作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对传统的基于人工标注的文本音乐分类存在人工标注成本高,易于出错,没有涉及到音乐本身的内容的问题,提出了一种基于音乐内容的分类方法,将深度学习中的长短时记忆网络(LSTM)应用到音乐流派分类中.从包含10种音乐流派的1000首歌曲中提取出梅尔倒谱系数,频谱质心和频谱对比度三个特征,将提取出来的特征数据输入到LSTM网络中进行训练,输出每种音乐类别的概率.对此,进行了三次实验.第一次是将梅尔倒谱系数,频谱质心作为特征数据输入到LSTM网络中,第二次是以频谱对比度和频谱质心作为特征数据,第三次是将梅尔倒谱系数,频谱质心和频谱对比度作为特征数据.从实验结果上看,当梅尔倒谱系数,频谱质心和频谱对比度作为特征数据时,模型的分类效果最好,分类准确率最高.实验结果表明,该方法在准确率上比玻尔兹曼机和卷积神经网络等方法都有所提升.
推荐文章
基于长短期记忆网络的社区演化预测
动态网络
社区演化预测
长短期记忆网络
基于长短期记忆网络的锂电池循环寿命预测
锂电池
长短期记忆
循环寿命
预测
基于卷积长短期记忆网络的泄漏监测算法研究
长输管道泄漏监测
卷积神经网络
长短期记忆神经网络
压力坡降线
对抗长短时记忆网络的跨语言 文本情感分类方法
文本情感
跨语言
对抗
长短时记忆网络
共享特征
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 利用长短期记忆网络进行音乐流派的分类
来源期刊 计算机技术与发展 学科 工学
关键词 音乐分类 长短时记忆网络 梅尔倒谱系数 频谱质心 频谱对比度
年,卷(期) 2019,(11) 所属期刊栏目 应用开发研究
研究方向 页码范围 190-194
页数 5页 分类号 TP399
字数 2786字 语种 中文
DOI 10.3969/j.issn.1673-629X.2019.11.038
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 何丽 北方工业大学计算机学院 36 46 4.0 4.0
2 袁斌 北方工业大学计算机学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (11)
共引文献  (19)
参考文献  (7)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(2)
  • 参考文献(0)
  • 二级参考文献(2)
1991(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(2)
  • 参考文献(1)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(2)
  • 参考文献(2)
  • 二级参考文献(0)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
音乐分类
长短时记忆网络
梅尔倒谱系数
频谱质心
频谱对比度
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机技术与发展
月刊
1673-629X
61-1450/TP
大16开
西安市雁塔路南段99号
52-127
1991
chi
出版文献量(篇)
12927
总下载数(次)
40
总被引数(次)
111596
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导