改进极限学习机的电子音乐分类模型

• 作者: 赵亮
• 来源期刊: 现代电子技术
• 关键词: 音乐分类 核主成分分析 极限学习机 音乐特征 遗传算法
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 电子技术
• 页码范围: 155-158
• 页数: 4页
• 分类号: TN912.3-34|TP391
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2017.05.039

摘要

针对传统模型无法准确实现电子音乐分类和识别的难题,提出改进极限学习机的电子音乐分类模型.首先对电子音乐数据进行采集,并提取其倒谱系数特征,并采用核主成分分析对特征进行筛选;然后采用遗传算法对极限学习机的参数进行选择,并用于构建电子音乐的分类器;最后采用多种类型的电子音乐进行仿真实验,改进极限学习机的电子音乐平均分类率达到了95%以上,电子音乐的错分率要远远低于当前其他电子音乐分类模型.实验结果验证了该电子音乐分类模型的可行性以及优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵亮	郑州大学体育学院	70	235	8.0	12.0