| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 课题的研究背景及意义 | 第9页 |
| 1.2 算法作曲的国内外研究现状 | 第9-11页 |
| 1.3 音乐情感识别的研究现状 | 第11-12页 |
| 1.4 本文研究内容 | 第12-13页 |
| 1.5 论文结构安排 | 第13-14页 |
| 2 相关理论介绍 | 第14-30页 |
| 2.1 音乐风格分类 | 第14-17页 |
| 2.1.1 古典音乐分类 | 第14-15页 |
| 2.1.2 流行音乐分类 | 第15-17页 |
| 2.2 音乐乐理知识 | 第17-20页 |
| 2.3 神经网络 | 第20-29页 |
| 2.3.1 感知机 | 第20页 |
| 2.3.2 神经网络结构 | 第20-24页 |
| 2.3.3 循环神经网络RNN | 第24-26页 |
| 2.3.4 长短时记忆网络LSTM | 第26-27页 |
| 2.3.5 卷积神经网络CNN | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 3 基于MCNN网络的音乐生成算法 | 第30-45页 |
| 3.1 音乐序列生成 | 第31-33页 |
| 3.2 Reward函数 | 第33-34页 |
| 3.3 相似性概率 | 第34页 |
| 3.4 音乐理论规则 | 第34-36页 |
| 3.5 算法流程 | 第36-38页 |
| 3.6 评价 | 第38-39页 |
| 3.6.1 基于最小距离的客观评价 | 第38页 |
| 3.6.2 主观评价 | 第38-39页 |
| 3.7 实验 | 第39-44页 |
| 3.7.1 数据库及数据预处理 | 第39-40页 |
| 3.7.2 实验结果与分析 | 第40-44页 |
| 3.8 本章小结 | 第44-45页 |
| 4 基于随机森林分类优化的音乐情感分类 | 第45-58页 |
| 4.1 音乐情感特征提取 | 第45-48页 |
| 4.2 随机森林理论 | 第48-52页 |
| 4.3 差分进化算法(DE) | 第52-54页 |
| 4.4 基于差分进化的随机森林权值优化(DERF) | 第54-56页 |
| 4.5 实验结果与分析 | 第56-57页 |
| 4.6 本章小结 | 第57-58页 |
| 5 总结与展望 | 第58-60页 |
| 5.1 工作总结 | 第58-59页 |
| 5.2 未来工作展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 在学期间发表的学术论文与成果 | 第64-65页 |
| 致谢 | 第65页 |