| 基于RF-BiLSTM-Attention音乐分类方法的京剧二分类仿真 |
| |
| 引用本文： | 龚谊承,刘青,肖浩逸.基于RF-BiLSTM-Attention音乐分类方法的京剧二分类仿真[J].广西科学院学报,2023,39(3):322-330,339. |
| |
| 作者姓名： | 龚谊承 刘青 肖浩逸 |
| |
| 作者单位： | 武汉科技大学理学院, 湖北武汉 430065;冶金工业过程系统科学湖北省重点实验室(武汉科技大学), 湖北武汉 430081 |
| |
| 基金项目： | 国家自然科学基金项目（12171378），冶金工业过程系统科学湖北省重点实验室项目（Y202105）和武汉科技大学研究生教学研究项目（Yjg202116）资助。 |
| |
| 摘 要： | 为了普及国粹京剧，本研究提出一种将随机森林（Random Forest，RF）耦合注意力（Attention）机制和双向长短时记忆（BiLSTM）网络的音乐分类方法RF-BiLSTM-Attention，使用其进行京剧与其他类型音乐的二分类（以下简称“京剧二分类”）。首先，提取音乐所有光谱特征，利用RF选择重要特征；然后，在BiLSTM网络的隐藏层与输出层之间嵌入注意力层，对数据进行分类训练与预测。用来自大众音乐平台和GTZAN数据集的1 500首音乐进行京剧二分类实验，对比RF对循环神经网络（RNN）、长短时记忆（LSTM）网络、BiLSTM等9种模型的影响，结果表明：RF-BiLSTM-Attention模型的分类准确率为89.00%，运行时间为33.22 s，比简单模型中表现最好的RF-BiLSTM模型的分类准确率提高3.33%，运行时间缩短40.54%；比原始BiLSTM-Attention模型的分类准确率提高6.33%，运行时间缩短96.89%。与传统音频分类工作相比，本研究考虑了京剧二分类问题，对京剧起着良好的推广作用。
|
| 关 键 词： | 京剧 双向长短时记忆网络 注意力机制 随机森林 二分类 |
| 收稿时间： | 2023/3/30 0:00:00 |
| 修稿时间： | 2023/7/4 0:00:00 |
Beijing Opera Binary Classification Simulation Based on RF-BiLSTM-Attention Music Classification Method |
| |
| GONG Yicheng,LIU Qing,XIAO Haoyi.Beijing Opera Binary Classification Simulation Based on RF-BiLSTM-Attention Music Classification Method[J].Journal of Guangxi Academy of Sciences,2023,39(3):322-330,339. |
| |
| Authors: | GONG Yicheng LIU Qing XIAO Haoyi |
| |
| Institution: | School of Science College, Wuhan University of Science and Technology, Wuhan, Hubei, 430065, China;Hubei Province Key Laboratory of Systems Science in Metallurgical Process (Wuhan University of Science and Technology), Wuhan, Hubei, 430081, China |
| |
| Abstract: | |
| |
| Keywords: | Beijing Opera BiLSTM network attention mechanism random forest binary classification |
|
| 点击此处可从《广西科学院学报》浏览原始摘要信息 |
| 点击此处可从《广西科学院学报》下载免费的PDF全文 |
