基于连续小波和支持向量机分类音乐类型

• 作者: 伊戈尔·艾杜阿尔达维奇 颜景斌
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 音乐类型分类 小波 支持向量机 核函数
• 年，卷（期）: 2008,（12）
• 所属期刊栏目: 智能、算法、系统结构
• 页码范围: 19-21,24
• 页数: 4页
• 分类号: TN912.3
• 字数: 2419字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2008.12.006

摘要

音乐类型分类主要包括两个阶段:特征提取和分类.文中在研究小波变换理论基础上,采用连续小波分析方法提取音乐特征参数.支持向量机是专门针对有限样本情况下的一种分类方法.它是建立在统计学习理论的VC维理论和结构风险最小原理基础上,根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷,以期获得最好的推广能力.采用指数径向基函数(ERBF)内核,分类正确率可达85%,比传统的混合高斯模型和K近邻分类器,分类性能分别提高了21%和23%.实验结果表明,采用小波和支持向量机方法是一种相当有效的音乐类型分类方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	颜景斌	哈尔滨理工大学电气与电子工程学院	34	186	9.0	12.0