基于卷积神经网络的音乐流派分类

论文摘要

针对单一特征建立的音乐流派分类模型导致误判、遗漏、错分的不足及其处理速度慢、效率低等问题,提出了一种基于卷积神经网络的音乐流派分类方法。该算法首先采用倒谱系数提取音频的MFCC特征矩阵,以其特征值作为CNN神经网络的输入量对音频信号进行训练,获取最优分类器用以作为训练器。将经典、乡村、重金属和摇滚四种音乐流派的音频信息通过最优分类器进行仿真实验。实验结果表明:卷积神经网络分类的平均分类效率可达88%,处理速度明显提升,降低误分类及错判率。

论文目录

• 0 引 言
• 1 音乐分类的现状
• 2 音乐分类的框架
• 3 基于神经网络的音乐分类
•   3.1 音乐特征的提取
•   3.2 卷积神经网络算法
•     1)卷积层
•     2)池化层
•     3)全连接层
•     4)卷积神经网络的反向传播训练
•   3.3 仿真实验
•     1)音乐数据源
•     2)音乐特征信号
•   3.4 卷积神经网络的分类准确率
• 4 结 论

文章来源

类型: 期刊论文

作者: 陆欢

关键词: 音乐分类,音频特征,特征提取,神经网络

来源: 电子测量技术 2019年21期

年度: 2019

分类: 信息科技,哲学与人文科学

专业: 音乐舞蹈,电信技术,自动化技术

单位: 上海理工大学

分类号: TN912.3;TP183;J609.9

DOI: 10.19651/j.cnki.emt.1902949

页码: 149-152

总页数: 4

文件大小: 308K

下载量: 179