| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究的背景与意义 | 第8-9页 |
| 1.2 研究的现状 | 第9-10页 |
| 1.3 本文的主要研究内容 | 第10-11页 |
| 1.4 基于情感的音乐分类系统的评价标准 | 第11-12页 |
| 1.5 论文的结构 | 第12-14页 |
| 第二章 音乐情感建模 | 第14-19页 |
| 2.1 音乐情感的心理模式 | 第14-15页 |
| 2.2 音乐情感模型 | 第15-18页 |
| 2.2.1 文本关键字模型 | 第15-16页 |
| 2.2.2 基本情感理论模型 | 第16-17页 |
| 2.2.3 声学参考模型 | 第17-18页 |
| 2.3 本章小结 | 第18-19页 |
| 第三章 特征提取 | 第19-41页 |
| 3.1 音频信号传递的信息 | 第19-21页 |
| 3.2 音乐信号预处理 | 第21-23页 |
| 3.2.1 音乐信号的预加重处理 | 第21-22页 |
| 3.2.2 音乐信号的加窗处理 | 第22-23页 |
| 3.3 音乐信号的韵律特征提取与分析 | 第23-32页 |
| 3.3.1 能量强度分析 | 第23-25页 |
| 3.3.2 基频特性分析 | 第25-29页 |
| 3.3.3 端点特性分析 | 第29-32页 |
| 3.4 音乐信号的音色特征提取与分析 | 第32-40页 |
| 3.4.1 短时频谱的音色特征分析 | 第32-33页 |
| 3.4.2 倒谱的音色特征分析 | 第33-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 Adaboost 与支持向量机分类算法理论基础 | 第41-52页 |
| 4.1 支持向量机及概述 | 第41-46页 |
| 4.1.1 最大间隔分类超平面 | 第41-43页 |
| 4.1.2 支持向量机 | 第43-46页 |
| 4.2 Adaboost 算法原理及概述 | 第46-51页 |
| 4.2.1 Adaboost 算法原理 | 第46-49页 |
| 4.2.2 Adaboost 中弱分类器的构造 | 第49-51页 |
| 4.3 本章小结 | 第51-52页 |
| 第五章 系统结构与实验仿真 | 第52-64页 |
| 5.1 系统结构设计 | 第52-53页 |
| 5.2 人工标定音乐类别 | 第53-54页 |
| 5.3 特征提取仿真实验与分析 | 第54-59页 |
| 5.4 模型训练与测试 | 第59-63页 |
| 5.5 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 进一步的研究展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 附录 1 攻读硕士学位期间撰写的论文 | 第69-70页 |
| 附录 2 攻读硕士学位期间参加的科研项目 | 第70-71页 |
| 致谢 | 第71页 |