| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 引言 | 第9-17页 |
| ·研究背景和意义 | 第9-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·论文的主要工作和组织结构 | 第14-17页 |
| 第二章 音乐情绪分类技术和原理 | 第17-32页 |
| ·音乐情绪分类理论 | 第17页 |
| ·数字音频信号预处理技术 | 第17-22页 |
| ·音频短时处理技术 | 第17-19页 |
| ·音频信号分类概述 | 第19-22页 |
| ·音频信号特征提取 | 第22-27页 |
| ·基于帧的音频特征 | 第22-26页 |
| ·基于片段的音频特征 | 第26-27页 |
| ·常用分类器的设计方法 | 第27-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 统计学习理论与高斯混合模型 | 第32-42页 |
| ·统计学习理论 | 第32-33页 |
| ·高斯混合模型简述 | 第33-35页 |
| ·高斯混合模型定义 | 第33-35页 |
| ·高斯混合模型的训练 | 第35页 |
| ·EM算法简述 | 第35-38页 |
| ·EM算法原理 | 第36-37页 |
| ·EM算法估计GMM参数 | 第37-38页 |
| ·基于GMM分类器的设计 | 第38-41页 |
| ·本章小节 | 第41-42页 |
| 第四章 ADABOOST算法 | 第42-49页 |
| ·Adaboost简介 | 第42页 |
| ·Adaboost 算法分析 | 第42-48页 |
| ·Boosting方法简述 | 第42-44页 |
| ·Adaboost 方法概述 | 第44-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 基于GMM和ADABOOST组合的音乐情绪分类系统 | 第49-66页 |
| ·系统模块简介 | 第49-50页 |
| ·预处理 | 第50-55页 |
| ·音频分帧技术 | 第51页 |
| ·音频预加重技术 | 第51-52页 |
| ·加窗技术 | 第52-54页 |
| ·静音帧判别技术 | 第54页 |
| ·端点检测技术 | 第54-55页 |
| ·特征提取 | 第55-60页 |
| ·音色特征提取 | 第55-59页 |
| ·节奏特征提取 | 第59-60页 |
| ·组建分类器与实现 | 第60-65页 |
| ·音乐情绪分类系统设计 | 第60-61页 |
| ·音乐情绪分类系统的具体实现 | 第61-64页 |
| ·实验结果及分析 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 总结和展望 | 第66-68页 |
| 1 总结 | 第66页 |
| 2 未来工作展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73-74页 |
| 附件 | 第74页 |