导读:本文包含了音乐检索论文开题报告文献综述及选题提纲参考文献，主要关键词:音乐检索,Python,听歌识曲
音乐检索论文文献综述
卢冠成[1]（2019）在《一种基于Python的音乐检索方法的研究》一文中研究指出随着最近几年听歌识曲的火热发展,网易和QQ音乐都陆续开始内嵌听歌识曲功能,广大用户可以方便快捷搜索到自己喜欢的音乐。本论文主要探讨了音乐检索的研究现状,音乐检索方法,并对其中一种基于哼唱的方法进行展开说明,最后通过一个基于Python的听歌识曲实验,对音乐检索技术有了更加直观的理解。大众娱乐和未来计算机行业的发展,将会进一步大大促进音乐检索技术的发展。(本文来源于《电子制作》期刊2019年14期）
王楠鑫,张雨佳[2]（2018）在《基于内容下音乐检索方法的比较研究》一文中研究指出音乐为音频数据的一种,提高音频数据检索效率,是改善用户检索体验的主要途径。本文从音乐内容入手,阐述了基于内容的音乐检索处理框架。基于此,重点对端点检测方法,以及语音识别方法进行了比较研究。并根据研究结果,设计了一种基于内容的音乐检索系统。通过对系统检索效果的观察,证实了系统的应用价值。以期能够为有关人员提供参考。(本文来源于《北方音乐》期刊2018年09期）
郭泽豪[3]（2018）在《基于排序学习的音乐检索方法研究与实现》一文中研究指出随着移动互联网和多媒体技术的发展,多媒体资源面临着爆炸式增长,其中移动音乐以其独特的形态受到研究学者的广泛关注。面对海量的移动音乐,如何理解用户的信息需求,提供满意的排序结果是音乐检索的重点。音乐检索属于信息检索领域的范畴。虽然信息检索领域已经有成熟的研究理论和成果,但是研究音乐排序问题的成果很少。音乐检索系统与其他信息检索系统不同,它具有较强的领域色彩。对于音乐排序来说,通常需要考虑的相关性特征很多,比如歌曲是否是混音、是否是翻唱版本都是影响排序的重要特征,通过简单的检索模型以及人工调参来拟合相关性公式的方式很难得到令人满意的排序结果。针对音乐检索系统的排序问题,本文提出基于排序学习的音乐检索方法研究与实现。本文主要包括以下几点研究工作:1)设计一种基于用户行为分析的热度模型。通过考虑用户行为的特性,计算歌曲以及歌手的热度,并设计一种热度缓存策略来解决日志稀疏性问题。2)基于音乐产品的业务需求和用户的信息需求,本文通过构造用户查询请求参数来表达用户的查询意图。实现以字段为中心的检索,并设计一种人工规则融合排序学习的检索策略来处理不同的返回结果。3)对于某公司提供的真实用户日志进行预处理,针对用户点击的位置偏差和信任偏差问题,提出一种基于歌曲点击次数、点击位置以及点击信任度的点击模型来挖掘用户点击日志中的隐反馈信息,生成高质量的相关性标注。4)从用户信息需求以及音乐产品运营需求角度出发,本文通过特征工程得到查询本身、歌曲本身以及查询与歌曲之间的特征,从而得到排序学习算法的训练集;5)研究并实现RankNet、ListNet、RankSVM、LambdaMART以及RankBoost五种经典的排序学习算法,并通过实验验证不同的排序学习算法在不同实验数据集上的性能差异。基于以上研究,本文设计并实现了基于排序学习的音乐检索系统,并通过接入某音乐产品后的线上效果来验证本文研究成果的实际应用价值。(本文来源于《华南理工大学》期刊2018-05-01）
伍寅峰,张明[4]（2018）在《一种新的音乐检索技术研究》一文中研究指出提出一种新的基于音乐旋律的特征提取算法。该算法依据新的基音检测技术进行基音周期提取,进而得到每个音符的音高,然后使用一种新的线性伸缩方法进行旋律的匹配。实验结果表明这种新的音乐检索技术在哼唱检索中具备较高的准确性和检索效率。(本文来源于《现代计算机(专业版)》期刊2018年09期）
秦静[5]（2018）在《基于内容和语义的音乐检索技术研究与应用》一文中研究指出随着网络和大规模数字音乐产业的发展,音乐的获取和收听以更加便捷的方式呈现在用户面前,如何从海量的互联网数字音乐数据中,找到用户喜闻乐见的音乐,成为音乐信息检索领域要解决的关键问题和主要目标。常见的音乐检索都是以文本检索为主要手段,需要大量的人工标注,大大阻碍了音乐作品的检索和传播,成为数字音乐产业发展的瓶颈问题。音乐是人类思维的产物,以物理波形为载体,传递着人们对生活的理解和主观感受,不同表达方式的音乐检索算法各异。本文以音乐信号处理和分析为基础,研究音乐内容的特征提取和选择,以减少人工标注、提高检索效率;提取音乐语义描述为检索条件,以贴近人们感知音乐的方式去检索音乐数据库,逐步克服低层的音乐特征与音乐的语义之间的“语义鸿沟”,从而获得符合用户主观体验的音乐文件。针对使用哼唱音乐片段作为查询条件的音乐检索,本文提出了以旋律作为主要特征的模型,为了准确描述哼唱音乐旋律,采用动态阈值分割音符算法得到了每个哼唱音符的基音频率。为待检索音乐数据集和输入音乐样本建立了旋律表示模型,设计遗传算法建立了哼唱音乐的逼近模板,修正了哼唱输入个体差异,从而提高了检索精确度。为了加速检索速度,设计了针对哼唱检索的局部哈希敏感算法,为音乐数据库建立了索引。该算法对MIDI音乐文件的分割方式比人工标注的方式节省了时间,扩大了处理音乐的范围,能够满足日益增长的音乐检索需求。针对整首歌曲内容作为查询条件的音乐检索,提出了基于流形排序的模型,并通过设计相关反馈改进了检索结果。使用高斯混合模型和最大似然估计,对每首音频的频谱数据进行了聚类,每个聚类的中心选为典型频谱特征。每首歌曲的典型频谱特征被当作数据点,通过流形排序算法为每个点计算排序相关分数值,用这个分数值代替传统的欧式距离相似度的度量,可以获得新的排序。同时,采用流形排序算法能够挖掘出音乐数据之间潜在的语义,且易于使用相关反馈算法来改进。实验结果证明,提出的基于流形排序的方法,比现有的距离度量方法,能得到更好的排序结果。针对音乐示例语义描述作为查询条件的音乐检索,提出了基于示例语义的模型。为了克服“语义鸿沟”问题,将音乐映射到一个语义空间。使用卷积神经网络模型获取音乐语义特征,根据语义特征为音乐产生语义标注向量。提出了损失函数调整和SMOTE算法两种方式改进了检索模型。实验表明,该模型在数据集人工标注音乐较少,且标签标注样本分布不均的情况下,仍然可以获得较好的标注结果,能够实现语义向量空间中进行检索的目标,并获得了较高的命中率。(本文来源于《大连理工大学》期刊2018-03-13）
李玉刚,张露予[6]（2017）在《基于旋律的音乐检索技术综述》一文中研究指出本文对国内外基于旋律的音乐检索研究进展进行综述,重点研究了近几年应用比较广泛的深度学习方法在音乐内容检索中的应用,分析了该领域以后的发展方向。(本文来源于《中国新闻技术工作者联合会2017年学术年会论文集（学术论文篇）》期刊2017-11-23）
毕娜[7]（2017）在《基于JSP的音乐检索系统设计与实现》一文中研究指出音乐能够陶冶人的情操,给人带来快乐,面对越来越庞大的音乐数据,如何在短时间内高效、准确地检索到所需要的音乐成为音乐爱好者们亟须解决的问题。本文采用JSP+SQL Server 2010技术,设计并实现了一个B/S模式结构的音乐检索系统,以帮助音乐爱好者将原始音乐资料加工、保存,并随时进行检索查询,实现音乐检索的自动化。(本文来源于《科技广场》期刊2017年08期）
秦静,林鸿飞,徐博[8]（2017）在《基于示例语义的音乐检索模型》一文中研究指出基于语义描述的音乐检索是根据音乐所表达的语义和对音乐的主观感受,查找或发现音乐的一种方式。一个典型的基于语义描述的检索(query by semantic description,QBSD)系统被定义为有监督的多类别标记(supervised multi-class labeling,SML)模型,通过使用语义相关标签来标记未知,将音乐映射到一个"语义空间",从而克服语义鸿沟问题。在SML模型基础上,提出将示例音乐作为检索条件,通过对音乐语义的标注将检索示例映射到语义空间,然后在标记后的数据库中,返回语义相似的音乐。并且采用深度学习算法,设计了多类别标记模型。实验表明该模型能够满足用户基于语义音乐检索的基本需要。(本文来源于《山东大学学报(理学版)》期刊2017年06期）
何旭[9]（2017）在《基于旋律特征的实时音乐检索系统》一文中研究指出作为一种人类情感表达的产物,音乐已经成为了人们生活的一部分。目前音乐检索技术虽然已经得到了广泛的应用,但是传统的音乐检索技术还是具有一定的缺陷和不足之处,例如它并没有基于音乐本身的特性,而且需要花费大量的人力和时间来对每首歌曲进行标注,更重要的是,在用户只记得旋律的情况下,传统的检索系统对此束手无策。因此,针对传统音乐检索技术的缺陷和不足之处,本文提出了一种基于复合音乐数据库的哼唱检索系统,它利用音乐本身的旋律特性来辨识音乐,是一种更便捷、更高效的音乐检索方式。旋律是音乐的灵魂,是辨识音乐时应用最多的、最具代表性的特征。本文在现有成果和技术的基础上,基于音乐的旋律特征,实现了一个哼唱检索系统,并在以下几个方面开展研究:(1)提出并实现了一个基于复合音乐数据库的哼唱检索系统。在传统的基于旋律的哼唱检索系统中,音乐数据库是MIDI数据库,MIDI并不含有人声,而且为每首音乐都制作MIDI文件并不现实,因此基于复合音乐数据库实现的哼唱检索系统扩大了哼唱检索的应用范围,具有更大的实用价值。(2)分别研究了单声哼唱基频提取的算法和复合音乐人声基频提取算法,提出了一种改进的倒谱法进行哼唱基频提取,以及归纳和比较两类复合音乐人声基频提取算法,并使用MELODIA算法进行复合音乐数据库人声基频提取。(3)提出了一种新的结合LS和DTW算法的匹配检索引擎设计方案。匹配算法是哼唱检索系统的核心。哼唱的速率变化、哼唱音频质量、哼唱时音调的偏差都是匹配算法需要考虑的重要因素,本文采用以最小距离原则结合LS和DTW,具有较少的检索时间和较高的检索准确率。(4)基于C/S模式实现了本文提出的哼唱检索系统。前端基于Android平台,包含录音、VAD检测等模块;服务器后端基于Linux平台,包含基频的提取、数据库的管理、基频序列的匹配等模块。进行了大量的系统测试,验证了本文的哼唱检索系统具有良好的性能。(本文来源于《东南大学》期刊2017-05-24）
朱布裔[10]（2017）在《基于指纹匹配的音乐检索系统的设计与实现》一文中研究指出随着计算机网络发展日渐成熟,文本之外的多媒体资源得到了自由传播,尤其是数字音乐逐渐普及,用户可以方便地获取各种音乐资源。一些配乐工作者或音乐爱好者,常常收集整理大量的音乐素材,方便在合适时候选用。通常这类素材在融入作品时,只保留部分片段,而且往往会和其他声音混在一起,之后需要再找出作品中素材的原始文件,却记不清相关信息,不容易通过文本的方式进行搜索。基于这个需求,提出了一种基于指纹匹配的音乐检索系统,可以通过录制音乐片段在本地乐库中检索出正确结果。音乐指纹是按某种方法从音乐内容中提取出的信息,它比原始数据更紧凑,但可以代表音乐的重要声学特征。该系统通过对音乐的时域信息序列进行短时傅立叶变换,计算出一系列能量峰值点的“时间-频率”坐标,然后将坐标两两配对作为音乐指纹。对系统用到的关键技术进行了研究,包括快速傅立叶变换、Landmark指纹构造算法、信息检索原理和指纹匹配算法等。在此基础上,用Java语言对系统进行了设计实现。按照软件工程的开发流程,先从用户角度分析,确定功能需求,包括音乐录制、建立指纹库和音乐检索。然后进行整体和模块设计,将系统划分成音乐录制、指纹提取、建立指纹库和指纹匹配几个模块,并进行了编码实现。以200首不同种类的mp3格式音乐作为乐库,每次随机选出20首,在不同系统参数、录制时长和环境噪声下对系统进行测试。在录音时长超过十秒的情况下,检索结果全部正确,表明系统实现了音乐检索的基本功能,准确率高,尤其在抗噪性方面表现良好,具有一定应用前景和研究价值。(本文来源于《华中科技大学》期刊2017-04-01）
音乐检索论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
音乐为音频数据的一种,提高音频数据检索效率,是改善用户检索体验的主要途径。本文从音乐内容入手,阐述了基于内容的音乐检索处理框架。基于此,重点对端点检测方法,以及语音识别方法进行了比较研究。并根据研究结果,设计了一种基于内容的音乐检索系统。通过对系统检索效果的观察,证实了系统的应用价值。以期能够为有关人员提供参考。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
音乐检索论文参考文献
[1].卢冠成.一种基于Python的音乐检索方法的研究[J].电子制作.2019
[2].王楠鑫,张雨佳.基于内容下音乐检索方法的比较研究[J].北方音乐.2018
[3].郭泽豪.基于排序学习的音乐检索方法研究与实现[D].华南理工大学.2018
[4].伍寅峰,张明.一种新的音乐检索技术研究[J].现代计算机(专业版).2018
[5].秦静.基于内容和语义的音乐检索技术研究与应用[D].大连理工大学.2018
[6].李玉刚,张露予.基于旋律的音乐检索技术综述[C].中国新闻技术工作者联合会2017年学术年会论文集（学术论文篇）.2017
[7].毕娜.基于JSP的音乐检索系统设计与实现[J].科技广场.2017
[8].秦静,林鸿飞,徐博.基于示例语义的音乐检索模型[J].山东大学学报(理学版).2017
[9].何旭.基于旋律特征的实时音乐检索系统[D].东南大学.2017
[10].朱布裔.基于指纹匹配的音乐检索系统的设计与实现[D].华中科技大学.2017