本文選題：和弦識別 + 音階輪廓特征��； 參考：《信號處理》2017年07期

【摘要】：和弦識別是音樂信息檢索領(lǐng)域重要的研究內(nèi)容之一,在信息處理、音樂結(jié)構(gòu)分析以及推薦系統(tǒng)等方面具有重要的作用。為了降低人聲對和弦進程的影響且恢復(fù)和弦所對應(yīng)的諧波信息,文章分別對頻譜中和弦所對應(yīng)的諧波信息和人聲信息進行建模,構(gòu)建雙目標優(yōu)化問題,對和弦所對應(yīng)的諧波信息進行有效重建,同時去除人聲;其次,對諧波信息進行降維處理得到魯棒性的音階輪廓特征;最后為了提高支持向量機性能,文章采用測度學(xué)習(xí)的方法得到馬氏距離,并使用馬氏距離替換支持向量機的高斯核函數(shù)的歐氏距離,使得支持向量機的判別函數(shù)包含有數(shù)據(jù)的空間分布信息。最終實驗結(jié)果表明,同基于現(xiàn)今流行的和弦識別算法相比,提出的和弦識別算法識別正確率提高3.5%~12.2%。
[Abstract]:Chord recognition is one of the important research contents in the field of music information retrieval. It plays an important role in information processing, music structure analysis and recommendation system.In order to reduce the influence of the human voice on the chord process and restore the harmonic information corresponding to the chord, the harmonic information and the human-voice information of the chord in the spectrum are modeled in this paper, and the two-objective optimization problem is constructed.The harmonic information corresponding to the chord is reconstructed effectively, and the human voice is removed. Secondly, the harmonic information is reduced to obtain robust scale contour features. Finally, in order to improve the performance of support vector machine,In this paper, the Markov distance is obtained by the measure learning method, and the Euclidean distance of the Gao Si kernel function of the support vector machine is replaced by the Markov distance, so that the discriminant function of the support vector machine contains the spatial distribution information of the data.The experimental results show that the recognition accuracy of the proposed algorithm is higher than that of the popular chord recognition algorithm by 3.5% and 12.2%.
【作者單位】： 天津大學(xué)電子信息工程學(xué)院;
【基金】：國家自然科學(xué)基金資助項目(60802049,61471263) 天津市自然科學(xué)基金重點項目(16JCZDJC31100)
【分類號】：TN912.3;TP391.3

【相似文獻】

相關(guān)期刊論文 前10條

1 周珂;蔡潔;;SVM在阿爾茨海默型老年癡呆癥輔助診斷中的應(yīng)用[J];現(xiàn)代計算機(專業(yè)版);2012年17期

2 王蒙;傅行軍;;基于參數(shù)優(yōu)化SVM的旋轉(zhuǎn)機械故障診斷[J];江蘇電機工程;2008年01期

3 謝志強;高麗;楊靜;;基于球結(jié)構(gòu)的完全二叉樹SVM多類分類算法[J];計算機應(yīng)用研究;2008年11期

4 孫穎;劉玉滿;龔穩(wěn);;基于SVM的多傳感器信息融合[J];長春工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2013年03期

5 焦鵬;王新政;謝鵬遠;;基于SVM的模擬電路故障診斷及參數(shù)優(yōu)化方法[J];計算機測量與控制;2013年08期

6 張貝貝;何中市;;基于支持向量數(shù)據(jù)描述算法的SVM多分類新方法[J];計算機應(yīng)用研究;2007年11期

7 趙天昀;;多分類SVM在企業(yè)競爭情報自動分類中的應(yīng)用[J];現(xiàn)代情報;2008年10期

8 彭磊;高峰;任立華;黃真輝;;基于SVM的混沌時間序列預(yù)測模型應(yīng)用研究[J];工程勘察;2013年09期

9 劉海松;吳杰長;陳國鈞;;克隆選擇優(yōu)化的SVM模擬電路故障診斷方法[J];電子測量與儀器學(xué)報;2010年12期

10 劉永斌;何清波;張平;孔凡讓;;基于SVM的旋轉(zhuǎn)機械故障診斷方法[J];計算機工程;2012年05期

相關(guān)會議論文 前10條

1 滕衛(wèi)平;胡波;滕舟;鐘元;;SVM回歸法在西太平洋熱帶氣旋路徑預(yù)報中的應(yīng)用研究[A];S1 災(zāi)害天氣研究與預(yù)報[C];2012年

2 王紅軍;徐小力;付瑤;;基于SVM的旋轉(zhuǎn)機械故障診斷知識獲取[A];第八屆全國設(shè)備與維修工程學(xué)術(shù)會議、第十三屆全國設(shè)備監(jiān)測與診斷學(xué)術(shù)會議論文集[C];2008年

3 陳兆基;楊宏暉;杜方鍵;;用于水下目標識別的選擇性SVM集成算法[A];中國聲學(xué)學(xué)會水聲學(xué)分會2011年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2011年

4 程麗麗;張健沛;楊靜;馬駿;;一種改進的層次SVM多類分類方法[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集[C];2007年

5 左南;李涓子;唐杰;;基于SVM的肖像照片抽取[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集[C];2007年

6 寧偉;苗雪雷;胡永華;季鐸;張桂平;蔡東風(fēng);;基于SVM的無參考譯文的譯文質(zhì)量評測[A];機器翻譯研究進展——第四屆全國機器翻譯研討會論文集[C];2008年

7 劉旭;羅鵬飛;李綱;;基于擬合角特征及SVM的雷達輻射源個體識別[A];全國第五屆信號和智能信息處理與應(yīng)用學(xué)術(shù)會議�？�(第一冊)[C];2011年

8 羅浩;謝軍龍;胡云鵬;;地源熱泵空調(diào)系統(tǒng)故障診斷中SVM的應(yīng)用[A];全國暖通空調(diào)制冷2008年學(xué)術(shù)年會資料集[C];2008年

9 劉閃電;王建東;;權(quán)重部分更新的大規(guī)模線性SVM求解器[A];2009年研究生學(xué)術(shù)交流會通信與信息技術(shù)論文集[C];2009年

10 王艦;湯光明;;基于SVM的圖像隱寫檢測分析[A];第八屆全國信息隱藏與多媒體安全學(xué)術(shù)大會湖南省計算機學(xué)會第十一屆學(xué)術(shù)年會論文集[C];2009年

相關(guān)博士學(xué)位論文 前1條

1 陳志茹;基于SVM集成學(xué)習(xí)的miRNA靶基因預(yù)測研究[D];燕山大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 楊劉;基于PCA與SVM的地力評價研究[D];中南林業(yè)科技大學(xué);2015年

2 伍岳;基于SVM的文本分類應(yīng)用研究[D];電子科技大學(xué);2014年

3 高傳嵩;基于SVM文本分類的問答系統(tǒng)的設(shè)計與實現(xiàn)[D];南京大學(xué);2014年

4 馮天嬌;基于肝臟表觀模型和優(yōu)化SVM的肝癌識別方法的研究與實現(xiàn)[D];東北大學(xué);2013年

5 姚磊;基于SVM主動學(xué)習(xí)的音樂分類[D];南京郵電大學(xué);2015年

6 李同同;基于SVM安瓿藥液雜質(zhì)檢測與識別算法的研究[D];廣東工業(yè)大學(xué);2016年

7 林志杰;基于二叉平衡決策樹的SVM多分類算法的改進[D];福州大學(xué);2014年

8 趙晨;基于SVM和回歸分析的玉米葉片葉綠素含量及表型參數(shù)研究[D];內(nèi)蒙古大學(xué);2016年

9 馬珍玉;基于深度學(xué)習(xí)和SVM的植物葉片識別系統(tǒng)的研究與測試[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2016年

10 王振柱;基于Structure5.0和SVM的木材微觀圖像特征與識別研究[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2016年

，

本文編號：1750633