基于情感的音乐分类系统的研究实现

接下来的第二层的分类准确率,因为若第一层为分类正确则的第二层的分类错误率为百分之百,所以本文的所提出的双层分类系统结构的分类性能改善必须建立在第一层的分类准确率较高的前提下。另外音乐片段特征值的选取不同也会对音乐分类系统后面的最终识别准确率造成一定的影响。音乐情感分类是指将属于相同情感的音乐片段归为同一类。因此基于情感的音乐分类的系统可以用最后得到的每种类别正确的分类数目的比例来进行衡量,or可以定义为:?(1.1)其中Ntot表示每种类别的总的音乐片段数目,Ncor表示实验得到的对应的种类中分类正确的音乐片段的数目。1.5论文的结构论文的结构安排如下:第一章绪论。首先介绍了基于情感的音乐分类的研究意义,然后介绍了国内外的研究现状,最后简单介绍了本文的主要研究内容及论文安排。第二章音乐情感建模。首先介绍了音乐情感的心理模式及音乐情感的复杂特性,再介绍了采用文本关键字模型、基本情感理论模型和声学参考模型来对复杂的音乐情感进行量化,并选定本系统识别的四种情感类别。第三章特征提取。首先简单介绍了语音音频信号所传递的信息及音乐信号的预处理相关知识。接下来再从音乐的韵律特征及音色特征两个方面入手,介绍相关特征提取过程。第四章Adaboost与支持向量机的理论基础。本章主要介绍支持向量机算法与Adaboost分类算法的相关理论知识。第五章系统结构与实验仿真。首先为本文提出的系统给出了一个整体的设计流程图,并针对音乐信号所提取的特征值进行分析,然后在模型训练与测试小节中从不区分演唱者性别与区分演唱者性别两个方两分别比较了SVM算法与adaboost算法的分类性能,并进行相关的结果分析。第六章实验总结与展望。本章主要总结了本文设计的音乐情感分类系统的贡献,并提出了本系统存在的一些问题与展望。1http://music.ece.drexel.edu/research/emotion/万方数据