整的保留频谱信息的同时其数据规模适合用于机器学习。 本文介绍了一种频谱量化表示框架。框架的设计注重保存音乐随时间变化的信息,并使用非监督方法实现频谱的量化。这种框架使用了Constant-Q变换与听觉谱(Auditory Spectrogram)变换两种频谱计算方式将音频信号转换为频谱,然后基于一个具有代表性的大曲库,计算其中所有歌曲的频谱。接下来按照某种切割方法将频谱切割成小单元(频谱单元),每个频谱单元都是局限于小段时间与频率范围之内的包含一部分音乐表达信息的小片段,相当于歌词中的词。接下来将所有收集到的频谱单元做聚类。聚类得到的类质心被统一收集编号,形成码本。接着,所有频谱单元都可以用其对应的类质心编号代替表示,至此,频谱被转换成了码字矩阵。为了衡量码本以及频谱量化的表现,本文基于歌曲码字矩阵做码字统计,得到“码字-频率”向量,并使用支持向量机进行分类。本文使用了两种基于不同情感定义构建的数据集来评估音乐情感分类表现;以及一种基于西方流行音乐曲风构建的曲风数据集评估音乐曲风分类表现。实验证明,这种基于频谱量化得到的码本充分保留了音乐的表现内容信息,在音乐情感分类任务上有突出的表现。在音乐曲风分类任务上也有着相对较好的表现。
其他文献
随着Web2.0的兴起,软件开发正在转变传统的服务观念,个性化业务大量涌现。然而移动性差、硬件成本高、资源扩展性差等问题制约了第三方业务开发的发展。而云计算恰恰在实现服
随着Internet的流行和发展，人们对于Internet的依赖也越来越强，对Web应用也有了更多的需求。传统Web应用的客户端主要是用来渲染服务端返回的HTML页面，功能单一，难以满足用户的交
互联网的蓬勃发展使距离不再成为人们认识彼此、交流信息的障碍，基于地域、爱好和理想等多种元素交汇的网络社区逐渐成为人们更加方便地获取信息的手段。虚拟的网络社区延续并
随着互联网技术的迅速发展和普及,尤其是社交网站和图像共享网站的不断推广和应用,网络上的图像数量呈现快速增长趋势。如何快速、准确地从海量的图像数据中检索到用户所需要
在计算环境从静态、封闭、可控逐步走向动态、开放、难控的过程中,软件呈现出一种新的形态——网构软件。网构软件的开放性给其服务质量的保障带来深层次的技术挑战。首先,网
粒计算是研究如何在问题求解过程中使用人类“粒度”和“粒”的思想的一门新兴学科，致力于探索基于粒度的理论、技术和工具，在过去十年中，它得到了很多研究者的关注。粒计算三元
随着移动技术的发展,智能手机等移动设备在日常生活中起到越来越重要的作用,但受限的资源始终制约着智能手机的计算能力。为了扩展移动设备的计算能力,弹性计算的概念被应用
约束满足问题(ConstraintSatisfactionProblem,简称CSP)简而言之就是由一组变量和一组约束组成的约束关系,求解约束满足问题就要为变量找到一组赋值而并不违反任何一个约束。
定位技术指的是运用某种无线通信网络平台，将收到的无线电波的某些参数如信号强度转化为定位节点与参考节点之间的距离，然后按照特定方法测得移动终端在某时段内所处的地理位置
中国互联网络信息中心(CNNIC)发布的近几年的《中国搜索引擎市场研究报告》中指出,网络音乐以其使用率一直位居中国互联网应用前三甲,大部分综合搜索引擎都已经提供针对音乐