基于音频特征的乐器分类研究

• 作者: 周涛 孙俊 胡耀文 邵玉斌 龙华
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 乐器分类 音频特征 MFCC Relief算法 特征提取
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 人工智能
• 页码范围: 17-21
• 页数: 5页
• 分类号: TP301
• 字数: 4230字
• 语种: 中文
• DOI: 10.11907/rjdk.172983

摘要

针对现有乐器分类研究中存在的使用特征量过多、分类准确率有待提高等问题,提出了一种特征量少、准确度高的乐器分类方法.基于Relief算法的主成分特征提取方法,计算出各特征量的权重,设计3层的神经网络分类器.根据所提算法和分类器,使用8项音频特征与传统的24项M FCC特征,分别对中西方9种乐器进行了分类实验,并分别使用权重最高的4、5、6项特征进行分类实验.结果表明,所提出的音频特征相比于传统M FCC特征对乐器分类的平均准确率更高,达到94.84％,且特征量更少,说明基于Relief算法的主成分特征提取方法能有效减小低相关性特征对分类准确率的影响.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	龙华	昆明理工大学信息工程与自动化学院	132	376	9.0	13.0
2	孙俊	昆明理工大学信息工程与自动化学院	36	200	8.0	13.0
3	邵玉斌	昆明理工大学信息工程与自动化学院	114	279	8.0	11.0
4	胡耀文	昆明理工大学信息工程与自动化学院	3	4	1.0	1.0