| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| Abstract | 第9页 |
| 第一章 绪论 | 第15-20页 |
| 1.1 研究背景 | 第15-16页 |
| 1.2 国内外研究现况 | 第16-18页 |
| 1.2.1 语音情感识别 | 第16-17页 |
| 1.2.2 文本情感识别 | 第17页 |
| 1.2.3 多模态情感识别 | 第17-18页 |
| 1.3 本文研究内容 | 第18页 |
| 1.4 本文组织结构 | 第18-20页 |
| 第二章 情感的分类 | 第20-23页 |
| 2.1 基本情绪分类 | 第20页 |
| 2.2 空间维度分类 | 第20-21页 |
| 2.3 实验选取歌曲情感语料库 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 歌曲音频情感特征提取方法 | 第23-35页 |
| 3.1 韵律学特征提取 | 第23-25页 |
| 3.1.1 歌曲语速特征的提取 | 第23-24页 |
| 3.1.2 歌曲振幅特征的提取 | 第24页 |
| 3.1.3 歌曲基音周期特征的提取 | 第24页 |
| 3.1.4 提取歌曲的共振峰特征 | 第24-25页 |
| 3.2 MFCCG-PCA的提取 | 第25-32页 |
| 3.2.1 预加重 | 第26-27页 |
| 3.2.2 分帧 | 第27页 |
| 3.2.3 加窗 | 第27页 |
| 3.2.4 FFT变换 | 第27页 |
| 3.2.5 Mel滤波器组 | 第27-28页 |
| 3.2.6 对数计算以及DCT变换 | 第28页 |
| 3.2.7 MFCC模型的改良提取-MFCCG | 第28-31页 |
| 3.2.8 数据降维 | 第31-32页 |
| 3.2.9 M FCCG_PCA模型 | 第32页 |
| 3.3 MIDI格式 | 第32-34页 |
| 3.4 本章总结 | 第34-35页 |
| 第四章 歌词文本特征提取方法 | 第35-39页 |
| 4.1 TF-IDF文本情感特征提取 | 第35-36页 |
| 4.2 N-gram算法 | 第36-37页 |
| 4.3 x~2检验方法 | 第37-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第五章 特征优化和特征融合 | 第39-52页 |
| 5.1 特征优化 | 第39-41页 |
| 5.2 特征融合 | 第41-44页 |
| 5.2.1 特征级融合 | 第42-43页 |
| 5.2.2 分类器级融合 | 第43-44页 |
| 5.3 分类器选择 | 第44-47页 |
| 5.3.1 支持向量机 | 第44-46页 |
| 5.3.2 Libsvm工具包 | 第46-47页 |
| 5.4 卷积神经网络 | 第47-50页 |
| 5.4.1 卷积神经网络结构 | 第47-50页 |
| 5.4.2 keras工具包 | 第50页 |
| 5.5 本章小结 | 第50-52页 |
| 第六章 实验设计和结果分析 | 第52-66页 |
| 6.1 实验流程设计 | 第52-53页 |
| 6.2 实验歌曲语料 | 第53页 |
| 6.3 模型性能评价 | 第53-55页 |
| 6.4 实验结果分析 | 第55-65页 |
| 6.4.1 不同歌曲音频特征值对歌曲情感分类的影响 | 第55页 |
| 6.4.2 不同音频特征对不同情感种类的影响 | 第55-56页 |
| 6.4.3 浅层学习方法与深度学习方法对歌曲音频特征值的影响 | 第56-57页 |
| 6.4.4 不同歌曲歌词文本特征对歌曲情感分类的影响 | 第57页 |
| 6.4.5 浅层学习方法与深度学习方法对歌词文本特征值的影响 | 第57-58页 |
| 6.4.6 歌词文本和歌曲音频结合对歌曲情感识别的影响 | 第58-59页 |
| 6.4.7 不同融合方法对歌曲情感分类的影响 | 第59页 |
| 6.4.8 二次融合方法对歌曲情感识别的影响 | 第59-60页 |
| 6.4.9 不同测试集上复杂融合特征的实验比较 | 第60-63页 |
| 6.4.10 对音乐进行分块对歌曲的情感识别的影响 | 第63-64页 |
| 6.4.11 加入白噪音对歌曲情感识别的影响 | 第64-65页 |
| 6.5 本章小结 | 第65-66页 |
| 第七章 总结和展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读学位期间的学术活动及成果清单 | 第70-71页 |
