MIDI（Musical Instrument Digital Interface）是一種音樂(lè)的存儲(chǔ)格式,因?yàn)槠潴w積小和容易編輯的優(yōu)勢(shì)受到了廣泛的關(guān)注。音樂(lè)風(fēng)格是音樂(lè)的一個(gè)重要特征,同時(shí)也是各大音樂(lè)網(wǎng)站區(qū)分音樂(lè)文件的標(biāo)簽。以往的音樂(lè)風(fēng)格分類方法大多數(shù)都是采用人工標(biāo)注的方法進(jìn)行分類,如今網(wǎng)上的MIDI文件越來(lái)越多,對(duì)海量的文件一一標(biāo)注風(fēng)格會(huì)消耗大量的人力和時(shí)間。因此通過(guò)人工智能來(lái)解決MIDI音樂(lè)風(fēng)格分類問(wèn)題成為了機(jī)器學(xué)習(xí)的新課題。MIDI音樂(lè)分類研究大致可分為兩個(gè)環(huán)節(jié),一個(gè)是從文件中提取出能表征樂(lè)曲的音樂(lè)特征,另一個(gè)利用這些特征訓(xùn)練出合適的分類器。目前的研究基本都以MIDI音樂(lè)主旋律的統(tǒng)計(jì)特征作為音樂(lè)特征,使用BP神經(jīng)網(wǎng)絡(luò)作為分類器。但是在主旋律中,音符出現(xiàn)的順序?qū)π傻奶卣饔兄鴺O大的影響,統(tǒng)計(jì)特征不能完全反映主旋律的這一關(guān)系。其次,這些特征并沒(méi)有包含樂(lè)曲的伴奏信息。此外,一首樂(lè)曲往往有著許多重復(fù)的旋律片段,如果以整首樂(lè)曲作為樣本,會(huì)增加樣本的冗余度。針對(duì)以往方法的不足,本文研究了基于樂(lè)段特征的MIDI音樂(lè)分類,本文的主要研究工作和創(chuàng)新點(diǎn)有:（1）提出了從MIDI文件中提取樂(lè)段特征的方法... 

【文章來(lái)源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

M-P模型圖

圖 2-1 M-P 模型圖示輸入向量，W 表示權(quán)值向量，即：的輸出也可以表示成：型而言，當(dāng) 時(shí)，稱其輸入 為興奮性輸入，當(dāng) 性輸入，只有當(dāng)輸入為興奮性輸入時(shí)，神經(jīng)元才會(huì)輸出信號(hào) 作為激活函數(shù)，它的作用就是表達(dá)神經(jīng)元這種非線性變換想的激活函數(shù)為階躍函數(shù),它的表達(dá)式為：像如圖 2-2 所示：

經(jīng)網(wǎng)絡(luò)絡(luò)[19]是人工神經(jīng)網(wǎng)絡(luò)中的一種特殊結(jié)構(gòu)，它是一種前饋單，且有嚴(yán)格的數(shù)學(xué)證明，并能通過(guò) BP 算法調(diào)節(jié)輸入入信息從網(wǎng)絡(luò)的輸入層進(jìn)入網(wǎng)絡(luò)，經(jīng)過(guò)網(wǎng)絡(luò)中的逐層變除此之外，還可以通過(guò)設(shè)置隱藏層的層數(shù)，每層神經(jīng)元現(xiàn)各式各樣的感知器神經(jīng)網(wǎng)絡(luò)。器模型Single Layer Perceptron）[20]是最簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)。它只是直接相連的。其拓?fù)浣Y(jié)構(gòu)如圖 2-3 所示：

【參考文獻(xiàn)】：
期刊論文
[1]谷歌推出TensorFlow 1.4版本:支持分布式訓(xùn)練[J]. 本刊訊.  數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn). 2017(11)
[2]基于BP神經(jīng)網(wǎng)絡(luò)優(yōu)化算法的MIDI文件中主旋律提取[J]. 趙宛,曹西征,馬青閣,關(guān)金晨,汪旭彬.  福建電腦. 2016(05)
[3]基于H-K算法的MIDI文件主旋律音軌提取探討[J]. 馬青閣,曹西征,趙宛,汪旭彬,關(guān)金晨.  無(wú)線互聯(lián)科技. 2016(06)
[4]神經(jīng)網(wǎng)絡(luò)技術(shù)在復(fù)雜斷塊油藏水淹層評(píng)價(jià)中的應(yīng)用[J]. 張學(xué)磊,沈楠,樊茹,張守良,唐瑋.  復(fù)雜油氣藏. 2015(03)
[5]感知器神經(jīng)網(wǎng)絡(luò)模型研究[J]. 何立群,占永平.  九江學(xué)院學(xué)報(bào)(自然科學(xué)版). 2014(04)
[6]基于多分類SVM的MIDI音樂(lè)情感分類研究[J]. 陳寧,曹政,王吉軍.  大連大學(xué)學(xué)報(bào). 2009(03)
[7]基于音軌特征量的多音軌MIDI主旋律抽取方法[J]. 趙芳,吳亞棟,宿繼奎.  計(jì)算機(jī)工程. 2007(02)
[8]基于動(dòng)量因子技術(shù)的BP神經(jīng)網(wǎng)絡(luò)改進(jìn)算法及應(yīng)用[J]. 李季,嚴(yán)東超,趙虎城.  電氣應(yīng)用. 2005(06)
[9]MIDI消息和標(biāo)準(zhǔn)MIDI文件格式剖析及應(yīng)用[J]. 楊軍.  中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版). 2003(S1)
[10]電子樂(lè)器MIDI入門(mén)[J]. 任如意.  樂(lè)器. 1999(06)

碩士論文
[1]基于腦電波音樂(lè)的情感模型研究[D]. 蘇宇航.遼寧大學(xué) 2016
[2]基于特征向量的音樂(lè)情感分析的研究[D]. 胡冰潔.西安電子科技大學(xué) 2014
[3]基于神經(jīng)網(wǎng)絡(luò)的自動(dòng)光學(xué)檢測(cè)系統(tǒng)研究與應(yīng)用[D]. 李強(qiáng).南京大學(xué) 2014
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法與應(yīng)用研究[D]. 陳先昌.浙江工商大學(xué) 2014
[5]基于內(nèi)容的個(gè)人音樂(lè)情感分析模型[D]. 曲浥塵.上海交通大學(xué) 2013
[6]基于集成學(xué)習(xí)的H-K聚類算法研究[D]. 何瑩.廣西大學(xué) 2012
[7]MIDI文件解析及生成軟件設(shè)計(jì)與實(shí)現(xiàn)[D]. 張晶.電子科技大學(xué) 2011
[8]感知器算法和BP算法的性能對(duì)比分析[D]. 高利坤.大連理工大學(xué) 2010
[9]基于神經(jīng)網(wǎng)絡(luò)的音樂(lè)情感模型研究[D]. 周生帆.長(zhǎng)春理工大學(xué) 2010
[10]多層感知器學(xué)習(xí)算法研究[D]. 王之倉(cāng).蘇州大學(xué) 2006



本文編號(hào)：3297268