-
题名基于AdaBoost的音乐情绪分类
被引量：5
- 1
-
-
作者
王磊
杜利民
王劲林
-
机构
中国科学院声学研究所
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2007年第9期2067-2072,共6页
-
文摘
随着流媒体应用的蓬勃兴起,音频信号的自动分类开始成为工程与学术关注的热点之一。根据音乐信号对乐曲表现的情绪进行分类,由于涉及音乐信号的社会属性和自然属性的综合表征与模糊分类,因此处理方法相应需要在各种传统表征与分类方法的基础上进行机制筛选与架构优化。该文探讨了在AdaBoost算法,K-L变换和GMM模型的基础上构造弱分类器的方法,采用多层分类器结构,成功地实现了对音乐信号进行情绪分类。初步的实验对163首歌曲进行平静(Calm),悲伤(Sad),激动(Exciting)以及愉悦(Pleasant)4种类别的分类,训练集和测试集的分类准确率分别达到97.5%和93.9%,展示了这种方法的可行性和进一步发展的潜在价值。
-
关键词
ADABOOST
音乐
情绪
音色
节奏
分类
K-L变换
多层分类器
-
Keywords
AdaBoost
music
mood
Timbre
Tempo
classification
K-L transformation
Multi-layer classifier
-
分类号
TP391.42
[自动化与计算机技术—计算机应用技术]
-
-
题名基于DBN的多特征融合音乐情感分类方法
被引量：6
- 2
-
-
作者
龚安
丁明波
窦菲
-
机构
中国石油大学(华东)计算机与通信工程学院
-
出处
《计算机系统应用》
2017年第9期158-164,共7页
-
文摘
本文在音乐情感分类中的两个重要的环节:特征选择和分类器上进行了探索.在特征选择方面基于传统算法中单一特征无法全面表达音乐情感的问题,本文提出了多特征融合的方法,具体操作方式是用音色特征与韵律特征相结合作为音乐情感的符号表达;在分类器选择中,本文采用了在音频检索领域表现较好的深度置信网络进行音乐情感训练和分类.实验结果表明,该算法对音乐情感分类的表现较好,高于单一特征的分类方法和SVM分类的方法.
-
关键词
音乐情感分类
深度学习
深度置信网络
音乐特征提取
特征融合
-
Keywords
music mood classification
deep learning
deep belief network
music feature extraction
feature fusion
-
分类号
TN912.3
[电子电信—通信与信息系统]
-
-
题名音乐和歌词融合的歌曲情感分类研究
被引量：3
- 3
-
-
作者
钟将
程一峰
-
机构
重庆大学计算机学院
-
出处
《计算机工程》
CAS
CSCD
2012年第8期144-146,共3页
-
基金
重庆市自然科学基金资助项目(CSTC2010BB2046)
"211工程"三期建设基金资助项目(S-10218)
-
文摘
为更好地对歌词进行情感分类,提出一种改进的基于类间差别的CHI特征选择方法。该方法可单独用于歌词情感特征提取,将选取的特征应用于支持向量机分类器中,融合音频特征与利用改进CHI方法选择的歌词特征对歌曲进行情感分类。实验结果表明,融合后的特征可以取得比任何单一种类特征更好的分类效果。
-
关键词
情感模型
歌曲情感分类
CHI统计方法
支持向量机
基于差别的CHI方法
特征融合
-
Keywords
mood model
music mood classification
CHI statistics method
Support Vector Machine（SVM）
difference-based CHI method
feature fusion
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
