利用遗传算法改进SOM网络初始权值的乐器分类①.PDFVIP

计 算 机 系 统 应 用 2012 年 第 2 1 卷 第 4 期 ① 利用遗传算法改进SOM 网络初始权值的乐器分类 杨 松，于凤芹 (江南大学 物联网工程学院，无锡 214122) 摘 要：针对 SOM 网络在分类中由于其初始权值的随机性而导致的训练次数过多且易陷入局部最小的问题，提 出了利用遗传算法改进网络初始权值的乐器分类。仿真实验提取 10 种乐器的 12 阶 MFCC 系数，之后使用遗传 算法计算出每种乐器各阶系数的适应度值，并以此作为网络的初始权值，之后使用已赋初值的 SOM 网络分类。 仿真实验结果表明：利用遗传算法改进 SOM 网络初始权值的乐器分类方法的分类正确率最高可达到 83.51%。 关键词：乐器分类；自组织特征映射网络；遗传算法 Using Genetic Algorithms to Improve the Initial Weights of SOM Network in the Musical Instrument Classification YANG Song, YU Feng-Qin (School of Internet of Things Engineering, Jiangnan University, Wuxi 214122, China) Abstract: For the problem of excessive training and easy to fall into local minimum in SOM network in the classification caused by the randomness of its initial weight, using genetic algorithm to improve network initial weights in instrument classification is proposed. Simulation experiments extract 12-order MFCC coefficients of 10 different kinds of musical instruments. Then use the genetic algorithm to calculate the fitness value of each order in each instrument, and use the fitness value as the network initial weights. Simulation results show that: the way of using genetic algorithms to improve the initial weights of SOM network in the musical instrument classification is effective and the classification accuracy can reach 83.51%. Key words: musical instrument classification, SOM network, genetic algorithms 乐器分类就是通过分辨不同乐器所产生的声频信 的MFCC 称为 12 阶 MFCC 系数，是目前常用的声学 号从而将乐器区分开来，广泛应用于信息检索及模式 特征参数，适用于乐器分类。文献[3]中使用MFCC 作 [1] 识别领域 。传统的弦乐，打击乐，木管乐，铜管乐， 为特征对 6 种乐器实现分类，正确率达到 92.5% 。除 键盘乐等 5 类乐器之间的大类区分由于其频率范围的