| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究背景 | 第9-10页 |
| 1.2 课题研究的目的和意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.4 本文主要工作及文章的组织结构 | 第13-15页 |
| 第2章 音乐基础理论知识 | 第15-21页 |
| 2.1 音乐特征简介 | 第15-16页 |
| 2.2 乐理知识 | 第16-19页 |
| 2.2.1 音高与音色 | 第16-17页 |
| 2.2.2 音律及十二平均律 | 第17-18页 |
| 2.2.3 音级、音程与和弦 | 第18-19页 |
| 2.3 本章小结 | 第19-21页 |
| 第3章 音级轮廓特征提取 | 第21-31页 |
| 3.1 音乐信号时频表示 | 第22-23页 |
| 3.2 鲁棒性音阶轮廓特征 | 第23-29页 |
| 3.2.1 基于核范数约束和一范数约束下的凸优化问题描述 | 第23-25页 |
| 3.2.2 阈值自适应ALM算法 | 第25-29页 |
| 3.3 本章小结 | 第29-31页 |
| 第4章 音乐和弦识别系统的设计 | 第31-47页 |
| 4.1 支持向量机 | 第31-39页 |
| 4.1.1 支持向量机概述 | 第32-36页 |
| 4.1.2 支持向量机的线性化 | 第36-39页 |
| 4.2 测度学习(metriclearning)多分类支持向量机 | 第39-45页 |
| 4.2.1 测度学习理论 | 第39页 |
| 4.2.2 基于和弦样本对距离和的距离测度学习算法 | 第39-42页 |
| 4.2.3 SVM的多类和弦分类 | 第42-44页 |
| 4.2.4 实验结果与分析 | 第44-45页 |
| 4.3 本章小结 | 第45-47页 |
| 第5章 总结与展望 | 第47-49页 |
| 5.1 论文总结 | 第47-48页 |
| 5.2 未来展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 发表论文和参加科研情况说明 | 第53-55页 |
| 致谢 | 第55-56页 |
