-
题名粒子群优化算法和支持向量机的电子音乐信号分类研究
被引量：10
- 1
-
-
作者
李策
李智
-
机构
佳木斯大学
琼台师范学院
-
出处
《现代电子技术》
北大核心
2020年第21期51-54,共4页
-
文摘
电子音乐信号具有非平稳性变化特点,当前难以准确描述电子音乐信号的变化特点,使得电子音乐信号分类准确性不够,为了提高电子音乐信号分类准确性,提出粒子群优化算法和支持向量机的电子音乐信号分类方法。首先,分析当前国内对电子音乐信号的分类研究现状,并采集电子音乐信号;然后,对电子音乐信号分类进行噪声过滤操作,并提取电子音乐信号变化特征;最后,结合粒子群优化算法和支持向量机的优点,建立电子音乐信号分类模型,并采用多种类型的电子音乐信号进行分类性能测试实验。结果表明,粒子群优化算法和支持向量机可以有效区分各种电子音乐信号,电子音乐信号分类准确性高,使得电子音乐信号分类误差控制在实际应用区间内,同时,电子音乐信号分类准确性和效率要显著好于对比电子音乐信号分类方法。
-
关键词
电子音乐信号分类
粒子群优化算法
支持向量机
音乐信号采集
特征提取
分类模型
-
Keywords
electronic music signal classification
particle swarm optimization algorithm
support vector machine
music signal acquisition
feature extraction
classification model
-
分类号
TN911.7-34
[电子电信—通信与信息系统]
TP181
[电子电信—信息与通信工程]
-
