已閱讀1頁，還剩65頁未讀， 繼續(xù)免費(fèi)閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、隨著信息和多媒體技術(shù)的發(fā)展，音樂數(shù)字化被廣泛的應(yīng)用于多種媒體，如無線電廣播、數(shù)字存儲、網(wǎng)絡(luò)等。如此，在大量音樂中高效地檢索和管理音樂成為了近些年研究和發(fā)展的重點(diǎn)。對于音樂進(jìn)行有效的分類及歸類是一個重要的研究方向，音樂分類的性能優(yōu)化更是研究的重中之重。
本文提取了一種符合音樂性質(zhì)的融合特征，提出了一種結(jié)合了深度信念網(wǎng)絡(luò)(DBN)和隱馬爾科夫模型(HMM)的分類模型。首先，從音樂信號中提取充分表征音色、節(jié)奏和情感的特征向量;然后利
2、用設(shè)計的網(wǎng)絡(luò)模型對特征向量進(jìn)行訓(xùn)練，將其映射到一個新的特征空間并計算每類音樂的劃分概率;最后，對音樂進(jìn)行測試，將測試音樂劃分到對應(yīng)概率最大的類別中，并計算測試精度。
本文主要工作如下:
(1)將梅爾多頻系數(shù)用于特征提取中，相比于梅爾倒譜系數(shù)，該特征更適用于多層網(wǎng)絡(luò)模型的訓(xùn)練及分類。
(2)將梅爾多頻系數(shù)和音樂情緒特征相融合，作為分類系統(tǒng)的輸入特征向量，以充分表征音樂信息。
(3)將隱馬爾科夫模型和
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于隱馬爾科夫模型的信號分類.pdf
- 隱馬爾科夫模型hiddenmarkovmodel
- 基于隱馬爾科夫模型的網(wǎng)絡(luò)輿情挖掘.pdf
- 基于隱馬爾科夫模型的人臉認(rèn)證算法研究.pdf
- 基于隱馬爾科夫模型的異常檢測研究.pdf
- 基于隱馬爾科夫模型的語音識別新算法的研究.pdf
- 基于隱馬爾科夫模板模型的視頻動作識別算法研究.pdf
- 基于隱馬爾科夫模型和神經(jīng)網(wǎng)絡(luò)的入侵檢測研究.pdf
- 基于隱馬爾科夫模型的人臉識別.pdf
- 基于隱馬爾科夫模型和深度攝像頭的動態(tài)手勢識別研究.pdf
- 基于隱馬爾科夫模型詞性標(biāo)注的研究.pdf
- 基于隱馬爾科夫模型的鋼琴音符識別算法研究.pdf
- 基于隱馬爾科夫模型的目標(biāo)人體識別.pdf
- 基于隱馬爾科夫模型的聚眾事件檢測.pdf
- 基于隱馬爾科夫模型的步態(tài)身份識別.pdf
- 基于連續(xù)隱馬爾科夫模型的語音識別
- 基于連續(xù)隱馬爾科夫模型的語音識別
- 基于連續(xù)隱馬爾科夫模型的語音識別
- 基于隱馬爾科夫模型的重型肝炎演化研究.pdf
- 基于隱馬爾科夫模型的入侵檢測方法研究.pdf
評論
0/150
提交評論