【摘 要】
：
针对传统音乐流派分类模型性能不稳定、音乐信号特征单一导致分类准确率低的问题,提出了改进的BP神经网络(Back Propagation Neural Network)音乐流派分类模型,通过Python的Librosa库提取了音乐的均方根能量、过零率、频谱质心、频谱对比度等多种特征,并使用PCA(Principal Component Analysis)和LDA(Linear Discriminan
论文部分内容阅读
针对传统音乐流派分类模型性能不稳定、音乐信号特征单一导致分类准确率低的问题,提出了改进的BP神经网络(Back Propagation Neural Network)音乐流派分类模型,通过Python的Librosa库提取了音乐的均方根能量、过零率、频谱质心、频谱对比度等多种特征,并使用PCA(Principal Component Analysis)和LDA(Linear Discriminant Analysis)数据降维方法对特征数据进行可视化分析,证明了特征选取的合理性。最后对四类音乐流派进
其他文献
基于线性模型的矩阵分解推荐算法对信息的特征提取单一,当用户和物品含有大量隐含信息时,无法满足用户需求的个性化推荐。针对此问题,提出一种评分和社会标签融合的卷积神经网络推荐算法,该算法能够根据上下文信息,利用非线性模型提取隐含高阶信息,处理复杂且稀疏的数据。首先,设计由两路由多层感知器和卷积神经网络组成的深层网络结构,分别实现利用社会标签信息和用户评分信息建模用户兴趣和项目信息的潜在特征向量;然后,
通过人工智能领域中的自然语言工具将不直观的专业海上风速预报数据转化为友好易懂的分析文本,提高气象预报服务的时效性和合理性。首先提取中国海洋石油公司南海东部四个海上区块的原始预报数据,利用神经网络对数据进行回归拟合,得到一条显示未来风速上升下降的单调区间、极值点和增减幅度的光滑曲线,再利用自然语言处理基于规则和基于统计相结合的方法自动生成预报文本。该方法可将现行需要人工45—60分钟才能完成的预报报
随着道路监控系统的数字化和智能化发展,车辆类型识别成为智能交通系统的研究重点之一。本文基于道路监控系统中的视频图像,对车前脸进行粗定位,并在粗定位车脸的基础上对车脸进行精确定位。对精确定位的车前脸进行水平梯度水平投影和水平梯度垂直投影,提取车标的方向梯度直方图——HOG特征,由此提出了基于HOG特征描述的车脸特征点提取方法,并采用支持向量机(SVM)对车标特征向量进行了分类识别。实验结果表明,只有
为了进一步了解情感分析方向的发展趋势,通过对基于机器学习的情感分析文献的整理与分析,首先对国内外基于机器学习的情感分析方法进行了梳理,介绍了相关方法的基本原理及算法改进;其次列举了几种方法在电子商务、餐馆评价和灾害管理中的实际应用,对当前情感分析应用中存在的主要困难进行探讨,对相关方法处理能力进行评价;最后得出了上下游任务结合的处理方法值得深入研究的结论,给出了对情感分析未来研究趋势的展望,提出了