基于支持向量机的音乐自动分类
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究的背景与意义 | 第8-9页 |
| 1.2 音乐分类发展的历史与现状 | 第9-11页 |
| 1.3 本文的主要内容和结构安排 | 第11-13页 |
| 第二章 支持向量机的基本理论 | 第13-27页 |
| 2.1 统计学习理论 | 第13-15页 |
| 2.2 支持向量机的分类基础 | 第15-25页 |
| 2.2.1 线性可分与最优平面 | 第16-18页 |
| 2.2.2 线性不可分与软间隔概念 | 第18-21页 |
| 2.2.3 非线性与核函数 | 第21-25页 |
| 2.3 支持向量机的优势和特点 | 第25-27页 |
| 第三章 多分类问题和分类器集成方法 | 第27-35页 |
| 3.1 多分类问题的解决思路 | 第27-28页 |
| 3.2 多类分类器的分解组合方法 | 第28-31页 |
| 3.3 树型多类分类方法 | 第31-35页 |
| 第四章 音乐特征的提取 | 第35-55页 |
| 4.1 信号预处理 | 第35-41页 |
| 4.1.1 预加重 | 第36-37页 |
| 4.1.2 分帧、加窗 | 第37-39页 |
| 4.1.3 判别静音帧 | 第39-41页 |
| 4.2 提取音乐样本的特征属性 | 第41-54页 |
| 4.2.1 MFCC的提取 | 第41-45页 |
| 4.2.2 基音周期特征的提取 | 第45-49页 |
| 4.2.3 音乐信号的时域特征 | 第49-51页 |
| 4.2.4 信号频域特征的提取 | 第51-54页 |
| 4.3 音乐特征向量的构成 | 第54-55页 |
| 第五章 基于SVM的音乐分类系统 | 第55-66页 |
| 5.1 音乐样本的处理 | 第56-57页 |
| 5.2 几种分类器性能的比较 | 第57-59页 |
| 5.3 分类器实现及其组合 | 第59-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71页 |
