基于隐马尔可夫模型的音乐分类

• 作者: 刘冬生 张懿 欧阳春娟 肖晓红
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 分类 音乐类型 节奏 隐马尔可夫模型
• 年，卷（期）: 2017,（16）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 138-143,165
• 页数: 7页
• 分类号: TP391
• 字数: 6183字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1603-0441

摘要

音乐类型(Genre)是应用最普遍的管理数字音乐数据库的方式,提出一种基于隐马尔可夫模型(Hidden Markov Models,HMMs)的音乐自动分类方案.在考虑传统的音色特征(Timbre)的同时,将另一重要特征节奏(Tempo)也加以考虑,并通过bagging训练两组HMM进行分类,达到了良好的效果.从结构、状态数和混合高斯模型数三个方面进行了参数优化,找到了最佳的HMM参数.在音乐数据集GTZAN上对传统模型和新模型分类效果进行了测试,结果表明考虑了节奏特征的HMM分类效果更佳.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘冬生	井冈山大学电子与信息工程学院	25	112	4.0	10.0
2	欧阳春娟	井冈山大学电子与信息工程学院	27	101	6.0	8.0
3	肖晓红	井冈山大学电子与信息工程学院	8	25	3.0	4.0
4	张懿	清华大学电子工程系	1	9	1.0	1.0