一种新的高效大型音乐数据库查询算法

在基于哼唱的音乐信息检索领域中，查询处理算法一直是一个重要的研究课题。根据人对乐曲相似理解的实验结果，设计了新的基于单侧连续匹配的可容错的近似匹配的算法．此算法采用n—gram的顺序hash索引，加快了可容错的查询处理速度．还设计了一系列包括各种类型和各种数量错误的查询的实验，来比较该算法和其他两种常用算法的查询处理速度和容错能力．当测试数据集为78000首网上收集的MIDI乐曲段，包含各种错误的查询为1000个时，该算法取得79％的前3位命中率和87％的前10位命中率．这些结果表明，该方法的性能高于现有的算法．表2，参8。     

一个基于哼唱的音乐检索系统

本文在分析了音乐哼唱检索系统原理结构的基础上,采用头尾浮动的DTW匹配算法,设计了一个通过哼唱旋律从音乐数据库中搜索出所需歌曲的哼唱检索系统。提出了一种混合匹配的方法。     

基于语句特征的音乐哼唱快速检索技术

哼唱检索作为音乐检索的重要方式,由于其有效性和方便性,引起了广泛的关注.本文提出了一种新的基于语句特征的音乐哼唱快速检索技术,可以实现哼唱音乐的快速检索.该技术将音乐数据库和用户提供的哼唱片段,按自然停顿方式划分音乐语句,使用BDTW算法对音乐语句片段进行音高相似性计算,并允许用户根据自己哼唱情况,对匹配条件进行个性化设置,限制数据库音乐片段和查询序列的局部最大差异长度.另外,对音乐库建立支持音乐语句查询的索引结构DIS,减少了检索时间.实验结果表明所提出的检索方法能够快速有效地返回查询结果.     

基于DTW算法的哼唱检索系统的设计

本文在音乐主旋律特征的提取、特征库的建立方法以及以DTW算法为核心的相似度匹配算法的理论原理基础之上,提出一种针对MIDI音乐的主旋律提取方法。该方法简化了提取音乐特征的工作量,缩短了检索时间。设计实现了一个基于音乐内容的哼唱检索系统,利用包含200首乐曲特征的数据库对该系统进行验证。实验结果表明,该系统具有较高的检索命中率和较快的检索速度。     

基于分句匹配的哼唱音乐检索系统的算法研究与实现

提出一种以分句匹配为基础的哼唱音乐检索的系统架构及实现方法.首先建立以分句为基础的歌曲旋律特征库,之后采用改进的自相关函数法提取哼唱的基音序列,经规整化处理后,生成与歌曲旋律特征库所一致的特征,然后采用分句匹配方法进行检索.经过实验分析,结果表明这种新的处理方法对于哼唱音乐检索的正确率有明显的提高.     

基于模糊聚类的音乐哼唱检索的研究与实现

针对哼唱检索中匹配过程的耗时性和哼唱的非完全准确性,提出了并行模糊动态时间规整算法实现音乐的哼唱检索。采用相对音高差表示旋律,用动态时间规整算法实现哼唱音高差序列与目标音高差序列的近似匹配。在匹配过程中,引入模糊集合及模糊聚类,通过构造哼唱音高差与目标音高差之间的隶属函数并计算隶属度得到音高差信息的相似度,进而获得转换代价矩阵,最后得到两个匹配序列的匹配距离。为提高检索速度,引入并行算法实现匹配过程。实验结果表明,模糊方法的引入提高了检索精度,并行算法的运用明显缩短了检索时间。基于并行模糊动态时间规整算法的音乐哼唱检索的正确率达到72%左右,在双核计算机上进行实验,引入并行算法后检索时间缩短一半。     

基于多种几何约束的图像误匹配剔除算法

尺度不变特征变换SIFT由于其良好的性能在图像匹配中具有广泛应用,但传统的SIFT特征匹配结果中仍然会包含不少的错误匹配.提出了一种基于多种几何约束的误匹配剔除算法,该方法利用匹配点对之间多种几何约束的组合来识别并剔除错误的匹配,具体包括方向角算法、邻域信息算法、点线距离算法和局部相似三角形算法.实验结果证明:这一基于组合策略的方法能有效地剔除错误匹配,并且极大限度地保留正确匹配.     

一种基于帧-音符方式的哼唱检索算法

为了提高哼唱检索旋律匹配的速度和精度,提出了一种基于帧-音符方式的匹配算法。该算法针对旋律曲线的形状特点,采用基频序列表示哼唱片段,采用音符序列表示模板片段,根据累积权重估计基频跳变点位置,然后计算哼唱片段和模板片段之间的编辑距离。在MIREX08数据库上进行的实验结果表明:该算法检索时间为动态时间规整算法的0.013倍;与动态时间规整算法结果进行融合,最终平均排序倒数精度指标可以达到91.2%。     

采用圆形匹配限制框的指纹特征点匹配算法

介绍了指纹特征点的匹配原理,提出了一种改进的实时指纹特征点匹配算法,并对算法性能进行了实验研究.给出了错误匹配率(FMR)和错误不匹配率(FNMR)随阈值变化的情况及算法的ROC曲线.得到算法的等错误率(EER)为1.8%,最小FMR(zeroFNMR)为6.8%,平均匹配时间为0.1s.算法在指纹库FVC2004上的实验结果表明,算法性能较好,适合于实时指纹识别系统.     

基于多尺度三元组描述子的形状匹配方法

提出了一种新的基于轮廓的形状描述子,称为多尺度三元组描述子.对轮廓进行均匀采样,同时根据多边形近似演化算法提取轮廓的关键点,由采样点和其相邻关键点构成三元组,根据多个尺度下三元组的几何特性(包括角度和边长)定义描述子.这些三元组既包含了形状的局部细节,又包含了形状的全局结构信息,是一种稳定而准确的描述.形状匹配阶段使用动态规划算法.将本方法应用在MPEG-7数据库上,检索准确率达到86.30%,具有显著优势.