基于卷积神经网络的钢琴音乐推荐算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-18页 |
| 第2章 音乐推荐方法相关理论 | 第18-28页 |
| 2.1 基于内容的推荐算法 | 第18-20页 |
| 2.2 基于上下文的推荐算法 | 第20-22页 |
| 2.3 基于深度神经网络的推荐算法 | 第22-26页 |
| 2.4 推荐方法对比 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 钢琴音乐的特征提取 | 第28-36页 |
| 3.1 钢琴音乐的频谱表示与提取方法 | 第28-30页 |
| 3.1.1 频域特征 | 第28-29页 |
| 3.1.2 频域特征提取 | 第29-30页 |
| 3.2 音符特征提取与改进算法 | 第30-33页 |
| 3.2.1 音符特征提取方法 | 第30-32页 |
| 3.2.2 改进的自相关函数 | 第32页 |
| 3.2.3 实验对比 | 第32-33页 |
| 3.3 频谱及音符频谱生成 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 基于卷积神经网络的钢琴音乐分类方法 | 第36-48页 |
| 4.1 CNN训练过程与实验环境 | 第36-37页 |
| 4.2 训练数据与测试数据 | 第37-38页 |
| 4.3 CNN训练模型设计 | 第38-39页 |
| 4.4 训练与分类 | 第39-43页 |
| 4.4.1 激活函数的对比及分析 | 第39-41页 |
| 4.4.2 最优控制器的对比及分析 | 第41-42页 |
| 4.4.3 Softmax回归分类 | 第42-43页 |
| 4.5 分类结果对比 | 第43-46页 |
| 4.5.1 激活函数与梯度下降法对比 | 第43-45页 |
| 4.5.2 AUC分类结果评估方法与结果对比 | 第45-46页 |
| 4.6 本章小结 | 第46-48页 |
| 第5章 结合用户短期行为的钢琴音乐推荐算法 | 第48-62页 |
| 5.1 总体设计 | 第48-49页 |
| 5.2 CNN的分类误差 | 第49-52页 |
| 5.3 分类优化 | 第52-53页 |
| 5.4 用户偏好特征计算 | 第53-54页 |
| 5.5 结合用户偏好特征的推荐方法 | 第54-56页 |
| 5.5.1 相似度分析与改进 | 第54-55页 |
| 5.5.2 用户特征的综合评价与多类别评价 | 第55-56页 |
| 5.6 实验结果 | 第56-60页 |
| 5.7 方法对比与总结 | 第60-61页 |
| 5.8 本章小结 | 第61-62页 |
| 第6章 总结及展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 参考文献 | 第64-70页 |
| 攻读硕士期间已发表的论文 | 第70-72页 |
| 致谢 | 第72页 |
