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 |
