文献类型：期刊文章

作　　者：李剑[1]

机构地区：[1]重庆工程职业技术学院计算机系,重庆400037

出　　处：《计算机仿真》

年　　份：2010

卷　　号：27

期　　号：11

起止页码：168-171

语　　种：中文

收录情况：BDHX、BDHX2008、CSCD、CSCD_E2011_2012、ZGKJHX、核心刊

摘　　要：针对音乐的多样性和不确定性,使传统分类方法在大规模的实际音乐分类应用中速度慢、正确率低。为了提高音乐分类的正确率和分类精度,提出一种基于神经网络的音乐分类方法。首先采用倒谱系数提取音乐特征,选择最优的特征信号,加快识别速度,然后利用BP神经网络模型对特征信号进行训练,建立最优分类器模型,最后对测试音乐进行分类。对民歌、古筝、摇滚和流行四种音乐进行仿真实验,神经网络分类方法平均分类正确率达88.6%,比传统方法的分类正确率高出5%,同时速度也相应加快。结果表明,神经网络分类方法是一种有效的音乐类型分类方法。

关 键 词：音乐分类 神经网络 特征提取 隐含马尔科夫模型  

分 类 号：TP183]