基于卷积神经网络的音乐流派分类

• 作者: 陆欢
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 音乐分类 音频特征 特征提取 CNN神经网络
• 年，卷（期）: 2019,（21）
• 所属期刊栏目: 数据采集及信号处理
• 页码范围: 149-152
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1902949

摘要

针对单一特征建立的音乐流派分类模型导致误判、遗漏、错分的不足及其处理速度慢、效率低等问题,提出了一种基于卷积神经网络的音乐流派分类方法.该算法首先采用倒谱系数提取音频的MFCC特征矩阵,以其特征值作为CNN神经网络的输入量对音频信号进行训练,获取最优分类器用以作为训练器.将经典、乡村、重金属和摇滚四种音乐流派的音频信息通过最优分类器进行仿真实验.实验结果表明:卷积神经网络分类的平均分类效率可达88％,处理速度明显提升,降低误分类及错判率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陆欢		3	0	0.0	0.0