為了提高音樂(lè)分類的精準(zhǔn)性及個(gè)性化,提出基于關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘技術(shù)在音樂(lè)分類中的使用,解決單一軌道提取的局限性問(wèn)題。首先,對(duì)音樂(lè)文件預(yù)處理進(jìn)行分析,主要包括提取主旋律、分析和聲;之后,對(duì)基于FP_Growth關(guān)聯(lián)規(guī)則挖掘算法的音樂(lè)風(fēng)格進(jìn)行分析。因?yàn)镕P_Growth算法只需要掃描兩遍原始數(shù)據(jù),對(duì)原始數(shù)據(jù)進(jìn)行壓縮具有較高的效率,所以將FP_Growth關(guān)聯(lián)規(guī)則挖掘算法應(yīng)用于音樂(lè)媒體的風(fēng)格分類中,并且創(chuàng)建基于FP_Growth關(guān)聯(lián)規(guī)則挖掘的音樂(lè)風(fēng)格分類,減少所需頻繁項(xiàng)集的數(shù)量,從而提高數(shù)據(jù)庫(kù)掃描速度,在此過(guò)程中不需要候選項(xiàng)集,實(shí)現(xiàn)音樂(lè)分類過(guò)程中的數(shù)據(jù)挖掘;最后,對(duì)數(shù)據(jù)挖掘的效率進(jìn)行Matlab測(cè)試,測(cè)試結(jié)果表示,相比基于LAD和Apriori算法的音樂(lè)風(fēng)格分類,基于FP_Growth的音樂(lè)風(fēng)格分類減少了I/O開(kāi)銷,提高了運(yùn)行效率和分類的精準(zhǔn)性。 

【文章來(lái)源】：現(xiàn)代電子技術(shù). 2020,43(01)北大核心

【文章頁(yè)數(shù)】：4 頁(yè)

【部分圖文】：

FP-tree節(jié)點(diǎn)

運(yùn)行時(shí)間比較

【參考文獻(xiàn)】：
期刊論文
[1]基于節(jié)點(diǎn)表的FP-Growth算法改進(jìn)[J]. 王建明,袁偉.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(01)
[2]基于特征旋律挖掘的二階馬爾可夫鏈在算法作曲中的研究與應(yīng)用[J]. 鄭銀環(huán),王嘉珺,郭威,王備戰(zhàn).  計(jì)算機(jī)應(yīng)用研究. 2018(03)
[3]基于LDA模型的音樂(lè)推薦算法[J]. 李博,陳志剛,黃瑞,鄭祥云.  計(jì)算機(jī)工程. 2016(06)



本文編號(hào)：3290654