利用长短期记忆网络进行音乐流派的分类

• 作者: 何丽 袁斌
• 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
• 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

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.

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