基于BP神经网络音乐分类模型.docVIP

基于BP神经网络音乐分类模型 　　摘 要： 针对单一特征难以建立理想音乐分类模型的不足，为了帮助用户找到自己喜欢的音乐，提出BP神经网络的音乐分类模型。首先提取音乐的多种类型特征，便于对音乐信息进行准确描述，然后将这些特征组合在一起作为音乐分类模型的输入向量，通过BP神经网络的智能学习建立音乐分类模型，最后在Matlab 2016平台下进行多个音乐分类实验。结果表明，该模型克服了单一特征提供信息简单的局限性，提高了音乐的分类正确率，而且音乐分类的实时性较好，可以用于网络上的音乐检索研究。 　　关键词： 情感特征； 音频特征； RBF神经网络； 音乐分类器； 音乐检索； 智能学习 　　中图分类号： TN711?34； TP391 文献标识码： A 文章编号： 1004?373X（2018）05?0136?04 　　Abstract： Since the use of single feature is difficult to establish the satisfied music classification model， a music classification model based on BP neural network is proposed to help users to find their favorite music. The music characteristics with multiple types are extracted to describe the music information accurately. The characteristics are combined as the input vector of the music classification model， and the intelligent learning of BP neural network is adopted to establish the music classification model. The multi?music classification experiment was carried out on Matlab 2016 platform. The results show that the model can overcome the limitations of the single feature providing simple information， improve the classification accuracy of the music， has perfect real?time performance of music classification， and is used to study the music retrieval on the network. 　　Keywords： emotion characteristic； audio characteristic； RBF neural network； music classifier； music retrieval； intelligent learning 　　0 引 言 　　近年?恚?音乐处理技术得到迅速发展，出现了大量的音乐。面对大量的音乐，人们如何快速找到自己喜欢的音乐显得越来越重要[1]。音乐检索技术可以帮助用户实现该功能，而音乐分类是实现快速检索的基础，因此，建立性能优良的音乐分类模型成为当前音乐检索领域中的研究重点[2?3]。 　　音乐分类研究是一个复杂的系统工程，要获得理想的分类结果，涉及的因素相当多，出现了许多的音乐分类模型，所有模型都要提取音乐的特征，主要用于描述音乐的信息，以区别音乐的类型[4?5]。当前音乐特征有很多类，如音乐的能量特征、时域特征，频域特征等，它们可以描述音乐一个具体的内容，单一音乐特征提供的信息有限，不能完整描述音乐的整体内容，因此无法正确区别各种类型的音乐[6]。当前学者们经常将多种特征组合在一起实现音乐分类，由于提供了更多的信息，音乐分类结果得到了一定的改善。但是多种特征组合在一起存在两个问题：一个是特征数量太多，音乐分类时间明显延长，无法满足音乐的在线检索要求；另一个问题是多种特征可能会提供部分相同信息，使得特征之间会互相影响，特征冗余度增加，对音乐分类产生不利影响[7]。除了要提取音乐的特征之外，还有一个重要的内容就是建立音乐分类器，当前分类器的建立大多基于机器学习理论，如隐马尔可夫算法、神经网络、支持向量机等[8?10]，它们均有各自的优点，如支持向量机的泛化能力优异，神经网络的学习速度快等。相对于其他算法，