语境化音乐流派识别

• 作者: 刘浏
• 来源期刊: 安徽大学学报（自然科学版）
• 学科: 工学
• 关键词: 音乐流派分类 声学特征 语境化 标签特征 堆叠泛化
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 65-72
• 页数: 8页
• 分类号: TP18
• 字数: 4918字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-2162.2017.03.011

摘要

音乐流派识别(music genre recognition,简称MGR)是一项应用前景广阔的研究领域,同时也能够为音乐机器学习技术提供一个良好的测试台.在过去几年中,涌现出了大量基于机器学习的MGR系统.然而,单纯依靠底层声学特征的MGR算法在分类时往往不能得到令人满意的结果.作者受到语境化机器学习技术的启发,提出了基于堆叠泛化的MGR分类系统.该系统通过提取互联网中用户标注音乐时使用的标签,同时融合声学特征完成语境化音乐流派识别.在论文中,MGR系统分为内容层和语境层,内容层由提取Mel倒谱系数(Mel frequency cepstrum coefficient,简称MFCC)和快速傅里叶变换(fast Fourier transformation,简称FFT)特征的声学特征表示,语境层由额外标签表示.在数据集GTZAN的实验结果表明,在数据集GTZAN下,语境化的MGR分类准确率远高于基于声学特征的MGR分类准确率,实现了20%的分类性能的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘浏	曼彻斯特大学计算机科学学院	1	0	0.0	0.0