李 欣，米红娟，吴雪君

（兰州财经大学信息工程学院，甘肃兰州730020）

音乐流派（Music genre）是由音乐作品中独特的节拍、音色、曲调等要素形成的各种音乐风格，比如流行乐、古典乐和爵士乐等.目前大多数音乐网站所应用的分类检索条目之一是音乐流派，同时音乐流派在管理和存储数字音乐数据库中也是重要的分类属性，因此，音乐流派自动分类具有重要的研究意义与实际价值.音乐流派分类识别[1]作为音乐信息检索（Music Information Retrieval,MIR）领域里的一项重要分支被深入研究，是多媒体应用中非常重要的一部分内容，主要包括音乐的检索、欣赏、创作、教学以及数字娱乐[2].

音乐流派的自动分类技术研究已成为近年的研究热点.Tsunoo 等[3]对10 种不同风格的音乐流派提取音色、节奏、低音线3个特征集，取得63.1%的识别率；杨翠丽等[4]建立了神经网络投票机制结合高层音乐节奏特征的流派分类模型，对7 个音乐流派分类识别总精度可达68.9%；Tan 等[5]提取小军鼓和低音鼓的节拍并合成循环节拍来分析音乐节奏，该方法主要对含有节奏型R&B 和Hip⁃Hop 等流派进行仿真验证，具有一定的限制性.因此，本文首先对决策树（Decision Tree, DT）、逻辑回归（Logistic Re⁃gression, LR）、随机森林（Random Forest, RF）、支持向量机（Support Vector Machine,SVM）、反向传播神经网络（Back⁃ProPagation Network, BP）以及全连接网络模型（Full Connected Net, FCN）这六种分类模型进行训练，然后把公开的音频数据集GTZAN 中的音频文件转换为频谱图（spectrogram），从中提取特征，将这些特征数据集进行预处理后作为各模型的输入，构建各个模型，输入数据，最后对各模型的结果进行比较，以……