乐谱识别课件.pptVIP

机动 上页 下页 返回 结束 马氏距离模型的误差估计 在乐曲1——10中，去掉其中的样本 pi = (xi，yi)? 后，用其 结果在 i =1，2，??? ，10时，对pi 进行识别，发现其中仅乐 在乐曲11——20中，去掉其中的样本 pi = (xi，yi)? 后，用其 结果在 i =11，12，??? ，20时，对pi 进行识别，发现其中仅乐 总的误判率为15% 。因此应该说,此分类法还是比较可靠的。 余的9个作为第 I 类的样本， 看它是否属于第 I 类。 曲2被误判为第 II 类，误判率为 10% 。 余的9个作为第 II 类的样本， 看它是否属于第 II 类。 曲18和19被误判为第 I 类，误判率为 20% 。 用马氏距离模型对pi 进行识别， 用马氏距离模型对pi 进行识别， 相近，分别如表7。（参考图1） 机动 上页 下页 返回 结束 分析发现，被误判的三首乐曲的节奏系数X 和旋律系数Y 都 表7 它们三点都位于两类区域的边缘，在去掉它以后，再分的类 当然，大家还可以用人工神经网络,模糊分类等模型对其分类, 中，就很可能将它归到另一类去了。 如果加上它以后再分的类， 就可以避免一些错误。 因此应该说,总的误判率是小于 15% 的。 结果也差不多。 由图看出， 点 p50 应该属于第II类。但是用马氏距离分类，却将它判为属于第I类。这是因为马氏距离是考虑了随机因素的影 响。 中的位置如图2中的黑圈。 机动 上页 下页 返回 结束 值得注意的问题 乐曲50作为点p50=(132.9231，110.7692)在坐标系（X，Y） 图2 第I类的中心 第II类的中心 点p50 若用欧氏距离进行聚类分析 机动 上页 下页 返回 结束 先介绍模糊子集的基本知识 一. 特征函数 则称?A为集合A的特征函数。 设A和B是U的子集，?x?U，特征函数具有下列性质： 3 ?A(x)≤?B(x) ? A ? B ; 5 ?A?B (x)=?A(x)??B(x) ; 8 ?A-B(x) = ?A(x) - ?A(x)??B(x) 。 对于传统集合，我们可以用特征函数来定义。 定义1. 设U为全集，集合A ?U，函数?A：U?{0，1}，使 1 ?A(x) = 0 ?A= ? ; 2 ?A(x) = 1 ?A= U ; 4 ?A(x) = ?B(x) ? A = B ; 6 ?A?B(x) = ?A(x) + ?B(x) - ?A(x) ? ?B(x) ; 2 模糊识别模型 机动 上页 下页 返回 结束 从U到闭区间[0，1]的函数， 例如. 设给学生评分的集合U={a , b , c , d}，其中a ,b ,c 视为 我们可以记有限集合U的子集A为 式中每一项的分母为U的元素，分子为该元素对应的特征函数 二. 模糊子集 将全集U的子集 的特征函数? 作如下推广， 使? 变为 则 ?A(a) = 1 ; ?A(b) = 1 ; ?A(c) = 1 ; ?A(d) = 0 。 及格，d视为不及格。 于是及格集合 A={a,b,c}，A?U， 设特征 函数?A：U?{0，1}， ?A的值， 加号“+”并非表示数相加，仅表示各项的列举。 机动 上页 下页 返回 结束 但是性质5，6，8却与前面不同，它们是： 模糊子集的从属函数也有8个性质， 从属函数（或隶属函数）， 程度越低。 当0 r 1时， 5. ? ? (x) = min{ ? (x),? (x) } 6. ? ? (x) = max{? (x),? (x) } 8. ? - (x) = min{? (x),1 - ? (x) } 即变为? ：U?[0，1]，?x?U，有? (x) = r , (0≤r≤1)。 并规定：当r =1时，x? ,当r =0 时，x? , r 表示x属于 的程度，r 越接近于1，程度越高；r 越接近于0， 这时，称函数 ? = ? (x) （0≤?≤1）为子集 的 为U的模糊子集。用大写字母下画一波浪符号 表示。 称定义了从属函数? (x)的集合 其中性质1，2，3，4，7与 前面传统集合的特征函数的对应性质完全相同，不再列出。 乐谱识别问题 制作 周 寅 亮 机动 下页 返回 结束 乐谱识别问题 问题: 从获得的信息量角度看，听觉是人类仅次于视觉的第二 感觉， 因而，在机器人研究领域中，机器听力成为了