基于卷积神经网络的音乐分类研究与应用
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 选题的研究背景及意义 | 第8-9页 |
| 1.2 音频分类研究现状 | 第9-11页 |
| 1.3 论文的主要内容 | 第11-12页 |
| 1.4 论文的组织架构 | 第12页 |
| 1.5 本章小结 | 第12-13页 |
| 第二章 相关背景知识介绍 | 第13-25页 |
| 2.1 机器学习的形式 | 第13页 |
| 2.2 神经网络简介 | 第13-17页 |
| 2.2.1 人工神经网络 | 第13-14页 |
| 2.2.2 感知器 | 第14-15页 |
| 2.2.3 激活函数 | 第15-17页 |
| 2.3 卷积神经网络 | 第17-20页 |
| 2.3.1 卷积神经网络的结构 | 第17-19页 |
| 2.3.2 卷积神经网络的特性 | 第19-20页 |
| 2.4 循环神经网络 | 第20-22页 |
| 2.5 反向传播算法 | 第22-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 梅尔频谱图识别模型设计 | 第25-37页 |
| 3.1 引言 | 第25-26页 |
| 3.2 基于卷积神经网络的频谱图识别 | 第26-30页 |
| 3.2.1 梅尔谱图的转换 | 第27-28页 |
| 3.2.2 卷积神经网络架构 | 第28-30页 |
| 3.3 实验与评估 | 第30-36页 |
| 3.3.1 实验数据 | 第30-31页 |
| 3.3.2 实验评估和设置 | 第31-32页 |
| 3.3.3 交叉熵损失函数 | 第32-33页 |
| 3.3.4 实验结果对比与分析 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于卷积神经网络的优化与改进 | 第37-47页 |
| 4.1 引言 | 第37-38页 |
| 4.2 循环卷积神经网络(CRNN) | 第38-40页 |
| 4.2.1 循环卷积神经网络架构 | 第38页 |
| 4.2.2 基于音频内容特征图提取 | 第38-40页 |
| 4.3 实验与评估 | 第40-45页 |
| 4.3.1 训练设置 | 第41页 |
| 4.3.2 动态欧式距离损失函数 | 第41-43页 |
| 4.3.3 实验结果对比与分析 | 第43-45页 |
| 4.4 本章小结 | 第45-47页 |
| 第五章 系统设计与实现 | 第47-54页 |
| 5.1 平台环境搭建与配置 | 第47-48页 |
| 5.1.1 python类库支持 | 第47页 |
| 5.1.2 硬件配置 | 第47-48页 |
| 5.2 系统结构与设计 | 第48-50页 |
| 5.3 系统界面展示 | 第50-51页 |
| 5.4 系统测试与评估 | 第51-53页 |
| 5.4.1 功能测试 | 第51-52页 |
| 5.4.2 识别率评估 | 第52-53页 |
| 5.5 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 论文工作总结 | 第54-55页 |
| 6.2 论文中不足之处 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第59-60页 |
| 致谢 | 第60页 |
