首页--数理科学和化学论文--概率论与数理统计论文--数理统计论文--一般数理统计论文

基于回归分析的音乐情感分类系统

摘要第4-5页
abstract第5页
第一章 绪论第8-13页
    1.1 研究背景及意义第8-9页
    1.2 音乐情感分类技术简介第9-10页
    1.3 本文主要研究内容第10-11页
    1.4 论文组织结构第11-13页
第二章 音乐情感建模第13-20页
    2.1 音乐情感基本特征第13-15页
    2.2 音乐情感模型第15-18页
        2.2.1 Hevner情感环第15-17页
        2.2.2 Thayer情感模型第17页
        2.2.3 Plutchik情感模型第17-18页
    2.3 音乐情感分类标准第18-19页
    2.4 本章小结第19-20页
第三章 基于回归分析的音乐情感分类系统框架第20-41页
    3.1 常用音乐信号特征第20-25页
        3.1.1 声学特征第21-23页
        3.1.2 感知特征第23-25页
    3.2 特征提取第25-33页
        3.2.1 短时特征提取第25-32页
        3.2.2 时间特征分析第32-33页
    3.3 常用的音乐情感分类方法第33-37页
        3.3.1 基于模式识别的传统分类法第33-35页
        3.3.2 基于模糊算法的分类方法第35-37页
    3.4 基于回归的音乐情感分类方法第37-39页
        3.4.1 连续型情绪感知第37-38页
        3.4.2 回归思想的引入第38-39页
    3.5 本章小结第39-41页
第四章 回归算法理论基础第41-52页
    4.1 支持向量回归第41-48页
        4.1.1 SVR相关统计学习理论第41-43页
        4.1.2 支持向量回归的线性情况第43-46页
        4.1.3 支持向量回归的非线性情况第46-48页
    4.2 K平面分段回归第48-51页
        4.2.1 k平面聚类算法第49页
        4.2.2 k平面分段回归第49-51页
    4.3 本章小结第51-52页
第五章 系统仿真与实验结果第52-64页
    5.1 建立音乐数据集第52-55页
    5.2 基于MATLAB环境的音乐情感分类系统第55-60页
    5.3 实验结果及分析第60-63页
        5.3.1 三种回归模型结果对比第60-62页
        5.3.2 回归方法与模式识别方法结果对比第62-63页
    5.4 本章小结第63-64页
第六章 总结与展望第64-66页
    6.1 本文研究工作总结第64-65页
    6.2 未来研究展望第65-66页
参考文献第66-69页
附录 攻读硕士学位期间撰写的论文第69-70页
致谢第70页

论文共70页,点击 下载论文
上一篇:银透明柔性导电薄膜的制备与表征
下一篇:河西葡萄酒区域性品牌建设问题研究