基于最小二乘支持向量机的电子音乐识别研究

• 作者: 周婧 范凌云
• 来源期刊: 现代电子技术
• 关键词: 电子音乐 短时特征 特征向量归一化 最小二乘支持向量机 噪声鲁棒性 识别速度
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 测控与自动化技术
• 页码范围: 109-112,116
• 页数: 5页
• 分类号: TN911-34|TP391.9
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2018.09.024

摘要

为了提高电子音乐识别精度,更快从海量电子音乐中找到用户真正需要的电子音乐,提出基于最小二乘支持向量机的电子音乐识别模型.首先收集电子音乐的数据,并采用小波分析对电子音乐数据进行去噪处理,然后提取电子音乐的特征,并对特征进行归一化处理,最后采用最小二乘支持向量机对处理后的电子音乐数据进行训练,建立电子音乐识别模型.采用具体电子音乐数据对模型的有效性进行验证,结果表明,与传统电子音乐识别模型相比,支持向量机对噪声数据具有良好的鲁棒性,可以有效识别各种类型的电子音乐,而且电子音乐的识别速度更优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周婧	江西农业大学人文与公共管理学院	14	12	2.0	2.0
2	范凌云	江西农业大学人文与公共管理学院	13	17	2.0	3.0