首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于证据理论和语义细胞模型的多标签音乐情感识别研究

摘要第1-5页
Abstract第5-10页
第1章 绪论第10-17页
   ·研究背景第10-11页
   ·研究现状第11-15页
   ·论文结构第15-16页
   ·本章小结第16-17页
第2章 情感空间的表示和特征的提取第17-25页
   ·音乐情感背景第17页
   ·音乐情感表示第17-20页
     ·Thayer二维情感模型第18-19页
     ·Tellegen-Watson-Clark情感模型第19-20页
   ·多标签第20页
     ·多标签背景第20页
     ·基于多标签分类第20页
   ·Emotions数据集介绍第20-24页
     ·音乐素材的来源第21页
     ·音乐特征的提取第21-22页
     ·数据集的建立第22-24页
   ·本章小结第24-25页
第3章 主成分分析降维处理第25-30页
   ·主成分分析简述第25-27页
   ·主成分分析用于音乐特征的降维第27-29页
   ·本章小结第29-30页
第4章 语义细胞模型第30-33页
   ·语义细胞模型概述第30-32页
   ·语义细胞模型用于多标签音乐情感识别第32页
   ·本章小结第32-33页
第5章 证据理论第33-41页
   ·证据理论概述第33页
   ·多值变量第33页
   ·证据理论基本定义第33-35页
   ·多值变量的信任分配函数第35-37页
     ·框架(C(Ω),(?))第35-37页
     ·在C(Ω)上的mass函数第37页
   ·证据理论应用与标签分类第37-39页
     ·单标签KNN分类第38-39页
     ·多标签KNN分类第39页
   ·本章小结第39-41页
第6章 实验过程第41-67页
   ·实验流程第41-43页
   ·实验数据集第43页
   ·主成分分析降维第43页
   ·基于KNN从训练集选取样本第43-44页
   ·产生不精确标签的处理第44-46页
   ·基于语义细胞模型,计算初始信任分配函数第46-49页
   ·证据融合第49-61页
     ·证据融合流程第49-51页
     ·证据融合示例第51-61页
   ·结果评价标准第61-64页
   ·降维后的实验结果第64-65页
   ·本章小结第65-67页
第7章 总结和展望第67-69页
   ·总结第67-68页
   ·下一步的研究计划第68-69页
参考文献第69-74页
致谢第74页

论文共74页,点击 下载论文
上一篇:几何设计中的迭代方法
下一篇:代数曲线实时光栅化