基于关键段和小波包最优基的流行歌曲索引

为了对大量流行歌曲数据进行有效索引,提出了基于流行歌曲关键段和小波包最优基的索引方法。首先对流行歌曲关键段提取小波包最优基,其次分别计算最优基中各重要结点所有系数的能量作为关键段的特征向量,然后根据重要结点个数找到相应的子数据库,最后采用均方误差指标在子数据库中进行数据匹配,实现流行歌曲的索引。实验中对不同流行歌曲关键段进行了索引实验,验证了该方法的可行性。实验结果表明该方法充分考虑到流行歌曲的特点,搜索精度比较高。     

基于情感的家庭音乐相册自动生成研究

随着互联网以及社交网络的发展,电子相册逐渐成为应用广泛的基础服务之一,而如何提高相册的用户体验变得尤为重要.本文提出基于情感的家庭音乐相册自动生成研究,旨在解决为用户喜爱的音乐自动推荐与其情感表达相近的相册图片问题.本文从音乐和图像蕴含的情感出发,音乐上选取梅尔频率频谱系数(MFCC)和相关谱感知线性预测(RASTA-PLP)特征,图像上选取比较直观的颜色特征.在算法上使用了核化典型相关分析(KCCA)方法,该算法解决了图像特征与音乐特征之间异构和跨模态的特征融合问题,实现了音乐相册的自动生成.在实验中,客观评测结果表明,采用KCCA方法在查准率方面高于纯CCA方法;在主观评测中KCCA获得69.45%的满意度,与人工推荐的评价结果(78.09%)比较接近,高于随机推荐和CCA方法的满意度.     

基于熵的非参数估计的音乐声纹提取方法

提出了一种音乐片段的声纹提取方法,通过这种方法可以得到更具有鲁棒性的声纹特征,利用声纹,即使对音乐名称不确定,也能够找到喜欢的音乐。首先对音乐信号进行预处理,得到各分帧序列的各个子带;对于每一个子带,利用Parzen窗函数法估计它的概率分布函数;然后利用信息论中香农公式的相关算法计算它的熵,最后利用差分算法得出它的声纹。结果显示非参数方法比参数方法具有更低的误码率和更好的识别率。由此得出非参数方法抗各种失真的效果更好。     

基于心理咨询法的高职学生心理素质提升路径研究

心理咨询是当前高校心理健康教育中常见的方法之一,焦虑也是当前高职学生常见的心理问题,本文以一例考试焦虑症为咨询案例,来访者因英语模拟考试失利而感到焦虑,出现食欲下降、失眠等症状。咨询师通过合理情绪疗法、系统脱敏法及放松训练,缓解其焦虑现象,求助者食欲、睡眠等均有所改善,效果明显。     

互编码器辅助视频的多模态场景分类

为了解决多模态场景分类准确率不高的问题,文中提出一种由互编码器辅助视频的多模态场景分类方法。音频部分首先对输入音频数据进行特征提取并且使用自注意力机制取得关注信息,图像部分首先对视频进行分帧图片提取,然后通过ResNet50网络进行特征提取,随后提取到的双模态信息进入互编码器,互编码器通过提取各个模态隐层特征进行特征融合,融合后的新特征结合attention机制辅助视频特征。在该模型中,互编码器为融合特征的辅助系统。实验基于DCASE2021 Challenge Task 1B数据集进行验证,结果表明互编码器能够提升分类准确率。     

基于自注意力机制的多模态场景分类

针对真实环境场景会同时出现多种事件导致场景分类准确率受到干扰信息影响的问题，本文提出了一种基于自注意力机制的多模态场景分类方法。首先，对音频进行特征提取并使用自注意力机制获得关注信息；然后，对视频进行分帧图片抽取，通过ResNet 50对图片特征进行提取；最后，将两个模态的特征进行拼接并再次使用自注意力机制对特征信息进行抓取分类。基于DCASE2021 Challenge Task 1B数据集的实验结果表明，与其基线系统、双模态信息简单拼接、视频辅助音频和音频辅助视频的分类系统相比，基于自注意力机制的多模态场景分类系统的准确率优于单模态互相辅助决策的场景分类系统。     

基于古典音乐的Internet分组差错隐藏方案

常规的Internet分组差错采用错包丢弃或邻包重复,对注重实时性的VoIP是简洁而有效的。作为无噪音的注重乐感和旋律的古典音乐,则更注重人耳对音乐的个体感知。文中给出了Internet流媒体服务器传输古典音乐场景,提出一种新的分组丢失隐藏(PEC)方案,不仅解决单个分组丢失恢复,还解决带音符起点的分组丢失及两个以上连续分组丢失恢复。发端部分采用K-Means算法对音乐信号分簇,结合音符起点位置信息生成发送者报告以TCP信道先导可靠传输;收端部分中对4种分组差错可能利用发送者报告进行信号重构。专业音乐人士的聆听评估测试验证了文中PEC方案较常规具有更高的MOS分及乐感体验。