| 摘要 | 第1-6页 |
| Abstract | 第6-13页 |
| 第1章 绪论 | 第13-22页 |
| ·研究的背景和意义 | 第13-15页 |
| ·国内外研究现状 | 第15-19页 |
| ·论文的主要研究内容 | 第19-20页 |
| ·论文组织结构 | 第20-22页 |
| 第2章 中国民歌的地域风格 | 第22-24页 |
| 第3章 音乐特征分析与抽取 | 第24-41页 |
| ·音乐信号处理的相关技术 | 第24-27页 |
| ·音乐信号的短时平稳性 | 第24-25页 |
| ·傅立叶变换 | 第25-26页 |
| ·短时傅立叶变换 | 第26-27页 |
| ·音乐特征分析 | 第27-37页 |
| ·基础特征 | 第27-30页 |
| ·音乐分类特征 | 第30-37页 |
| ·音乐信号的预处理 | 第37-38页 |
| ·民歌特征集的构造及实验数据集 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 民歌分类中分类器的选择 | 第41-51页 |
| ·引言 | 第41-42页 |
| ·朴素贝叶斯分类器 | 第42-43页 |
| ·FISHER 线性判别分类器 | 第43-44页 |
| ·K 近邻分类器 | 第44-45页 |
| ·BP 神经网络分类器 | 第45-46页 |
| ·支持向量机分类器 | 第46-49页 |
| ·实验结果及分析 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 基于支持向量机的民歌地域风格分类 | 第51-66页 |
| ·统计学习理论与支持向量机 | 第51-57页 |
| ·统计学习理论 | 第51-54页 |
| ·多类情况下的支持向量机 | 第54-56页 |
| ·支持向量机的特点 | 第56页 |
| ·支持向量机的应用 | 第56-57页 |
| ·切分片段的长度与投票法对分类性能影响 | 第57-58页 |
| ·基于声学特征集合的分类性能比较 | 第58-61页 |
| ·多分类器投票组合实验 | 第61-65页 |
| ·基于简单投票规则的分类器组合 | 第63页 |
| ·基于加权投票规则的分类器组合 | 第63页 |
| ·基于最优单分类器投票的分类器组合 | 第63-64页 |
| ·实验结果与分析 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 第6章 民歌地域风格分类中的特征选择 | 第66-83页 |
| ·过滤式特征选择算法 | 第67-69页 |
| ·ReliefF 特征选择算法 | 第67-69页 |
| ·Fisher 准则特征选择方法 | 第69页 |
| ·封装式特征选择算法 | 第69-70页 |
| ·前向特征选择方法 | 第70页 |
| ·最近邻分类器 | 第70页 |
| ·一种新的混合式主动特征选择算法ACTIVESELECTION | 第70-73页 |
| ·实验结果与分析 | 第73-82页 |
| ·过滤式特征选择算法实验结果 | 第73-75页 |
| ·封装式特征选择算法实验结果 | 第75-77页 |
| ·ActiveSelection 特征选择算法实验结果 | 第77-80页 |
| ·三种特征选择算法分类准确率对比 | 第80-82页 |
| ·本章小结 | 第82-83页 |
| 第7章 总结与展望 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 致谢 | 第89-90页 |
| 在读期间发表的论文 | 第90页 |