数据挖掘在音乐分类中的应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第1章 绪论 | 第7-10页 |
| ·统计学与数据挖掘 | 第7-8页 |
| ·音乐分类问题的提出 | 第8-9页 |
| ·国内外发展现状 | 第9-10页 |
| 第2章 神经网络 | 第10-23页 |
| ·神经网络 | 第10-17页 |
| ·概念 | 第10-11页 |
| ·BP神经网络 | 第11-13页 |
| ·径向基(RBF)函数神经网络 | 第13页 |
| ·Hopfield网络 | 第13-16页 |
| ·LVQ神经网络 | 第16-17页 |
| ·评估方法 | 第17-18页 |
| ·模型的过份拟合 | 第17页 |
| ·交叉验证 | 第17页 |
| ·混淆矩阵 | 第17-18页 |
| ·神经网络在音乐分类中的应用 | 第18-23页 |
| ·数据来源 | 第18-19页 |
| ·BP神经网络验证 | 第19页 |
| ·Hoppfield网络分类器 | 第19-20页 |
| ·RBF神经网络分类器 | 第20-21页 |
| ·Ivq神经网络分类器 | 第21页 |
| ·小结 | 第21-23页 |
| 第3章 优化算法 | 第23-27页 |
| ·遗传算法 | 第23-25页 |
| ·基本原理 | 第23页 |
| ·基本构成 | 第23-24页 |
| ·遗传算法基本流程 | 第24-25页 |
| ·粒子群算法 | 第25-27页 |
| ·基本原理 | 第25-26页 |
| ·粒子群算法步骤 | 第26-27页 |
| 第4章 支持向量机 | 第27-36页 |
| ·支持向量机 | 第27-32页 |
| ·概述 | 第27页 |
| ·VC维理论 | 第27-28页 |
| ·推广误差边界 | 第28-29页 |
| ·支持向量与最优超平面 | 第29-31页 |
| ·非线性情况 | 第31-32页 |
| ·基于遗传算法优化支持量机在音乐分类中的应用 | 第32-34页 |
| ·GA+SVM | 第32-34页 |
| ·基于PSO算法优化支持向量机在音乐分类中的应用 | 第34-36页 |
| ·PSO+SVM设计 | 第34-35页 |
| ·小结 | 第35-36页 |
| 第5章 其它分类方法在音乐分类中的应用 | 第36-43页 |
| ·线性判别分析 | 第36-37页 |
| ·判别分析的假设条件 | 第36页 |
| ·线性判别基本形式 | 第36-37页 |
| ·logistic回归模型 | 第37-39页 |
| ·基本形式 | 第37-38页 |
| ·系数解释 | 第38-39页 |
| ·实证分析 | 第39-43页 |
| ·线性判别分析 | 第39页 |
| ·逻辑回归验证 | 第39-40页 |
| ·分类回归树验证分析 | 第40-41页 |
| ·对比分析 | 第41-43页 |
| 第6章 总结与展望 | 第43-45页 |
| ·总结 | 第43页 |
| ·展望 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 附录 | 第49-53页 |
| 致谢 | 第53页 |
