中国民族音乐特征提取与分类技术的研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-18页 |
| ·课题研究的背景和意义 | 第12-13页 |
| ·音乐分类国内外研究现状 | 第13-15页 |
| ·论文的主要研究内容 | 第15-16页 |
| ·论文的组织结构 | 第16-18页 |
| 第2章 民乐特征分析与提取 | 第18-31页 |
| ·中国民族音乐简介 | 第18-19页 |
| ·音乐信号处理相关技术 | 第19-21页 |
| ·短时处理技术 | 第19-20页 |
| ·傅里叶变换 | 第20-21页 |
| ·民乐信号的预处理 | 第21-22页 |
| ·民乐分类特征 | 第22-29页 |
| ·表征音调的特征 | 第23-24页 |
| ·表征响度的特征 | 第24-25页 |
| ·表征音色的特征 | 第25-28页 |
| ·表征节奏的特征 | 第28-29页 |
| ·民乐数据集和特征向量的构建 | 第29-31页 |
| ·本章小结 | 第31页 |
| 第3章 民乐分类方法的选择 | 第31-43页 |
| ·引言 | 第31-33页 |
| ·经典分类器介绍 | 第33-41页 |
| ·朴素贝叶斯 | 第33-34页 |
| ·BP神经网络 | 第34-36页 |
| ·K近邻 | 第36-38页 |
| ·决策树 | 第38-39页 |
| ·支持向量机 | 第39-41页 |
| ·分类实验及结果分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 基于支持向量机的民乐分类 | 第43-52页 |
| ·统计学习理论与支持向量机 | 第43-48页 |
| ·统计学习理论 | 第43-46页 |
| ·支持向量机的多分类问题 | 第46-47页 |
| ·支持向量机的特点及应用 | 第47-48页 |
| ·核函数的选择对分类器性能的影响 | 第48-49页 |
| ·不同声学特征集的分类性能比较分析 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 民乐分类中的特征选择 | 第52-75页 |
| ·引言 | 第52-53页 |
| ·过滤式特征选择算法 | 第53-60页 |
| ·Focus算法 | 第54-55页 |
| ·ReliefF算法 | 第55-58页 |
| ·ReliefF算法的改进 | 第58-60页 |
| ·封装式特征选择算法 | 第60-62页 |
| ·两种启发式的混合特征选择算法 | 第62-64页 |
| ·启发式向前搜索(HFS) | 第62-63页 |
| ·启发式向后搜索(HBS) | 第63-64页 |
| ·实验结果与分析 | 第64-74页 |
| ·过滤式特征选择算法结果 | 第64-67页 |
| ·HBS和HFS特征选择算法结果 | 第67-72页 |
| ·各种算法性能比较 | 第72-73页 |
| ·HBS和HFS算法的推广探索 | 第73-74页 |
| ·本章小结 | 第74-75页 |
| 第6章 总结与展望 | 第75-77页 |
| 参考文献 | 第77-80页 |
| 攻读硕士期间发表的学术论文 | 第80-81页 |
| 致谢 | 第81页 |
