原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于降噪自动编码器的音乐自动标注算法华东理工大学信息科学与工程学院上海摘要目前大多数音乐自动标注的模型大多采用手动设计模式从而存在最佳特征难以选择的问题本文提出一种基于非监督学习的特征学习算法该算法能自动学习特征的潜在结构而不需要依赖先验知识该算法可大致分为三个阶段首先预处理阶段主要提取音乐的音级轮廓频率谱并进行白化和数据库的实验结果表明本算法在一定程度上提高了音乐自动标注的准确率关键词中图分类号文献标识码随着数字化技术多媒体技术和互联网广泛兴起和应用在线数字音乐蓬勃发展其数量按指数规律增长互联
基于降噪自动编码器 的音乐自动标注算法
（华东理工大学 信息科学与工程学院，上海200237）
摘 要：目前，大多数音乐自动标注的模型大多采用手动设计模式，从而存在最佳特征难以选择的问题，本文提出一种基于非监督学习的特征学习算法，该算法能自动学习特征的潜在结构而不需要依赖先验知识. 该算法可大致分为三个阶段：首先，预处理阶段主要提取音乐的音级轮廓频率谱并进行PCA白化Magnatagatune和GTZAN数据库的实验结果表明本算法在一定程度上提高了音乐自动标注的准确率
关键词
中图分类号391 文献标识码：
Feature Learning for Music Auto-Tagging
文档评论（0）