排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
基于MDCT域特征的MP3音乐分类 总被引:1,自引:0,他引:1
音乐分类是将用户输入的音乐信号与音乐库中的音乐文件进行匹配,找出相应的类别.传统的MP3分类的研究大多先把MP3文件解压缩到PCM文件,然后在PCM文件上进行特征提取,这种方法存在的问题是处理速度比较慢.本文中借鉴语音识别技术,提出了基于MDCT域的MP3音乐特征片段提取方法,然后利用MDCT域上的音乐片段特点表示MP3音乐特征属性,最后采用适应性较强的学习分类器对已经提取的音乐特征向量进行分类.实验先通过对4个歌手100首歌的学习,然后对未知20首歌进行分类,识别演唱歌手平均准确度达80%. 相似文献
2.
基于学习分类器(LCS)的MP3音乐分类方法 总被引:1,自引:0,他引:1
面向MP3音乐的分类方法是利用MP3编解码的特点,将MP3音乐文件表示成特征向量,采用常用机器
学习分类方法对音乐文件进行分类。重点对MP3音乐特征片段提取和分类方法进行讨论,提出基于离散余弦变
换(MDCT)系数域3种特征参数的特征片段提取方法和基于LCS(学习分类器)的音乐分类方法。实验表明,特征
片段提取方法能够在最短时间内找到最具有“特征”的特征片段,从而缩小了匹配时间,因此LCS分类方法提高了
分类方法的命中率。 相似文献
3.
音乐分类是将用户输入的音乐信号与音乐库中的音乐文件进行匹配,找出相应的类别.传统的MP3分类的研究大多先把MP3文件解压缩到PCM文件,然后在PCM文件上进行特征提取,这种方法存在的问题是处理速度比较慢.本文中借鉴语音识别技术,提出了基于MDCT域的MP3音乐特征片段提取方法,然后利用MDCT域上的音乐片段特点表示MP3音乐特征属性,最后采用适应性较强的学习分类器对已经提取的音乐特征向量进行分类.实验先通过对4个歌手100首歌的学习,然后对未知20首歌进行分类,识别演唱歌手平均准确度达80%. 相似文献
1