基于SVM主动学习的音乐分类

• 作者: 姚磊 邵曦
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 支持向量机 主动学习 音乐分类
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 127-133
• 页数: 7页
• 分类号: TP311
• 字数: 7470字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1405-0097

摘要

提出了一种改进的SVM（支持向量机）主动学习方法，通过多次迭代提供给用户信息量最大的样本并将其加入训练集，可以大大减少人工标记样本所耗费的代价。为了评估分类器的性能，实验中对包含了五种音乐流派类别（舞曲、抒情、爵士、民乐、摇滚）的801首音乐样本进行了分类，并在分类准确率的收敛速度和达到同等准确率下需要标注的样本数目两个方面验证了提出的SVM主动学习方法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邵曦	南京邮电大学通信与信息工程学院	27	90	6.0	8.0
2	姚磊	南京邮电大学通信与信息工程学院	1	8	1.0	1.0