基于SVM的增量式音乐风格分类研究.pdf

《基于SVM的增量式音乐风格分类研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、＇ＩＩ、ｈＩ；１０２９３密级：单位代码（巧＇Ｍ、Ｉ、？．．、．？！．｝ｊ．疋■＇？考巫＃您硕女讼乂、＊＾＊＊＂＂＊－＊？？’，＇．＊＇？：－＞？、、．．’．＾＇、ｖ女．ＶＶ＇；Ｖｆ５．论文题目子■：基于ＳＶＭ的增量式音乐风格分类研究学号１２１３０１２３０７姓名王静涛导师ｍｍ专业学位类别工程硕＞±￡．类型全日制、？专业（领域）电子与通信工捐，Ｐ

2、，ｖ．论文括交日期２０１６．０３＾￣７‘．，八％．，，义‘－’’＇１＇ｆ‘．ＶＶｖ．．＾．六；：．巧怎＾产．哨巧式片游；：南京邮电大学学位论文原创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中持别加标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。一与我同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说

3、明并表示了谢意。本人学位论文及涉及相关资料若有不实一，愿意承担切相关的法律责任。研巧生签名：＾日期：从１（＞、叫南京邮电大学学位论文使用授权声明本人授权南京邮电大学可保留并向国家有关部ｎ或机构送交论文的复印件和电子文档可；允许论文被查阅和借阅；可将学位论文的全部或部分内容编入有关数据库进行检索；［＾采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质论文的内容相一致。论文的公布（包巧刊登）授权南京邮电大学研究生院办理。涉密学位论文在解密后适用本授权书

4、。研究生签名：禾祇璃导师签名：成；日期：７＾！《＇牛］寺StudyOnIncrementalMusicClassificationBasedOnSVMThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringByWangJingtaoSupervisor:Prof.ShaoXiMarch2016摘要伴随着互联网时代的来临,信息技术日新月异，因特网上的数据资源也得

5、以飞速的增长，音乐正是海量数据中热门的信息资源。随着大众审美的不断提高以及变化迥异、风格不一的音乐也越来越多，音乐检索系统也应该更加高效和功能多样化。但是传统的音乐分类系统在训练初期往往需要足够完善的音乐样本，且并不能随着各式各样新增音乐样本的加入而有效调整。在实际情况中，分类识别过程通常面对的是不断演化的新数据，初始得到的训练样本集不可能反映全部的样本信息。于是，本文旨在研究增量学习技术，设法让音乐分类系统随着音乐数据的新增而不断优化，使之能对这些海量音乐进行有效分类管理，使之便捷又准确地被人们按照自己

6、的喜乐进行快速检索。支持向量机正是近几年异常火热具有优良性能的机器学习方法，本文在已有研究的基础上，根据增量数据集是否带有标签，分两种情况对基于SVM的增量式音乐风格分类系统进行探索，主要研究内容如下：（1）在增量数据集是全部带有标签的情况下，本文引入凸包向量的求解，减少了初始样本的训练时间。然后根据差错推动策略，提出了一种基于凸包向量和差错推动策略的增量学习算法，能有效筛选历史有用信息同时，剔除新增样本中无用信息，减少增量学习的训练时间，保持良好的精度和性能。（2）在增量数据集是未带有标签的情况下，本文

7、引入主动学习理论，同时兼顾新增样本的不确定性和多样性，提出了一种筛选出有价值样本的选择策略，不但可以降低学习过程中人工标注的成本，还达到了增量学习的目的，让音乐风格分类系统随着样本集的增加，保持分类准确率的同时又有良好的泛化能力。关键词:音乐风格分类、支持向量机、标签、增量学习、主动学习IAbstractWiththeadventoftheInternetageandtherapiddevelopmentofinformationtechnology,thedataresourcesontheIntern

8、etshowexplosivegrowth.Vastamountsofdataincludesawiderangeofinformation,andmusicisoneofmostpopularinformation.Withallkindsofmusichavebeenproduced,themusicclassificationsystemsystemshouldalsobemoreefficientandfunction