计算机乐谱识别问题( 队).docVIP

PAGE PAGE 12 乐谱识别问题研究 摘要 本文通过对给出的分成两类的20首风格各异的曲目特征的提取，构造出乐谱类别的分类方法，分析验证了方案的判别率，并用这些方法对后30首未分类的曲目进行判别。 我们在问题分析中提出了4种可能的判别方案： 根据每首乐谱的演奏速度； 根据某种或某几种符号的在两种乐谱类型里百分含量差异； 根据某种符号在一种乐谱类型中百分比与其他符号差异巨大，而另一 种符号在另一种类型中百分比的与其他符号差异巨大； 四、以上3种方式的组合； 第一种方案可直接进行人工判别，经过分析，认定演奏速度在100拍/分钟以上的为第Ⅰ类乐谱，100拍/分钟以下的为第Ⅱ类乐谱。我们认定此方案判别完全正确率为100%。用已知分类20首乐谱检验，得出判别率为75%，。对剩余30首乐谱进行判别，判别率为70%。 第二、三种方案的判别需先统计各种字符在每首乐谱里的百分比，我们用公式 ； 求出每首乐谱中不同音符在该乐谱中出现的百分比 ，然后再生成表格和图像进行研究。得出数据后发现只适用于第二种方案，用已知分类20首乐谱检验，得出此方案的判别率为100%，判别完全正确率为80%。此方案可对剩余30首乐谱完全判别，但无法确定正确率及完全正确率。 第四种方案综合了第一和第二种方案，通过两个方案的优缺点互补，得出较好的判别结果，用已知分类20首乐谱检验，得出此方案的判别率为100%，判别完全正确率为95%。 最后，我们用第四种方案去判别剩余30首乐谱，得出结论如下： Ⅰ类乐谱应为乐谱22、26、34、49和24、28、35、36、37； Ⅱ类乐谱应为乐谱25、27、29、30、31、32、38、39、40、41、42、43、44、45、46、47、50和21、23、33、48； 其中乐谱24、28、35、36、37和21、23、33、38不能确定分类是否正确；此方案判别率为100%，判别完全正确率为70%。 关键词：判别率 统计 乐谱 一 问题重述 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，机器听力成为了一个十分热门的话题。特别是由于听力对于人的思想熏陶和感情气质的巨大作用，使人们联想到可以通过听力来训练计算机获得感情，由此必须首先能够让计算机从音乐信号中识别出喜怒哀乐等各色情感。 人的情感十分复杂，表现在音乐中更是千差万别，这使得机器识别的困难很大。作为机器感情识别的初步研究，我们首先给出20首风格各异的曲目，分成两类，请从中提取特征，再构造分类方法，并用这些已知的分类组去衡量你的方法是否准确。随后希望能够用你的方法对后30首未分类的曲目进行判别。 为方便大家使用计算机进行阅读曲谱，曲谱已经转为文本格式，各符号定义如下： 符号 含义 符号 含义 1－7 音高 _ 节拍减半 ^ 升8度 － 延长一拍 # 降8度 . 浮点音符 0 空拍 | 小节分格符 || 乐曲终止符 $ 文件的行结束标志位 例如 有下面一段曲谱：    转换成txt文件后为： 6_ 7 6_ 6_ 3_ 5_ 6_| 6 3--| 2_ 3 2_ 2_ 6#_ 1_ 2_ |1_ 2_ 6#--|$ 6_ 7 6_ 6_ 3_ 5_ 6_| 6 3--| 2_ 3 2_ 2_ 6#_ 1_ 2_ |1_ 2_ 6#--|$ 1_ 2 3_ 3_ 6# 3_ | 2-- 3_ 5_ | 6_ 7_ 6_ 7_ 6__ 7__ 3_ |5-- 5_ 6_|$ 1^-- 7__ 1^__ 7__ 6__|6-- 5| 6_ 1 3_ 2_ 6#__ 1__ 7#_ 6#_| 6#_ 5#. 5#_ 6#_|$ 1. 6#_ 3. 2__ 3__| 2-- 3| 7#_ 5#_ 3__ 2__ 7#_ 3_ 2__ 3__ 5#_|1_ 6#. 6#-|$ 1^_ 6. 6-|1^_ 2^. 1^_ 2^_ 1^__ 2^__ 6| 1^_ 6. 6-| 6||$ 80 注：最后的数字为曲目演奏速度（每分钟的节拍数） 其中1－10为I类，11－20为II类，21－50为待分类的乐曲。全部乐谱文件在“试题A附件.txt”中给出。 二 模型假设 （1）1-7这7种音高在乐谱中对乐谱类型的影响不同； （2）文件的行结束标志$和乐曲终止符||不是乐谱分类的因素； （3）空格作为乐谱分类的一个因素； （4）认定按乐谱演奏速度判定的类型正确率为100%； （5）每个符号在乐谱中出现的概率是均等的； （6）用各符号在该乐谱的百分含量来表示期对该谱类型影响大小； （7）剩余的30首乐谱是随机选择的，不是刻意选择的Ⅰ类或Ⅱ类乐谱； 三 符号说明 …………….每个乐谱的演奏速度（=1，2，3…..50）； ……………第首乐谱的