计算机技术与发展
計算機技術與髮展
계산궤기술여발전
COMPUTER TECHNOLOGY AND DEVELOPMENT
2008年
12期
19-21,24
,共4页
颜景斌%伊戈尔·艾杜阿尔达维奇
顏景斌%伊戈爾·艾杜阿爾達維奇
안경빈%이과이·애두아이체유기
音乐类型分类%小波%支持向量机%核函数
音樂類型分類%小波%支持嚮量機%覈函數
음악류형분류%소파%지지향량궤%핵함수
音乐类型分类主要包括两个阶段:特征提取和分类.文中在研究小波变换理论基础上,采用连续小波分析方法提取音乐特征参数.支持向量机是专门针对有限样本情况下的一种分类方法.它是建立在统计学习理论的VC维理论和结构风险最小原理基础上,根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷,以期获得最好的推广能力.采用指数径向基函数(ERBF)内核,分类正确率可达85%,比传统的混合高斯模型和K近邻分类器,分类性能分别提高了21%和23%.实验结果表明,采用小波和支持向量机方法是一种相当有效的音乐类型分类方法.
音樂類型分類主要包括兩箇階段:特徵提取和分類.文中在研究小波變換理論基礎上,採用連續小波分析方法提取音樂特徵參數.支持嚮量機是專門針對有限樣本情況下的一種分類方法.它是建立在統計學習理論的VC維理論和結構風險最小原理基礎上,根據有限的樣本信息在模型的複雜性和學習能力之間尋求最佳摺衷,以期穫得最好的推廣能力.採用指數徑嚮基函數(ERBF)內覈,分類正確率可達85%,比傳統的混閤高斯模型和K近鄰分類器,分類性能分彆提高瞭21%和23%.實驗結果錶明,採用小波和支持嚮量機方法是一種相噹有效的音樂類型分類方法.
음악류형분류주요포괄량개계단:특정제취화분류.문중재연구소파변환이론기출상,채용련속소파분석방법제취음악특정삼수.지지향량궤시전문침대유한양본정황하적일충분류방법.타시건립재통계학습이론적VC유이론화결구풍험최소원리기출상,근거유한적양본신식재모형적복잡성화학습능력지간심구최가절충,이기획득최호적추엄능력.채용지수경향기함수(ERBF)내핵,분류정학솔가체85%,비전통적혼합고사모형화K근린분류기,분류성능분별제고료21%화23%.실험결과표명,채용소파화지지향량궤방법시일충상당유효적음악류형분류방법.
