基于粒子群算法优化神经网络的电子音乐分类模型

• 作者: 张晓娜 赵晶晶
• 来源期刊: 现代电子技术
• 关键词: 电子音乐分类模型 神经网络优化 数据收集 特征提取 多特征融合 分类结果输出
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 测控与自动化技术
• 页码范围: 101-104,108
• 页数: 5页
• 分类号: TN711-34
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2020.09.024

摘要

针对基于神经网络算法构建的电子音乐分类模型容易陷入局部最小值问题,分类精准度低,提出基于粒子群算法优化神经网络的电子音乐分类模型.构建模型时需先收集多种类型原生态电子音乐数据,去噪处理收集到的电子音乐数据,分帧和端点检测去噪后的电子音乐,从检测到的有效电子音乐信号中提取电子音乐的时域、频域方差特征和短时能量特征,采用灰色关联分析方法确定三种特征对电子音乐分类的贡献,加权操作上述特征,将加权后的三种特征作为粒子群算法优化的神经网络输入部分,通过优化后的神经网络输出电子音乐分类结果.经过实验分析发现,该电子音乐分类模型对10种电子音乐类型的分类结果与实际电子音乐所属类别相同,分类精准度较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张晓娜		8	2	1.0	1.0
2	赵晶晶		3	1	1.0	1.0