基于降噪自动编码器特征学习的音乐自动标注算法

• 作者: 陈宁 黎鹏
• 来源期刊: 华东理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 深度学习 音乐自动标注 降噪自动编码器 多层感知机
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 研究论文
• 页码范围: 241-247
• 页数: 7页
• 分类号: TP391
• 字数: 5762字
• 语种: 中文
• DOI: 10.14135/j.cnki.1006-3080.2017.02.014

摘要

目前,音乐自动标注模型大多采用手动设计模式,因而存在最佳特征难以选择的问题.提出了一种基于非监督学习的特征学习算法,该算法能自动学习特征的潜在结构而不需要依赖先验知识.首先,预处理阶段主要提取音乐的音级轮廓频率谱并进行PCA白化降维处理;然后,采用深度学习中的降噪自动编码器算法对降维后的特征进行无监督的学习,并采用最大值池化和取均值来聚合得到新的特征向量;最后,将特征向量和标签送入多层感知机中进行有监督的学习.基于Magnatagatune和GTZAN数据库的实验结果表明,本文算法在一定程度上提高了音乐自动标注的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黎鹏	华东理工大学信息科学与工程学院	1	6	1.0	1.0
2	陈宁	华东理工大学信息科学与工程学院	20	76	6.0	7.0