基于回归分析的音乐情感分类系统-信号与信息处理专业论文.docxVIP

万方数据 万方数据 南京邮电大学学位论文原创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。 尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过 的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 本人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。 研究生签名： 日期： 南京邮电大学学位论文使用授权声明 本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文 档；允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索； 可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质 论文的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院办理。 涉密学位论文在解密后适用本授权书。 研究生签名： 导师签名： 日期： 摘要 近年来，爆炸式增长的网络音乐资源使得音乐信息的检索和管理变得困难。如何对音乐 信息进行高效地检索与分类成为人们研究的热点。作为音乐信息检索的一个重要领域，音乐 情感分类将音乐数据根据表达情感分成不同类别，非常符合用户搜索音乐的思维习惯。然而， 情感独有的模糊性与主观性增加了机器自动化分类的难度，分类效果通常较差。本文研究的 音乐情感分类系统试图找到使其性能提高的方法，具有重要的意义与实用性。 在对情感模型进行分析后，选择 Thayer 的二维情感平面作为建立音乐情感数据库的基 础。根据音乐信息检索国际会议建立的音乐情感标准将音乐分成五类，并引入连续型情绪感 知的概念，将音乐情感视为二维情感平面上的点，由活跃度（A）和激励度（V）两个情感变 量共同确定其位置。采用人工标注的方法确定五类情感在情感平面上的位置范围，并使用回 归方法求取 VA 值与音乐特征之间的关系，从而将音乐情感分类问题转化为回归问题。 设计并实现了基于回归的音乐情感分类系统，该分类系统主要包括训练部分与测试部分。 训练部分采用多项式回归、支持向量回归与 k 平面分段回归三种算法求取回归模型。其中，k 平面分段回归基于 k 平面聚类算法提出，通过多次迭代求取超平面的方法避免传统分段回归 需事先求取断点的步骤。测试部分对输入音乐数据进行回归预测得到其 VA 值后进行分类，用 分类准确率考量系统性能。结果表明，支持向量回归和 k 平面分段回归相结合的方法与单独 使用一种算法相比，准确率提高了 3 到 4 个百分点；与基于支持向量机的传统分类方法相比， 准确率提高了 6 个百分点。 关键词：音乐情感分类，情感模型，连续型情绪感知，支持向量回归，k 平面分段回归 I Abstract In recent years, the explosive growth of online music resources makes the retrieval and classification of music information become very difficult and has attracted many researchers’ considerable attention. Among this area, automatic music emotion classification (MEC), which is to classify the music data into different categories on the basis of the emotional expression, is consistent with users’ searching habits. However, the ambiguity and subjectivity of emotion makes automatic music classification difficult. In this study, we try finding a new MEC method to improve this music classification performance. In our new method, the Thayer’s emotional model was selected as the basic music emotion database and the music was divided into five categories according to the MIREX standard. Also, the emotion was