刘天华

摘 要： 电子音乐具有独特的节奏质感，传统电子音乐分类过程中，无法将多特征进行融合式的分类。为此，设计基于多特征融合和神经网络的电子音乐分类模型。创建特征融合模块，进行自适应特征融合，根据自适应机制调整特征融合频率；利用神经网络元承接融合特征因子，形成分布式的电子音乐多特征分类结构；利用电子音乐特频效应完成特征融合分类，实现电子音乐分类模型的构建。实验数据表明，设计的电子音乐分类模型，能够以特征融合方式进行分类，并且分类结果十分精准。

关键词： 多特征融合； 神经网络； 电子音乐； 分类模型； 自适应多特征融合； 多层感知分類

中图分类号： TN919.3?34 文献标识码： A 文章编号： 1004?373X（2018）19?0173?04

Abstract： The electronic music has the unique rhythm feeling. Since the traditional electronic music classification can′t classify the multi?feature fusion， the electronic music classification model based on multi?feature fusion and neural network is designed. The feature fusion module is created to perform the adaptive feature fusion， and adjust the frequency of feature fusion according to the adaptive mechanism. The neural network cell is used to receive the fusion feature factors， so as to form the distributed multi?feature classification structure of electronic music. The special frequency effect of electronic music is adopted to complete the classification of feature fusion， and realize the construction of the electronic music classification model. The experimental data shows that the designed electronic music classification model can classify the feature fusion modes， and has accurate classification results.

Keywords： multi?feature fusion； neural network； electronic music； classification model； adaptive multi?feature fusion； multilayer perception classification

0 引 言

电子音乐分类被广泛的应用在各大音乐平台之中，但是电子音乐自身的节奏感较强，且特点识别不明显，因此传统的电子音乐分类方法无法进行特征融合式的分类[1]。针对上述问题，本文设计基于多特征融合和神经网络的电子音乐分类模型。应用多特征融合的方式创建特征识别模块，对电子音乐进行自适应特征融合，使用自适应机制进行调整便于高校特征融合。通过神经网络承接融合后的特征因子，导入分布结构进行多层感知分类，利用电子音乐特频效应实现电子音乐分类模型的构建。为了保证设计的有效性，模拟使用环境进行仿真模拟实验，试验结果表明，设计的电子音乐分类模型能够以特征融合的方式进行分类，并且分类结果十分精准。……