周婧 范凌云

摘 要： 为了提高电子音乐识别精度，更快从海量电子音乐中找到用户真正需要的电子音乐，提出基于最小二乘支持向量机的电子音乐识别模型。首先收集电子音乐的数据，并采用小波分析对电子音乐数据进行去噪处理，然后提取电子音乐的特征，并对特征进行归一化处理，最后采用最小二乘支持向量机对处理后的电子音乐数据进行训练，建立电子音乐识别模型。采用具体电子音乐数据对模型的有效性进行验证，结果表明，与传统电子音乐识别模型相比，支持向量机对噪声数据具有良好的鲁棒性，可以有效识别各种类型的电子音乐，而且电子音乐的识别速度更优。

关键词： 电子音乐; 短时特征; 特征向量归一化; 最小二乘支持向量机; 噪声鲁棒性; 识别速度

中图分类号： TN911?34; TP391.9 文献标识码： A 文章编号： 1004?373X（2018）09?0109?04

Abstract： In order to improve the recognition accuracy of electronic music， quickly find the electronic music needed by user in massive electronic music， an electronic music recognition model based on least square support vector machine is proposed. The electronic music data is acquired， and denoised with wavelet analysis. The characteristic of electronic music is extracted and normalized. The least square support vector machine is used to train the processed electronic music data， and establish the electronic music recognition model. The specific electronic music data is adopted to verify the effectiveness of the model. The results show that， in comparison with the traditional electronic music recognition model， the proposed model based on support vector machine has stronger robustness for noise data， can identify the various types of electronic music effectively， and its recognition speed is faster.

Keywords： electronic music; short?time feature; eigenvector normalization; least square support vector machine; noise robustness; recognition speed

0 引 言

随着互联网快速的发展，近几年产生了大量的多媒体数据，电子音乐是一种最常用的多媒体数据。面对海量的电子音乐数据，如何建立理想的电子音乐识别模型，快速、准确地从中获得用户感兴趣、喜欢的电子音乐是当前面临的一个挑战[1?3]。

电子音乐识别，顾名思义就是对电子音乐进行分类，本质上是一种模式分类的过程，该过程涉及到许多方面的学科，如心理学、信号处理、模式识别等，是一个十分复杂的过程[4]。在网络中的电子音乐数据与现实生活中的数据格式不同，其有自身的特殊格式，因此，有学者提出基于……