| 中文摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-20页 |
| ·引言 | 第10页 |
| ·研究背景 | 第10-14页 |
| ·音乐术语 | 第11-12页 |
| ·音频的存储方式 | 第12-13页 |
| ·多标签分类 | 第13-14页 |
| ·研究现状及目标 | 第14-17页 |
| ·音乐检索的现状 | 第14-15页 |
| ·多标签分类的研究现状 | 第15-16页 |
| ·研究目标 | 第16-17页 |
| ·音色识别的应用 | 第17-18页 |
| ·本人的主要工作和创新点 | 第18-19页 |
| ·课题来源 | 第19页 |
| ·论文章节安排 | 第19-20页 |
| 第二章 音色特征库 | 第20-31页 |
| ·M PEG-7 标准以及相关知识 | 第20-23页 |
| ·基本频谱(BASIC SPECTRAL) | 第20-21页 |
| ·时域音色(TIMBRAL TEMPORAL) | 第21-22页 |
| ·频谱音色(TIMBRAL SPECTRAL) | 第22页 |
| ·频谱基底(SPECTRAL BASIS) | 第22-23页 |
| ·新的时域音色特征的设计 | 第23-30页 |
| ·帧的预处理 | 第23-24页 |
| ·新的时域音色特征 | 第24-25页 |
| ·实验 | 第25-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于多标签决策树分类算法的和弦音乐音色识别 | 第31-44页 |
| ·独奏音乐的分类算法 | 第31-32页 |
| ·基于多标签决策树分类算法的基本框架 | 第32-36页 |
| ·多标签分类法 | 第32-33页 |
| ·多标签决策树分类算法 | 第33-36页 |
| ·ML-DECISION TREE算法 | 第36-37页 |
| ·多标签分类法的性能评价准则 | 第37-38页 |
| ·实验过程与分析 | 第38-40页 |
| ·实验结果 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 基于多标签K-最近邻分类算法的和弦音乐音色识别 | 第44-50页 |
| ·基于多标签K-最近邻分类算法的基本框架 | 第44-46页 |
| ·K-最近邻(KNN) | 第44-45页 |
| ·基于多标签K-最近邻分类算法 | 第45-46页 |
| ·ML-KNN 算法 | 第46-47页 |
| ·实验过程与分析 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第五章 总结 | 第50-52页 |
| ·工作总结 | 第50页 |
| ·工作展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间发表的论文和科研项目 | 第56页 |