-
题名基于注意力LSTM的音乐主题推荐模型
被引量：7
- 1
-
-
作者
贾宁
郑纯军
-
机构
大连东软信息学院
-
出处
《计算机科学》
CSCD
北大核心
2019年第S11期230-235,共6页
-
基金
辽宁省自然科学基金项目(20180551068)资助
-
文摘
针对传统音乐推荐过程中存在的分类准确率较低、周期较长、难以满足人们在生活中对主题音乐的需求等问题,设计了一种注意力机制与长短期记忆(Long Short-Term Memory,LSTM)相结合的神经网络模型,它由音乐主题模型和音乐推荐模型构成,在使用注意力机制和LSTM网络实现音乐情感分类的基础上,音乐主题模型有效地组合了音频码本和主题模型,实现了对某个情感下的音乐主题子类的判别。音乐推荐模型则利用低级描述符(Low-Level Descriptor,LLD)和频谱图,构建手工特征与卷积循环神经网络(Convolutional Recurrent Neural Network,CRNN)特征的联合表示形式,从而获得用户语音表达的情感,并对其进行精准的音乐主题推荐。实验中,针对两个模型分别进行设计,采用两种不同的传统模型作为基线,实验结果表明,与传统的单一模型相比,此模型不仅可以提升主题分类精度,而且可以精准地判断用户语音数据的情感,从而定向地完成主题音乐的推荐。
-
关键词
音乐主题推荐
长短期记忆网络
注意力机制
卷积循环神经网络
低级描述符
主题模型
-
Keywords
Music theme recommendation
Long short-term memory network
Attention mechanism
Convolutional recurrent neural network
low-level descriptor
Topic model
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于多特征融合词包模型的SAR目标鉴别算法
被引量：1
- 2
-
-
作者
宋文青
王英华
时荔蕙
刘宏伟
保铮
-
机构
西安电子科技大学雷达信号处理国家重点实验室
西安电子科技大学信息感知技术协同创新中心
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2017年第11期2705-2715,共11页
-
基金
国家自然科学基金(61671354
61701379)
+2 种基金
国家杰出青年科学基金(61525105)
中央高校基本科研业务费专项资金
陕西省自然科学基础研究计划(2016JQ6048)~~
-
文摘
针对复杂场景中的SAR目标鉴别问题,该文提出一种基于多特征融合词包(Bag-of-Words,Bo W)模型的SAR目标鉴别算法。在Bo W模型底层特征提取阶段,算法采用SAR-SIFT特征描述局部区域的形状信息;同时,采用该文基于传统鉴别特征提出的一组新的SAR图像局部特征描述局部区域的对比度信息和纹理信息。对于Bo W模型中多个底层特征的融合,算法采用图像层的特征融合方式生成图像的全局鉴别特征,其中各单底层特征Bo W模型特征的权系数通过L2范数约束的多核学习方法训练得到。在Mini SAR实测SAR图像数据上的目标鉴别实验表明,与基于传统鉴别特征以及单底层特征Bo W模型特征的鉴别算法相比较,该文基于多特征融合Bo W模型SAR目标鉴别算法具有更好的鉴别性能。
-
关键词
SAR
目标鉴别
词包模型
底层特征
多核学习
-
Keywords
SAR
Target discrimination
Bag-of-Words （BOW） model
low-level descriptor
Multiple Kernel Learning （MKL）
-
分类号
TN958
[电子电信—信号与信息处理]
-
