基于关联规则数据挖掘技术在音乐分类中应用

摘要：

为了提高音乐分类的精准性及个性化,提出基于关联规则的数据挖掘技术在音乐分类中的使用,解决单一轨道提取的局限性问题.首先,对音乐文件预处理进行分析,主要包括提取主旋律、分析和声;之后,对基于FP Growth关联规则挖掘算法的音乐风格进行分析.因为FP Growth算法只需要扫描两遍原始数据,对原始数据进行压缩具有较高的效率,所以将FP Growth关联规则挖掘算法应用于音乐媒体的风格分类中,并且创建基于FP Growth关联规则挖掘的音乐风格分类,减少所需频繁项集的数量,从而提高数据库扫描速度,在此过程中不需要候选项集,实现音乐分类过程中的数据挖掘;最后,对数据挖掘的效率进行Matlab测试,测试结果表示,相比基于LAD和Apriori算法的音乐风格分类,基于FP Growth的音乐风格分类减少了I/O开销,提高了运行效率和分类的精准性.

关键词：音乐分类、数据挖掘、关联规则算法、音乐风格分析、主旋律提取、FPGrowth

所属期刊栏目：43

分类号：TN911.1-34;TP393

在线出版日期：2020-03-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：99-101,106