基于改进BP神经网络的音乐流派分类

• 作者: 樊思含
• 来源期刊: 软件工程
• 关键词: 机器学习 特征提取 支持向量机 梅尔频率倒谱系数
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 方法与技术|Method & Technology
• 页码范围: 17-20
• 页数: 4页
• 分类号: TP39
• 语种: 中文
• DOI: 10.19644/j.cnki.issn2096-1472.2021.09.004

摘要

针对传统音乐流派分类模型性能不稳定、音乐信号特征单一导致分类准确率低的问题,提出了改进的BP神经网络(Back Propagation Neural Network)音乐流派分类模型,通过Python的Librosa库提取了音乐的均方根能量、过零率、频谱质心、频谱对比度等多种特征,并使用PCA(Principal Component Analysis)和LDA(Linear Discriminant Analysis)数据降维方法对特征数据进行可视化分析,证明了特征选取的合理性.最后对四类音乐流派进行仿真实验,并与传统的分类模型对比.实验证明,提出的模型10折交叉验证的准确率为93.12％,优于KNN(K-Nearest Neighbor)、SVM(Support Vector Machine)等传统的分类模型.