流行音乐发展简史.pdf

参赛队号#1129 第六届“认证杯”数学中国 数学建模网络挑战赛 承 诺 书 我们仔细阅读了第六届“认证杯”数学中国数学建模网络挑战赛的竞赛规则。 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网 上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 , 我们知道，抄袭别人的成果是违反竞赛规则的 如果引用别人的成果或其他公开的 资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参 考文献中明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规 则的行为，我们将受到严肃处理。 我们允许数学中国网站()公布论文，以供网友之间学习交流，数学中 国网站以非商业目的的论文交流不需要提前取得我们的同意。 我们的参赛队号为：1129 参赛队员 签名 ：(((( )))) 1 队员 ：万佳乐 2 队员 ：王志平 3 队员 ：何帅帅 参赛队教练员 签名 ： 郭青宇(((( )))) 参赛队伍组别：本科组 参赛队号#1129 第六届“认证杯”数学中国 数学建模网络挑战赛 编 号 专 用 页 参赛队伍的参赛队号（请各个参赛队提前填写好）： #1129 竞赛统一编号（由竞赛组委会送至评委团前编号）： 竞赛评阅编号（由竞赛评委团评阅前进行编号）： 参赛队号#1129 2013 2013年第六届“认证杯”数学中国 数学建模网络挑战赛 题 目 流行音乐发展简史 关 键 词 神经网络;分类器;反文档频率;LSA;LDA 摘 要： 音乐风格划分是音乐推荐、欣赏的基础。本模型考虑各个音乐流派的声学、标签和 主旋律特征。用Audition等软件处理音乐获取数据，在利用神经网络等方法进行数据 处理，最终对音乐进行风格划分。 第一针对声学特征，先利用软件处理音乐，然后运用神经网络结构给出误差反传训 练算法的分类器，最后对分类器进行训练和音乐风格划分。 第二针对标签特征，从音乐网站上利用Audioscrobbler抽取音乐标签，通过反文档 频率和LSA方法对音乐——标签向量进行降维预处理，最后使用LDA模型处理降维后的 向量,将标签属于每个流派的概率转换为对应的音乐属于每个流派的概率。 第三针对旋律特征，以MIDI乐曲为数据源提取出乐曲的旋律，然后对旋律数字化， 通过经验公式对两首音乐进行旋律重合匹配，得出不同风格音乐的旋律。最后利用分类 器进行音乐风格划分。 最终将基于三种特点所求得的分类结果进行加权结合,得到音乐流派分类的最优 解。 参赛队号: #1129 参赛密码 （由组委会填写）