基于BP神经网络的音乐分类模型,本论文可用于神经网络论文范文参考下载，神经网络相关论文写作参考研究。
神经网络论文参考文献：
摘 要： 针对单一特征难以建立理想音乐分类模型的不足,为了帮助用户找到自己喜欢的音乐,提出BP神经网络的音乐分类模型.首先提取音乐的多种类型特征,便于对音乐信息进行准确描述,然后将这些特征组合在一起作为音乐分类模型的输入向量,通过BP神经网络的智能学习建立音乐分类模型,最后在Matlab 2016平台下进行多个音乐分类实验.结果表明,该模型克服了单一特征提供信息简单的局限性,提高了音乐的分类正确率,而且音乐分类的实时性较好,可以用于网络上的音乐检索研究.
关键词： 情感特征； 音频特征； RBF神经网络； 音乐分类器； 音乐检索； 智能学习
中图分类号： TN711?34； TP391 文献标识码： A 文章编号： 1004?373X（2018）05?0136?04
Abstract： Since the use of single feature is difficult to establish the satiied music classification model, a music classification model based on BP neural network is proposed to help users to find their forite music. The music characteristics with multiple types are extracted to describe the music information accurately. The characteristics are combined as the input vector of the music classification model, and the intelligent learning of BP neural network is adopted to establish the music classification model. The multi?music classification experiment was carried out on Matlab 2016 platform. The results show that the model can overcome the limitations of the single feature providing simple information, improve the classification accuracy of the music, has perfect real?time performance of music classification, and is used to study the music retrieval on the network.
Keywords： emotion characteristic； audio characteristic； RBF neural network； music classifier； music retrieval； intelligent learning
0 引 言
近年來,音乐处理技术得到迅速发展,出现了大量的音乐.面对大量的音乐,人们如何快速找到自己喜欢的音乐显得越来越重要[1].音乐检索技术可以帮助用户实现该功能,而音乐分类是实现快速检索的基础,因此,建立性能优良的音乐分类模型成为当前音乐检索领域中的研究重点[2?3].
音乐分类研究是一个复杂的系统工程,要获得理想的分类结果,涉及的因素相当多,出现了许多的音乐分类模型,所有模型都要提取音乐的特征,主要用于描述音乐的信息,以区别音乐的类型[4?5].当前音乐特征有很多类,如音乐的能量特征、时域特征,频域特征等,它们可以描述音乐一个具体的内容,单一音乐特征提供的信息有限,不能完整描述音乐的整体内容,因此无法正确区别各种类型的音乐[6].当前学者们经常将多种特征组合在一起实现音乐分类,由于提供了更多的信息,音乐分类结果得到了一定的改善.但是多种特征组合在一起存在两个问题：一个是特征数量太多,音乐分类时间明显延长,无法满足音乐的在线检索要求；另一个问题是多种特征可能会提供部分相同信息,使得特征之间会互相影响,特征冗余度增加,对音乐分类产生不利影响[7].除了要提取音乐的特征之外,还有一个重要的内容就是建立音乐分类器,当前分类器的建立大多基于机器学习理论,如隐马尔可夫算法、神经网络、支持向量机等[8?10],它们均有各自的优点,如支持向量机的泛化能力优异,神经网络的学习速度快等.相对于其他算法,BP神经网络的综合性能更优,因此在音乐分类研究中得到了广泛的应用[11].
针对音乐分类过程中的特征优化问题,提出基于BP神经网络的音乐分类模型,最后通过具体实验对音乐分类效果进行分析.
1 基于BP神经网络的音乐分类框架
基于BP神经网络的音乐分类思想为：首先提取不同类型的音乐特征,但不是将音乐多特征进行简单组合,然后采用灰色关联分析确定每一个特征的贡献率,通过贡献率体现第一个特征对音乐分类的重要程度,最后采用BP神经网络建立音乐的分类器,如图1所示.
2 音乐的多特征融合
2.1 音乐的分帧和端点检测
音乐具有非线性变化特点,是一种典型的非平稳信号,因此不能直接对音乐数据进行特征提取,而是对音乐信号进行分帧处理,然后进行音乐的端点检测,便于后续的音乐特征提取操作.
2.2 提取音乐特征
为了解决单一特征的不足,本文提取多种音乐特征,具体如下：
1） 音乐的短时能量特征.音乐与普通声音的能量区别很大,相对于普通声音,音乐的能量值相对更高,因此可以提取每一帧音乐的特征.设音乐的信号的能量为其计算公式为：
结论：关于对写作神经网络论文范文与课题研究的大学硕士、相关本科毕业论文神经网络论文开题报告范文和相关文献综述及职称论文参考文献资料下载有帮助。
基于GA—BP神经网络的Benchmark模型损伤识别
摘 要：针对BP神经网络存在收敛速度慢及网络泛化能力差得缺点，影响结构损伤识别的精确度。本文采用遗传算法对网络的权值和阈值进行优化，提高神经网络。
就bp神经网络银行选址模型相关
摘要：文章基于调查分析这一方式，结合bp神经网络构建过程中存在的非线性关系映射的特征，针对性分析银行网点选址时存在的影响因素。分析出其影响因素中。
基于BP神经网络模型人才考核评价
摘 要：人才工作考核评价是对人才素质、业绩和人才价值的综合测评。多年的人才管理工作实践表明，引入科学的人才评价体系是人才资源有效开发的前提和开展。
基于AHP和BP神经网络制造企业产品绿色评价
因为近期“十三五”五大发展之一“绿色发展”的提出以及我国长期可持续发展的需要，制造业越来越重视产品及其生产的绿色低碳可持续化，采用科学的评价方法。