流行音乐分类.docxVIP

流行音乐风格分类方法 承 诺 书 我们仔细阅读了第六届“认证杯”数学中国数学建模网络挑战赛的竞赛规则。 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。 我们允许数学中国网站( HYPERLINK )公布论文，以供网友之间学习交流，数学中国网站以非商业目的的论文交流不需要提前取得我们的同意。 我们的参赛队号为：2767 参赛队员 (签名) ： 队员1：陈文娟 队员2：杨南 队员3：吕贵金 参赛队教练员 (签名)：无 参赛队伍组别：研究生组 编 号 专 用 页 参赛队伍的参赛队号：（请各个参赛队提前填写好）：2767 竞赛统一编号（由竞赛组委会送至评委团前编号）： 2013年第六届“认证杯”数学中国 数学建模网络挑战赛 题 目 流行音乐分类 关 键 词 音乐情绪 GMM 模型 Adaboost 音频特征 摘 要： 参赛密码 （由组委会填写）参赛队号: 参赛密码 （由组委会填写） 所选题目: B 题 论文题目、关键词（模型、算法名称）和摘要 英文摘要（选填） 一 问题重述 随着互联网的发展，流行音乐的传播媒介从传统的电台和唱片逐渐过渡到网络下载和网络的电台。网络的电台需要根据收听者的已知的喜好，自动的推荐并且播放其他的音乐。由于每个人的喜好可能横跨若干种的风格，区别甚大，需要分别的对待。这就需要探讨如何区分音乐风格的问题。 随着数据的存储、压缩技术在互联网技术的飞速发展，音乐类型的数据急速的增加，很多的音乐类型之间的关系不是很明确，造成了混乱，有的类别过于粗略或者是精细，有的音乐则存在争议或者是难以划归，传统的人工检索的方法已不能满足人们对音乐海量的信息的检索和分类，音乐的计算机分类就是为了解决上述的问题。 音乐的计算机识别是新兴的交叉学科，其研究涉及到物理学、信号处理、人机交互、音乐理论和音乐心理学等学科知识。其主要任务是对音频的处理和特征提取，获取音乐内容的相关信息，进而进行比较、分类乃至自动录谱等。 每个人都有这样的经历，可以想象一下以下的情景，当我们坐在酒吧喝酒的时候，当我们在机场候机的时候，在餐厅用餐的时候，在商场购物的时候，或者是在驾车出行的时候，都会听到让你让你熟悉又陌生的旋律，你知道你以前的时候肯定听过这首歌曲，但是又想不起来它的作者和表演者，你所知道的的就是这熟悉的旋律，在先有的有哪些信誉好的足球投注网站引擎上，该怎么去找到这首熟悉的旋律呢？ 二背景介绍 随着互联网技术和信息产业的不断发展，人们有机会接触到庞大的多媒体内容，如图像、视频、音频等信息越来越多的走进人们的日常生活中。虽然多媒体技术和 Internet的发展给人们带来了巨大的信息海洋，却也给这些海量信息的检索和管理技术带来了新的技术难题。传统的信息检索和管理技术渐渐的不能满足当前的信息管理技术要求，因此迫切需要新的技术对其进行有效的管理，实现对海量信息资源的检索和访问。音频和视频等多媒体数据业已成为数字信息处理领域当中主要的信息载体，有效快速的处理和分析问题已日显重要，同时我们对其进行合理的组织和处理也是进一步研究的基础和前提。 当今音频作为多媒体的一个重要分支早已成为十分广泛应用的载体，一般来说，音频作为流媒体的一种，其组织是非结构化的形式。不过传统的信息分析与数据处理大多是针对结构化的数据操作的。所谓结构化形式的数据，指的是相互独立而且较易在计算机中表示出的数据个体，其中的数据信息也大多可以从物理表示中抽取出来。而作为非结构化的音频数据却成为音频技术应用发展道路上的一大障碍。因此，怎样将一些无序的复杂音频数据转变成井然有序的数据，显得至关重要。音频的智能分类指的是从音乐或语音等音频形式中提取出内容、结构和语义，是进一步分析研究的前提条件。人类所能听到的频率(音频)大约是在60Hz-20kHz,而语音主要分布于300Hz-4kHz,音乐则包括全部的范围。作为最重要的两类音频信号，音乐和语音的自动分类在基于音频内容的语义提取、音频检索、视频的摘要和语音识别等众多领域中都有重要的应用价值。 三 问题分析 音频自动分类技术涉及的学科包括:计算机科学!信息检索!音乐学!音频 技术!数字信号处理和