| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·本文研究内容与论文结构 | 第11-13页 |
| 第二章 音乐风格分类基础 | 第13-23页 |
| ·音乐风格分类系统概述 | 第13-14页 |
| ·音乐信号预处理 | 第14-16页 |
| ·预加重 | 第14-15页 |
| ·分帧和加窗 | 第15-16页 |
| ·MFCC特征提取 | 第16-21页 |
| ·MFCC系数 | 第17-19页 |
| ·RASTA-PLP | 第19-21页 |
| ·时间特征分析 | 第21页 |
| ·本章小结 | 第21-23页 |
| 第三章 支持向量机理论 | 第23-36页 |
| ·统计学习理论 | 第23-25页 |
| ·经验风险最小化 | 第23-24页 |
| ·VC维与结构风险最小化 | 第24-25页 |
| ·支持向量机模型 | 第25-32页 |
| ·最优分类面 | 第25-27页 |
| ·特征空间与核函数 | 第27-29页 |
| ·多分类问题 | 第29-32页 |
| ·SVM增量学习 | 第32-35页 |
| ·增量学习思想 | 第32-33页 |
| ·增量学习后支持向量变化过程 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于凸包向量和差错推动的SVM增量式音乐分类器 | 第36-47页 |
| ·传统基于KKT条件的增量学习算法 | 第36-37页 |
| ·凸包向量与差错推动策略 | 第37-42页 |
| ·凸包向量 | 第37-40页 |
| ·对原nSV集的处理 | 第40页 |
| ·差错推动策略 | 第40-41页 |
| ·本文算法描述 | 第41-42页 |
| ·实验仿真与分析 | 第42-46页 |
| ·实验数据 | 第42-43页 |
| ·系统架构 | 第43-44页 |
| ·实验仿真与分析 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 基于主动学习的SVM增量式音乐分类器 | 第47-56页 |
| ·主动学习理论及常用选择策略 | 第47-50页 |
| ·主动学习常用选择策略 | 第48页 |
| ·传统基于距离度量的SVM主动学习 | 第48-50页 |
| ·本文基于主动学习增量式算法 | 第50-53页 |
| ·样本信息量权衡 | 第50-51页 |
| ·样本集倾斜性调整策略 | 第51-52页 |
| ·本文增量学习算法描述 | 第52-53页 |
| ·实验仿真与分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 附录1 攻读硕士学位期间参加的科研项目 | 第61-62页 |
| 致谢 | 第62页 |