基于深度学习的音乐配乐识别研究
2021-11-01赵一鸣
微型电脑应用 2021年10期
赵一鸣
(榆林学院 艺术学院, 陕西 榆林 719000)
0 引言
大数据时代,随着数据挖掘技术的发展,对海量数据进行挖掘和提炼并转换为有价值信息的技术逐步变得大众化、成熟化[1]。而音乐信息检索和识别也随着数字媒体经济的发展壮大而成为众多学者研究的热门领域,进入20世纪以来,美国的学者Krishna A G率先提出了基于改进的高斯模型和KNN分类相结合算法用于单乐器的音乐配乐识别[2]。来自英国的研究人员Essid S在2012年提出了将梅尔频率倒谱与支持向量机结合的分类算法,用于对多种组合乐器的配乐识别,实验后发现该算法用于K最近邻分类算法,将识别准确率提升到了90%[3]。国内研究人员沈骏针对中国传统乐器的配乐识别提出了基于乐器本身特征增强后的特征识别分类算法,并对经典的KNN算法与卷积神经网络算法进行了结合,该算法可以提高中国传统乐器的配乐识别,但是准确率为92%,对比Essid S提出的算法略有提升,但是算法执行过程中比较耗费资源[4]。基于前人研究的基础上,考虑到深度学习在图像识别领域强大的特征提取能力,本文创新性地探索了深度学习的相关算法在音乐配乐分类识别方面的研究与应用,在经典神经网络的基础上,引入特征值向量,首先对数据集样本进行预处理,结合特征变化参数,强化特征值,然后,基于改进的神经网络算法,建立深度监督学习后的音乐配乐的分类模型,并对测试样本进行模型的应用比对测试,实验证明,改进后算法应用于配乐识别的识别率高达98.4%,明显优于其他经典算法。……
登录APP查看全文
