| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文的主要研究工作及内容安排 | 第12-14页 |
| 第二章 音乐风格分类系统综述 | 第14-23页 |
| 2.1 音乐风格分类系统总体框架 | 第14-15页 |
| 2.2 常用的音乐信号特征 | 第15-17页 |
| 2.3 音乐风格分类器及分类方法 | 第17-22页 |
| 2.3.1 音乐风格分类器 | 第17-21页 |
| 2.3.2 常用分类方法 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 音乐特征提取算法 | 第23-41页 |
| 3.1 音乐特征预处理 | 第23-27页 |
| 3.1.1 预加重 | 第23-24页 |
| 3.1.2 加窗分帧 | 第24-27页 |
| 3.2 短时特征提取 | 第27-38页 |
| 3.2.1 MFCC 的提取 | 第28-31页 |
| 3.2.2 感知线性预测参数提取 | 第31-35页 |
| 3.2.3 RASTA-PLP 特征参数提取 | 第35-38页 |
| 3.3 时间特征集合 | 第38-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第四章 音乐分类器模型 | 第41-55页 |
| 4.1 支持向量机(SVM Support Vector Machine) | 第41-48页 |
| 4.1.1 SVM 的相关统计学习理论 | 第41-42页 |
| 4.1.2 SVM 的线性可分情况 | 第42-45页 |
| 4.1.3 线性不可分情况 | 第45-46页 |
| 4.1.4 非线性可分情况 | 第46-48页 |
| 4.2 SVM 多分类方法 | 第48-53页 |
| 4.2.1 “一对一”（1-v-1 one versus one） | 第49-50页 |
| 4.2.2 “一对其余”（1-v-r one versus the rest） | 第50-52页 |
| 4.2.3 有向无环图方法（DAG Directed Acyclic Graph） | 第52-53页 |
| 4.3 本章小结 | 第53-55页 |
| 第五章 系统设计及实验 | 第55-63页 |
| 5.1 音乐风格数据库构建 | 第55-56页 |
| 5.2 基于 MATLAB 环境的分类系统实现 | 第56-59页 |
| 5.3 实验结果及分析 | 第59-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 本文总结 | 第63页 |
| 未来工作展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 附录1 攻读硕士学位期间撰写的学术论文 | 第68-69页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第69-70页 |
| 致谢 | 第70页 |
