本文關(guān)鍵詞： 歌曲借用 遞歸圖 狀態(tài)空間嵌入 相似片段檢測(cè) 相似度計(jì)算　出處：《復(fù)旦大學(xué)》2014年碩士論文　論文類型：學(xué)位論文

【摘要】：隨著互聯(lián)網(wǎng)的普及,幾乎所有的音樂(lè)作品都對(duì)應(yīng)的其數(shù)字化版本,且作品數(shù)量正飛速增長(zhǎng)。追隨著這種潮流,各大互聯(lián)網(wǎng)服務(wù)供應(yīng)商都推出了自己的在線歌曲庫(kù),內(nèi)含海量歌曲作品。因此,怎樣對(duì)大量的歌曲進(jìn)行分類整理、信息提取,以便提供更好的檢索、查詢、欣賞等服務(wù),成為近些年的熱門研究課題。早期的歌曲庫(kù)管理和歌曲檢索功能依賴大量的人工標(biāo)注,比如手工錄入每首歌的年代、作者、流派等信息。這樣的方法雖然可以保證信息標(biāo)注的準(zhǔn)確度,但成本非常大,且并不能滿足很多常用的需求。由此,大量基于信號(hào)級(jí)別的歌曲信息處理相關(guān)的研究課題便大量涌現(xiàn),如翻唱檢索、哼唱檢索、歌曲摘要提取、音頻片段認(rèn)證等。在所有這些研究課題中,歌曲相似片段檢測(cè)與定位是一個(gè)非常重要的基礎(chǔ)技術(shù)和子課題。音樂(lè)作品中相似片段是十分常見(jiàn)的：例如同一首歌曲中的副歌部分通常有著一樣的旋律；又如同一首歌曲被多個(gè)歌手分別演唱所產(chǎn)生的不同版本。這里的相似可以是指某一特定方面的相似,如旋律、節(jié)奏、音色等。在很多情況下用人耳可以輕易辨別出相似的歌曲片段,然而對(duì)于計(jì)算機(jī)而言這個(gè)任務(wù)卻很困難。由于直接基于歌曲信號(hào)提出的特征本身包含著大量的噪音,因此目前現(xiàn)有的相似片段檢測(cè)算法有著諸多問(wèn)題：首先,所有的算法準(zhǔn)確度普遍不高；其次,每個(gè)算法都只能大致檢測(cè)出兩個(gè)給定片段的相似程度,但卻不能精確定位；另外,現(xiàn)有算法無(wú)法檢測(cè)出兩段較短的相似片段。綜上,目前的相似片段檢測(cè)算法還有相當(dāng)大的改進(jìn)空間。為解決和改進(jìn)上述提到的相關(guān)算法存在的問(wèn)題,本文提出了一種新的相似片段檢測(cè)算法。該算法吸收了現(xiàn)有的音樂(lè)信號(hào)處理研究中所用到的多種技術(shù),如相似度矩陣、遞歸圖、狀態(tài)空間嵌入等,并在此基礎(chǔ)上引入了數(shù)種創(chuàng)新技術(shù),如局部閾值策略、基于遞歸圖的相似片段提取技術(shù)等。本文提出的算法解決了先前類似算法中的多個(gè)缺陷：無(wú)法較準(zhǔn)確定位相似片段位置；無(wú)法檢測(cè)較短的相似片段。在此基礎(chǔ)上,該算法還通過(guò)采用改進(jìn)的閾值策略來(lái)提高相似片段檢測(cè)的準(zhǔn)確度。為檢測(cè)該算法的有效性,本文將該算法應(yīng)用于三個(gè)具體的系統(tǒng)中：改進(jìn)的翻唱檢索系統(tǒng)；基于該相似片段檢測(cè)算法的歌曲摘要提取系統(tǒng)；歌曲借用檢測(cè)系統(tǒng)。其中,歌曲借用檢測(cè)是一個(gè)尚未有相關(guān)研究的課題。由于本文提出的算法可以檢測(cè)歌曲中較短的相似片段,因此該課題得以第一次被進(jìn)行嘗試性的研究。針對(duì)上述三個(gè)系統(tǒng)的實(shí)驗(yàn)證明了本文所提出算法的有效性。
[Abstract]:With the popularity of the Internet, almost all music works correspond to their digital versions, and the number of works is growing rapidly. Following this trend, various Internet service providers have launched their own online song library. Therefore, how to sort out a large number of songs and extract information in order to provide better retrieval, inquiry, appreciation and other services, Early song library management and song retrieval functions depended on a large number of manual tagging, such as manual entry of each song, the author, This method can guarantee the accuracy of information tagging, but it is very costly and does not meet a lot of common needs. A large number of research topics related to song information processing based on signal level have emerged in large numbers, such as rap retrieval, humming retrieval, song abstract extraction, audio segment authentication and so on. Song similarity detection and location is a very important basic technology and sub-topic. Similar fragments are very common in musical works: for example, the chorus part of the same song usually has the same melody; It's like a different version of a song being sung by multiple singers. The similarity here can refer to the similarity of a particular aspect, such as melody, rhythm, Timbre and so on. In many cases, similar song fragments can be easily identified with the human ear, but this task is difficult for a computer. Because the features that are directly based on the song signal contain a lot of noise, Therefore, the existing similar segment detection algorithms have many problems: first, the accuracy of all algorithms is generally not high; secondly, each algorithm can only roughly detect the similarity of two given fragments, but can not accurately locate. The existing algorithms can not detect two short similar fragments. In summary, there is still considerable room for improvement of the current similar segment detection algorithms. In this paper, a new similar segment detection algorithm is proposed, which absorbs many techniques used in the research of music signal processing, such as similarity matrix, recursive graph, state space embedding, etc. On this basis, several innovative techniques are introduced, such as local threshold strategy, similar segment extraction based on recursive graph and so on. The algorithm proposed in this paper solves many defects in the previous similar algorithms: the location of similar segments cannot be located accurately; Short similar fragments can not be detected. On this basis, the improved threshold strategy is adopted to improve the accuracy of the detection of similar fragments. This paper applies the algorithm to three specific systems: an improved copy retrieval system; a song digest extraction system based on the similar segment detection algorithm; a song borrowing detection system. Song borrowing detection is a subject that has not been studied yet. Because the algorithm proposed in this paper can detect short similar fragments in songs, Therefore, this subject can be studied for the first time. Experiments on the above three systems have proved the effectiveness of the proposed algorithm.
【學(xué)位授予單位】：復(fù)旦大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TN912.2

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄭煒冬;;試卷相似度自動(dòng)評(píng)估技術(shù)的研究[J];智能計(jì)算機(jī)與應(yīng)用;2011年06期

2 趙濤;肖建;;二型模糊相似度及其應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2013年08期

3 徐志明;李棟;劉挺;李生;王剛;袁樹(shù)侖;;微博用戶的相似性度量及其應(yīng)用[J];計(jì)算機(jī)學(xué)報(bào);2014年01期

4 李桂林,陳曉云;關(guān)于聚類分析中相似度的討論[J];計(jì)算機(jī)工程與應(yīng)用;2004年31期

5 秦玉平;楊興凱;;基于案例推理的區(qū)間屬性相似度研究[J];遼寧師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年04期

6 蔣鵬;;基于本體的應(yīng)急案例相似度算法研究[J];南昌高專學(xué)報(bào);2009年03期

7 何亞;;詞語(yǔ)相似度算法的分析與改進(jìn)[J];硅谷;2011年24期

8 仇麗青;陳卓艷;;基于共同鄰居相似度的社區(qū)發(fā)現(xiàn)算法[J];信息系統(tǒng)工程;2014年05期

9 焦鵬;唐見(jiàn)兵;查亞兵;;仿真可信度評(píng)估中相似度方法的改進(jìn)及其應(yīng)用[J];系統(tǒng)仿真學(xué)報(bào);2007年12期

10 姜毅;樂(lè)慶玲;;一種基于興趣相似度的學(xué)習(xí)社區(qū)算法[J];電腦知識(shí)與技術(shù)(學(xué)術(shù)交流);2007年16期

相關(guān)會(huì)議論文 前10條

1 劉海波;鄭德權(quán);趙鐵軍;;基于相似度線性加權(quán)方法的檢索結(jié)果聚類研究[A];中國(guó)計(jì)算語(yǔ)言學(xué)研究前沿進(jìn)展（2009-2011）[C];2011年

2 陸勁挺;路強(qiáng);劉曉平;;對(duì)比相似度計(jì)算方法及其在功能樹(shù)擴(kuò)展中的應(yīng)用[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

3 董刊生;方金云;;基于向量距離的詞序相似度算法[A];第四屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集（上）[C];2008年

4 劉曉平;陸勁挺;;任意功能樹(shù)的物元相似度求解方法[A];全國(guó)第21屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議（CACIS·2010）暨全國(guó)第2屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2010年

5 王茜;張衛(wèi)星;;基于分類樹(shù)相似度加權(quán)的協(xié)同過(guò)濾算法[A];2008年計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)論文集[C];2008年

6 洪文學(xué);王金甲;常鳳香;宋佳霖;劉文遠(yuǎn);王立強(qiáng);;基于圖形特征增強(qiáng)的相似度分類器的研究[A];中國(guó)生物醫(yī)學(xué)工程進(jìn)展——2007中國(guó)生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C];2007年

7 雷慶;吳揚(yáng)揚(yáng);;一種基于語(yǔ)義信息計(jì)算XML文檔相似度的新方法[A];第二十一屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2004年

8 葉正;林鴻飛;楊志豪;;基于問(wèn)句相似度的中文FAQ問(wèn)答系統(tǒng)研究[A];第三屆學(xué)生計(jì)算語(yǔ)言學(xué)研討會(huì)論文集[C];2006年

9 羅辛;歐陽(yáng)元新;熊璋;袁滿;;通過(guò)相似度支持度優(yōu)化基于K近鄰的協(xié)同過(guò)濾算法[A];NDBC2010第27屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集A輯一[C];2010年

10 王健;劉衍珩;焦玉;;VANETs信任傳播建模[A];中國(guó)通信學(xué)會(huì)通信軟件技術(shù)委員會(huì)2009年學(xué)術(shù)會(huì)議論文集[C];2009年

相關(guān)重要報(bào)紙文章 前1條

1 王伽　衛(wèi)江;出入境證件照片應(yīng)及時(shí)更換[N];中國(guó)國(guó)門時(shí)報(bào);2008年

相關(guān)博士學(xué)位論文 前10條

1 操震洲;矢量數(shù)據(jù)動(dòng)態(tài)多尺度網(wǎng)絡(luò)傳輸研究[D];南京大學(xué);2015年

2 張明西;信息網(wǎng)絡(luò)中的相似度搜索問(wèn)題研究[D];復(fù)旦大學(xué);2013年

3 武威;異質(zhì)數(shù)據(jù)相似度學(xué)習(xí)及其在網(wǎng)絡(luò)搜索中的應(yīng)用[D];北京大學(xué);2012年

4 朱娜斐;基于RTT相似度的網(wǎng)絡(luò)延遲估測(cè)理論和方法[D];北京工業(yè)大學(xué);2012年

5 錢鵬飛;基于模糊相似度的異構(gòu)本體映射、合并及校驗(yàn)方法的研究[D];上海交通大學(xué);2008年

6 馬海平;基于概率生成模型的相似度建模技術(shù)研究及應(yīng)用[D];中國(guó)科學(xué)技術(shù)大學(xué);2013年

7 劉守群;海量網(wǎng)絡(luò)視頻快速檢索關(guān)鍵技術(shù)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2010年

8 夏云慶;IHSMTS系統(tǒng)中啟發(fā)式類比翻譯處理機(jī)制（HATM）的設(shè)計(jì)與實(shí)現(xiàn)[D];中國(guó)科學(xué)院研究生院（計(jì)算技術(shù)研究所）;2001年

9 姜雅文;復(fù)雜網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)若干問(wèn)題研究[D];北京交通大學(xué);2014年

10 張磊;個(gè)性化推薦和搜索中若干關(guān)鍵問(wèn)題的研究[D];北京郵電大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 楊巧;基于改進(jìn)相似度的社會(huì)網(wǎng)絡(luò)鏈接預(yù)測(cè)研究[D];華南理工大學(xué);2015年

2 張寧;某于《知網(wǎng)》的詞語(yǔ)相似度優(yōu)化算法[D];昆明理工大學(xué);2015年

3 沈迤淳;歌曲中相似片段的檢測(cè)及其應(yīng)用[D];復(fù)旦大學(xué);2014年

4 梁霄;社交網(wǎng)絡(luò)中的社區(qū)聚集研究[D];上海交通大學(xué);2015年

5 王魁;在線社交中基于微博的好友推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2015年

6 洪耀停;基于共同作者圖的合作者推薦系統(tǒng)[D];浙江大學(xué);2015年

7 褚立超;基于相似度評(píng)分模型的人員識(shí)別方法研究[D];廣西大學(xué);2015年

8 譚夏;基于軟集相似度理論的醫(yī)學(xué)診斷系統(tǒng)[D];西北師范大學(xué);2014年

9 裴運(yùn)亮;基于切詞和語(yǔ)義的中文相似度研究與應(yīng)用[D];電子科技大學(xué);2011年

10 李磊;虛擬教學(xué)實(shí)驗(yàn)方案相似度的分析和度量[D];華中科技大學(xué);2009年

，

本文編號(hào)：1498330