首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

级联分类与多标签分类在中国民族乐器识别中的应用

中文摘要第1-5页
Abstract第5-6页
目录第6-8页
第一章 前言第8-14页
   ·引言第8-11页
     ·研究目的第8页
     ·研究现状第8-10页
     ·研究意义第10-11页
   ·研究目标和要解决的问题第11-12页
   ·研究方法第12页
   ·本文的工作和创新点第12页
   ·论文的组织结构第12-14页
第二章 基本乐理知识和乐器音频特点第14-21页
   ·音乐的基本知识第14-17页
     ·乐理的基本概念第14-16页
     ·声音的属性第16-17页
   ·音频文件的特征第17-21页
     ·音频文件的特点第17页
     ·音色第17-18页
     ·九种中国民族乐器的音频波形特点第18-21页
第三章 基于内容的音乐检索系统第21-25页
   ·基于 MPEG-7 音色的特征值第21-22页
   ·基于音色特征值的提取第22-24页
     ·频谱分析第22-23页
     ·海明窗口第23-24页
     ·重叠窗口第24页
   ·基于内容的音乐检索系统的类型第24-25页
第四章 基于音色数据库的分类方法第25-32页
   ·k最近领域分类法(KNN)第25-26页
   ·决策树(C4.5)第26-28页
   ·支持向量机(SVC)第28-31页
   ·随机森林(RandomForest)第31-32页
第五章 基于MPEG-7 改进特征值的方法第32-41页
   ·差分的方法第32-36页
     ·实验数据第32-33页
     ·实验设计第33页
     ·实验结果第33-36页
   ·组合的方法第36-40页
     ·实验数据第36页
     ·实验设计第36-39页
     ·实验结果第39-40页
   ·本章小结第40-41页
第六章 基于级联分类的九种中国民族乐器的分类识别第41-64页
   ·级联分类的定义第41-44页
     ·平面分类方法第42页
     ·局部分类方法第42-44页
   ·基于层次级联分类系统第44-45页
   ·基于层次的级联分类器第45-46页
   ·九种中国民族乐器的分类第46-48页
   ·实验过程第48-63页
     ·实验数据第48-51页
     ·实验设计第51-59页
     ·实验结果第59-63页
   ·本章小结第63-64页
第七章 基于多标签分类的九种中国民族乐器的分类识别第64-82页
   ·多标签分类的定义第64-65页
   ·基本的多标签分类算法第65-70页
     ·Binary Relevance(BR)算法第65页
     ·Label Powerset(LP)算法第65-66页
     ·Random k-labelset(RAKEL)算法第66-69页
     ·ML-KNN算法第69-70页
   ·多标签的统计参数第70页
     ·标签的势第70页
     ·标签的密度第70页
   ·评估方法第70-73页
     ·二分法第71-72页
     ·排位法第72-73页
   ·实验过程第73-81页
     ·实验数据第73-75页
     ·实验设计第75-79页
     ·实验结果第79-81页
   ·本章小结第81-82页
第八章 全文总结和未来的工作第82-83页
参考文献第83-88页
致谢第88页

论文共88页,点击 下载论文
上一篇:基于扩散张量图像的配准算法研究
下一篇:基于FPGA数字图像处理QR码识别系统的设计与实现