基于数据挖掘技术的音乐风格分类方法的研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 选题背景 | 第8页 |
| 1.2 选题意义 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-10页 |
| 1.4 章节安排 | 第10-11页 |
| 第二章 基本理论概要 | 第11-25页 |
| 2.1 数据挖掘概述 | 第11-12页 |
| 2.2 数据挖掘常用算法 | 第12-24页 |
| 2.2.1 关联规则挖掘算法 | 第12-17页 |
| 2.2.2 粗糙集原理 | 第17-24页 |
| 2.3 章节小结 | 第24-25页 |
| 第三章 MIDI音乐文件介绍与预处理 | 第25-38页 |
| 3.1 MIDI文件介绍 | 第25-26页 |
| 3.2 MIDI文件的解码与表示 | 第26-27页 |
| 3.3 主旋律提取 | 第27-31页 |
| 3.4 调式确定算法 | 第31-33页 |
| 3.5 主旋律音阶分析 | 第33-34页 |
| 3.6 和声分析 | 第34-36页 |
| 3.7 分箱操作 | 第36-37页 |
| 3.8 章节小结 | 第37-38页 |
| 第四章 分类规则提取 | 第38-50页 |
| 4.1 主动查找式Apriori算法 | 第38-42页 |
| 4.2 粗糙集属性约简算法 | 第42-47页 |
| 4.2.1 基于属性值集合链的属性约简算法 | 第42-45页 |
| 4.2.2 基于矩阵的区分函数化简方法 | 第45-47页 |
| 4.3 分段式分析 | 第47-48页 |
| 4.4 音乐风格分类 | 第48-49页 |
| 4.5 章节小结 | 第49-50页 |
| 第五章 试验与对比分析 | 第50-58页 |
| 5.1 主旋律提取算法(MTSC)实验 | 第50-52页 |
| 5.2 主动查找式Apriori算法实验 | 第52-54页 |
| 5.3 基于属性值集合链的粗糙集约简算法 | 第54-55页 |
| 5.4 音乐风格分类实验与分析 | 第55-57页 |
| 5.5 章节小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 主要工作与创新点总结 | 第58页 |
| 6.2 未来工作的展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 附录A 算法实现代码 | 第63-72页 |
| 附录B 本文中试验部分选用歌曲 | 第72-80页 |
| 致谢 | 第80-81页 |
| 攻读学位期间的研究成果 | 第81页 |
