基于自适应分词与SVM算法的互联网智能音乐检索技术研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 绪论 | 第9-16页 |
| ·选题背景及研究意义 | 第9-11页 |
| ·国内外研究现状和发展趋势 | 第11-14页 |
| ·研究方法和创新 | 第14-15页 |
| ·主要工作安排 | 第15-16页 |
| 2 互联网智能音乐检索技术 | 第16-24页 |
| ·基于已知关键字的互联网音乐检索技术 | 第16-17页 |
| ·基于音乐情感分类的检索技术 | 第17-20页 |
| ·基于内容的互联网音乐检索技术 | 第20-22页 |
| ·基于自适应分词和SVM分类的智能音乐检索技术 | 第22-24页 |
| 3 基于自适应分词的互联网音乐特征识别与提取 | 第24-40页 |
| ·中文分词技术 | 第24-30页 |
| ·几种经典的分词算法 | 第24-26页 |
| ·自适应分词算法——SAWSA | 第26-30页 |
| ·互联网音乐特征识别与提取 | 第30-36页 |
| ·音乐特征处理方法 | 第30-34页 |
| ·基于自适应分词的音乐特征识别与提取 | 第34-36页 |
| ·测试分析与评估 | 第36-40页 |
| 4 基于支持向量机的相关反馈式音乐检索 | 第40-54页 |
| ·支持向量机基本原理 | 第40-45页 |
| ·最优分类面 | 第40-41页 |
| ·线性SVM | 第41-43页 |
| ·非线性SVM | 第43-44页 |
| ·核函数 | 第44-45页 |
| ·基于支持向量机的相关反馈 | 第45-49页 |
| ·传统单类支持向量机原理 | 第46-47页 |
| ·改进的单类支持向量机相关反馈方法 | 第47-49页 |
| ·基于单类支持向量机的相关反馈音乐检索 | 第49页 |
| ·实验与结果分析 | 第49-54页 |
| 5 基于多样本支持向量机的互联网智能音乐检索 | 第54-63页 |
| ·概述 | 第54页 |
| ·多样本选择策略 | 第54-57页 |
| ·构造初始样本集 | 第54-55页 |
| ·基于距离的多样本选择策略 | 第55-57页 |
| ·基于多样本SVM的互联网智能音乐检索模型 | 第57-59页 |
| ·基于多样本SVM分类的实践验证 | 第59-63页 |
| 6 总结和展望 | 第63-66页 |
| ·论文总结 | 第63-64页 |
| ·进一步研究工作 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
