数学的实践与认识
數學的實踐與認識
수학적실천여인식
MATHEMATICS IN PRACTICE AND THEORY
2013年
23期
44-49
,共6页
向毅%陈振宇%彭雨明%卢旭文%高静%钟学军
嚮毅%陳振宇%彭雨明%盧旭文%高靜%鐘學軍
향의%진진우%팽우명%로욱문%고정%종학군
人工蜂群算法%支持向量机%音乐流派自动分类
人工蜂群算法%支持嚮量機%音樂流派自動分類
인공봉군산법%지지향량궤%음악류파자동분류
Artificial bee colony algorithm%support vector machines%musical genre automatic classification
音乐流派是区分和描述不同音乐的一种标签,借助数学和计算机的方法将大量音乐自动分为不同流派是目前国内外研究的热点问题之一.支持向量机(SVM)由于其具有严格的数学理论基础而被广泛应用于音乐流派自动分类.然而,支持向量机的惩罚参数和核参数对其分类效果具有重要影响.以交叉验证正确率作为适应值,采用人工蜂群(ABC)算法优化支持向量的控制参数.在音乐流派自动分类的仿真实验中,经ABC算法优化后的支持向量机取得的平均预测正确率为80.8000％(最优预测正确率达83％),高出默认参数SVM 18.8个百分点.与粒子群优化算法及遗传算法相比,仿真实验结果同样显示了ABC算法的优越性.
音樂流派是區分和描述不同音樂的一種標籤,藉助數學和計算機的方法將大量音樂自動分為不同流派是目前國內外研究的熱點問題之一.支持嚮量機(SVM)由于其具有嚴格的數學理論基礎而被廣汎應用于音樂流派自動分類.然而,支持嚮量機的懲罰參數和覈參數對其分類效果具有重要影響.以交扠驗證正確率作為適應值,採用人工蜂群(ABC)算法優化支持嚮量的控製參數.在音樂流派自動分類的倣真實驗中,經ABC算法優化後的支持嚮量機取得的平均預測正確率為80.8000％(最優預測正確率達83％),高齣默認參數SVM 18.8箇百分點.與粒子群優化算法及遺傳算法相比,倣真實驗結果同樣顯示瞭ABC算法的優越性.
음악류파시구분화묘술불동음악적일충표첨,차조수학화계산궤적방법장대량음악자동분위불동류파시목전국내외연구적열점문제지일.지지향량궤(SVM)유우기구유엄격적수학이론기출이피엄범응용우음악류파자동분류.연이,지지향량궤적징벌삼수화핵삼수대기분류효과구유중요영향.이교차험증정학솔작위괄응치,채용인공봉군(ABC)산법우화지지향량적공제삼수.재음악류파자동분류적방진실험중,경ABC산법우화후적지지향량궤취득적평균예측정학솔위80.8000％(최우예측정학솔체83％),고출묵인삼수SVM 18.8개백분점.여입자군우화산법급유전산법상비,방진실험결과동양현시료ABC산법적우월성.
