基于支持向量机的音乐自动分类-电路与系统专业论文.docxVIP

摘要音乐分类实质上是音频分类的一个分支，现已逐渐成为模式识别领域的一个 摘要 音乐分类实质上是音频分类的一个分支，现已逐渐成为模式识别领域的一个 研究热点，其研究发展方向大体可以归纳为以下三个方面：一是在音乐特征提取 的方法和特征向量的组成上做改进；二是在分类器的选择上做改进；三是在解决 多分类问题的方法上做改进。 本文采用SVM做分类器，对流行音乐、古典乐器、钢琴曲、民歌、美声、 戏曲六种不同风格的音乐进行分类，实验所做的工作归纳如下： 第一，通过学习数字音频技术理论来掌握音频短时处理技术，结合实际对每 个音乐样本进行预加重、分帧、加窗、判别静音帧等短时预处理，然后提取音乐 样本的时、频域感知特征和基音频率特征；提取音乐样本的MFCC矩阵并求取 该矩阵的统计特征。 第二，在深入理解SVM分类原理的基础上，比较标准SVM与变种SVM的 优缺点，确定本实验采用标准SVM来进行分类； 测试了MFCC维数、MFCC 统计特征、MFCC与感知特性的各种组合方式对SVM分类器性能的影响，比 较了同等条件下SVM与其它分类器的优势。 第三，研究多分类方法的应用，分析比较各种多类分类方法的优劣，提出了 利用先验知识和树形结构相结合的方法构造多分类系统。用标准SVM对样本进 行训练得到多个两类分类器，比较各分类器的分类精度，按照比较的结果对样本 进行人为的最优聚类，再用树形非交叠结构构造多分类系统，最后测试得到较好 的分类效果。 关键词：音乐分类：特征提取；支持向量机；多类分类 ABSTRACTIn ABSTRACT In essence，the music classification iS a branch of audio classification，and has become a hot topic in pattern recognition，the direction of its research and development in general can be summarized in three aspects：first，the methods of music feature extraction and the form of feature vectors Can be make improvements； second，the choice of classifier Can do to improve；third，to solve the problem of multiple classifiers Can do to improve on． In this dissertation，experiments have used support vector machine to classify the various music，which including pop music，classical music，piano music，folk songs， vocal，opera in six different styles，and experimental work are summarized as follows： First，by learning the theory of digital audio technology to master the short audio processing technology,combined with actual conditions，each music sample will be gone through the short-term pretreatment processes of pre-emphasis，framing，window, identification of silent frame．And then，to extract music samples’characteristics which are in time domain，frequency domain and extract the MFCC matrix as well as the statistical characteristies ofthis matrix． Second，after deep understand the principle of SVM classification，l made a comparison between standard SVM and SVM variants，and decided to choose support vector machine as the classifier,then，l te