資源描述：
《基于樂(lè)段特征的MIDI音樂(lè)風(fēng)格分類研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、碩士學(xué)位論文基于樂(lè)段特征的MIDI音樂(lè)風(fēng)格分類研究作者姓名張楚翹學(xué)科專業(yè)通信與信息系統(tǒng)指導(dǎo)教師韋崗教授所在學(xué)院電子與信息學(xué)院論文提交日期2018年4月ResearchonMusicStyleClassificationofMIDIbaseonMusicalSegmentFeaturesADissertationSubmittedfortheDegreeofMasterCandidate：ZhangChuqiaoSupervisor：Prof.WeiGangSouthChinaUniversityofTechnologyGuangzhou,China分類號(hào)：TP3
2、91學(xué)校代號(hào)：10561學(xué)號(hào)：201520109017華南理工大學(xué)碩士學(xué)位論文基于樂(lè)段特征的MIDI音樂(lè)風(fēng)格分類研究作者姓名：張楚翹指導(dǎo)教師姓名、職稱：韋崗教授申請(qǐng)學(xué)位級(jí)別：工學(xué)碩士學(xué)科專業(yè)名稱：通信與信息系統(tǒng)研究方向：現(xiàn)代通信理論與技術(shù)論文提交日期：2018年4月11日論文答辯日期：2018年6月2日學(xué)位授予單位：華南理工大學(xué)學(xué)位授予日期：年月日答辯委員會(huì)成員：主席：丁泉龍委員：王一歌韋崗曹燕摘要MIDI（MusicalInstrumentDigitalInterface）是一種音樂(lè)的存儲(chǔ)格式，因?yàn)槠潴w積小和容易編輯的優(yōu)勢(shì)受到了廣泛的關(guān)注。音樂(lè)風(fēng)格是音樂(lè)的一個(gè)
3、重要特征，同時(shí)也是各大音樂(lè)網(wǎng)站區(qū)分音樂(lè)文件的標(biāo)簽。以往的音樂(lè)風(fēng)格分類方法大多數(shù)都是采用人工標(biāo)注的方法進(jìn)行分類，如今網(wǎng)上的MIDI文件越來(lái)越多，對(duì)海量的文件一一標(biāo)注風(fēng)格會(huì)消耗大量的人力和時(shí)間。因此通過(guò)人工智能來(lái)解決MIDI音樂(lè)風(fēng)格分類問(wèn)題成為了機(jī)器學(xué)習(xí)的新課題。MIDI音樂(lè)分類研究大致可分為兩個(gè)環(huán)節(jié)，一個(gè)是從文件中提取出能表征樂(lè)曲的音樂(lè)特征，另一個(gè)利用這些特征訓(xùn)練出合適的分類器。目前的研究基本都以MIDI音樂(lè)主旋律的統(tǒng)計(jì)特征作為音樂(lè)特征，使用BP神經(jīng)網(wǎng)絡(luò)作為分類器。但是在主旋律中，音符出現(xiàn)的順序?qū)π傻奶卣饔兄鴺O大的影響，統(tǒng)計(jì)特征不能完全反映主旋律的這一關(guān)系。其次
4、，這些特征并沒(méi)有包含樂(lè)曲的伴奏信息。此外，一首樂(lè)曲往往有著許多重復(fù)的旋律片段，如果以整首樂(lè)曲作為樣本，會(huì)增加樣本的冗余度。針對(duì)以往方法的不足，本文研究了基于樂(lè)段特征的MIDI音樂(lè)分類，本文的主要研究工作和創(chuàng)新點(diǎn)有：（1）提出了從MIDI文件中提取樂(lè)段特征的方法，即把每首樂(lè)曲分成多個(gè)樂(lè)段，提取每個(gè)樂(lè)段特征，具體過(guò)程包括MIDI文件音符提取、主旋律提取、樂(lè)段劃分和樂(lè)段特征提取。樂(lè)段特征是從一首樂(lè)曲的一個(gè)片段提取的，包含了該片段的主旋律和伴奏信息，并且能反映音符的順序關(guān)系。（2）對(duì)循環(huán)神經(jīng)網(wǎng)絡(luò)進(jìn)行深入研究，并研究了它的一種改進(jìn)模型——GRU（GatedRecurren
5、tUnit）神經(jīng)網(wǎng)絡(luò)，并根據(jù)其擅長(zhǎng)處理序列數(shù)據(jù)及其克服了循環(huán)神經(jīng)網(wǎng)絡(luò)中長(zhǎng)期依賴問(wèn)題的優(yōu)點(diǎn)，結(jié)合樂(lè)段特征的序列性質(zhì)，決定采用它作為本文的分類網(wǎng)絡(luò)，并設(shè)計(jì)出基于GRU的MIDI風(fēng)格分類器。（3）建立完整的MIDI音樂(lè)風(fēng)格分類模型，對(duì)該模型的準(zhǔn)確率進(jìn)行驗(yàn)證，并將實(shí)驗(yàn)結(jié)果與以往的方法相比較。結(jié)果顯示，本文提出的分類模型與已有的成果相比，具有更高的準(zhǔn)確率。關(guān)鍵詞：MIDI；音樂(lè)風(fēng)格分類；樂(lè)段特征；神經(jīng)網(wǎng)絡(luò)IABSTRACTMIDI,asastorageformatformusic,havereceivedextensiveattentionbecauseofitsadva
6、ntagesofsmallsizeandeasyediting.Musicstyleisanimportantfeatureofmusic,anditisalsoalabelformusicsitestodistinguishmusicfiles.Mostofthepreviousmusicstyleclassificationmethodsusemanuallabelingmethodsforclassification.Nowadays,moreandmoreMIDIfilesareontheInternet.Labelingalargenumberofdo
7、cumentsonebyonewillconsumealotofmanpowerandtime.Therefore,solvingtheMIDImusicstyleclassificationproblemthroughartificialintelligencehasbecomeanewtopicofmachinelearning.MIDImusicclassificationresearchcanberoughlydividedintotwolinks.Oneistoextractthemusicfeaturesthatcanrepresentthemusi
8、cfromthefile
