10.3969/j.issn.1007-757X.2020.09.035
多特征融合和机器学习算法的电子音乐分类模型
电子音乐分类有利于电子音乐的在线检索,当前电子音乐分类模型难以准确识别各种类型的电子音乐,使得当前电子音乐分类模型分类效果差,为了提高电子音乐分类正确率,提出了多特征融合和机器学习算法的电子音乐分类模型.首先采集电子音乐信号,并从电子音乐信号中提取分类的多种特征,然后采用机器学习算法描述电子音乐信号类型和特征之间的联系,建立电子音乐分类器,最后采用模型对多种电子音乐进行分类仿真实验,结果表明,相对于当前其它电子音乐分类模型,该模型减少了电子音乐分类器构建的时间,加快了电子音乐分类速度,能够高精度识别各种类型的电子音乐,电子音乐分类正确率明显提高,验证了该电子音乐分类模型的优越性.
电子音乐、机器学习算法、分类特征、分类器设计、训练时间
36
TP391(计算技术、计算机技术)
2020-11-10(万方平台首次上网日期,不代表论文的发表时间)
共3页
117-119