{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2024,3,12]，“日期时间”：“2024-03-12T14:10:53Z”，“时间戳”：1710252653729}，“出版商位置”：“查姆”，“参考计数”：34，“出版者”：“斯普林格国际出版”，“isbn-type”：[{“值”：“9783030166663”，“类型”：”打印“}，{“值”：“9783030166670”，“type”：“electronic”}]，“license”：[{“start”：{“date-parts”：[[2019,1,1]]，“date-time”：“2019-01-01T00:00:00Z”，“timestamp”：1546300800000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“http://www.springer.com\/tdm”}，{“start”：{“date-parts”：[2019,1]]T00:00:00Z“，”时间戳“：1546300800000}，”内容版本“：”tdm“，“delay-in-days”：0，“URL”：“https:\\/www.springernature.com//gp\researters\/text-and-data-mining”}，{“start”：{“date-parts”：[[2019,1,1]]，“date-time”：“2019-01-01T00:00:00Z”，“timestamp”：1546300800000}，“content-version”：“vor”，“delay-and-days”：0 mining“}]，”content-domain“：{”domain“用法：[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[]，“published-print”：{“date-parts”：[2019]]}，”DOI“：”10.1007\/978-3-030-16667-0_14“，”type“：”book-capter“，”created“：{”date-part“：[2019，4，9]]，“date-time”：“2019-04-09T23:44:24Z”，“timestamp”：1554853464000}，《page》：“201-21 6“，”更新策略“：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“source”：“Crossref”、“is-referenced-by-count”：1，“title”：[“Evolutionary Multi-objective Training Set Selection of Data Instance and Augmentation for Vocal Detection”]，“prefix”：“10.1007”，《作者》：[{“ORCID”：”http://\/ORCID.org\/00000-0002-9454-9402“，”authenticated-ORCID“：false，”given“Igor”，“family”：“Vatolkin”，“sequence”：“first”，“affiliation”：[]｝，｛“ORCID”：“http:\/\/ORCID.org/0000-0002-8615-4144”，“authenticated ORCID”：false，“given”：“Daniel”，“family”：“Stoller”，“sequence”：“additional”，“affiliation”：[]｝]，“member”：“297”，“reference”：[｛“key”：“14_CR1”，“doi asserted by”：“publisher”，“first page”：“94”，“doi”：“10.1016\/j.knossy.2018.02.022“、“volume”：“147”、“author”：“G Acampora”，“year”：“2018”，“unstructured”：“Acampora.G.，Herrera，F.，Tortora，G.，Vitiello，A.：支持向量机训练集选择的多目标进化方法。Knowl.Based Syst.147，94\u2013108（2018）”，“journal-title”：“Knowl.Based Sys.”}，{“key”：”14_CR2“，”doi-asserted-by“：”publisher“，”doi“：“10.1093\/oso\/9780195099713.001.0001”，“volume-title”：“理论与实践中的进化算法”，“author”：“T B\u00e4ck”，“year”：“1996”，“unstructured”：“B\u100e4ck，T.：理论与实践的进化算法。牛津大学出版社，纽约（1996）”}，{“issue”：“3”，“key”：“14_CR3”，”doi-asserted-by“：”publisher“，”first page“：”1653“，“doi”：“10.1016\/j.ejor.2006.08.008”，“volume”：“181”，“author”：“N Beume”、“year”：“2007”，“unstructured”：“Beume，N.，Naujoks，B.，Emmerich，M.：SMS-EMOA:基于支配超卷的多目标选择。《Eur.j.Oper.Res.181（3），1653\u20131669：“Bittner，R.M.、Salamon，J.、Tierney，M.、Mauch，M.，Cannam，C.、Bello，J.P.：MedleyDB：注释密集型MIR研究的多轨道数据集。摘自：《第十五届国际音乐信息检索学会会议论文集》，pp.155\u2013160（2014）”}，{“issue”：“1”，“key”：“14_CR5”，“doi-asserted-by”：“publisher”，“first page”：“5”，“DOI”：“10.1023\/A：1010933404324”，“volume”：“45”，“author”：“L Breiman”，“year”：“2001”，“nonstructured”：“Breiman，L.：随机森林。Mach.Earn.45（1），5\u201332（2001）”，“journal title”：“Mach.Earn.”}，｛“issue”：“1”，“key”：“14_CR6”，“DOI asserted by”：“publisher”，“first page”：“90”，“DOI”：“10.1016\/j.data k.2006.01.008”，“卷”：“60”，“作者”：“JR Cano”，“year”：“2007”，“unstructured”：“Cano，J.R.，Herrera，F.，Lozano，M.：进化分层训练集选择，用于提取具有折衷精度的分类规则。Data Knowl.Eng.60（1），90\u2013108（2007）”，“journal-title”：“Data Knowl.Eng.”}，{“key”：“14_CR7”，“doi-asserted-by”：“publisher”，“doi”：“10.1007\/978-0-387-36797-2”，“volume-title”：“解决多目标问题的进化算法”，“author”：“CAC Coello”，“year”：“2007”，“unstructured”：“Coello，C.A.C.，Lamont，G.B.，Veldhuizen，D.A.V.：解决多目标问题的进化算法。Springer，New York（2007）。https:\/\/doi.org\/10.10007\/978-0-387977-2”}，{“key”：“14_CR8”，“unstructured”：“Defferrard，M.，Benzi，K.，Vandergheynst，P.，Bresson，X.：FMA：音乐分析的数据集。摘自：《第18届国际音乐信息检索学会会议论文集》（ISMIR），第316\u2013323页（2017）”}，{“密钥”：“14 _CR9”，“非结构化”：“Fujinaga，I.：使用声学乐器的稳态音调进行音色的机器识别。摘自：《国际计算机音乐会议论文集》，第207\u2013210页（1998）”}，{“key”：“14_CR10”，“unstructured”：“Goto，M.，Nishimura，T.：RWC音乐数据库：流行、经典和爵士音乐数据库。收录：第三届国际音乐信息检索会议论文集，第287\u2013288（2002）页”}，{“问题”：“13”，“关键”：“14_CR11”，“doi-asserted-by”：“出版商”，“首页”：“1602”，“doi”：“10.1093\/生物信息学”，“卷”：“25”，“author”：“A Kumar”，“year”：“2009”，“unstructured”：“Kumar，A.，Cowen，L.：通过模拟进化对隐马尔可夫模型进行增强训练，以识别远程同源物。生物信息学25（13），1602\u20131608（2009）”，“journal-title”：“生物信息学”}，{“key”：“14_CR12”，“非结构化”：“Lartillot，O.，Toiviainen，P.：Matlab中的MIR（II）：用于从音频中提取音乐特征的工具箱。摘自：《第八届国际音乐信息检索会议论文集》，第127\u2013130页（2007）“}，{”key“：”14_CR13“，”doi-asserted-by“：”publisher“，”first page“：“5858”，”doi“：”10.1109\/ACCESS.2017.2696121“，“volume”：“5”，“author”：“J Lemley”，“year”：“2017”，“unstructured”：“Lemley，J.、Bazrafkan，S.、Corcoran，P.：智能增强学习最佳数据增强策略。IEEE Access 5，5858\u20135869（2017）“，“journal-title”：“IEEE Access”}，{“key”：“14_CR14”，“unstructured”：“Livshin，A.，Rodet，X.：非谐波\u201cnoise \u201d与谐波序列在乐器识别中的意义。摘自：第七届国际音乐信息检索会议（ISMIR）论文集，pp.95\u2013100（2006）“}，{“key”：“14_CR15”，“doi-asserted-by”：“crossref”，“unstructured”：“M\u00e4kinen，T.，Kiranyaz，S.，Pulkkinen，J.，Gabbouj，M.：基于内容的音频分类和检索的进化特征生成。摘自：第20届欧洲信号处理会议（EUSIPCO）论文集，pp.1474\u20131478（2012）”，“doi”：“10.1186\/1687-4722-2012-23“}，{“key”：“14_CR16”，“unstructured”：“Mauch，M.，Ewert，S.：音频退化工具箱及其在稳健性评估中的应用。摘自：《第十四届国际音乐信息检索学会会议论文集》，第83\u201388（2013）页”}，}，“key“：”14_CR17“非结构化”：“Mauch，M.，Fujihara，H.，Yoshii，K.，Goto，M.：识别复调音乐中人声活动和器乐独奏的音色和旋律特征。摘自：《第十二届国际音乐信息检索学会会议论文集》，第233\u2013238（2011）页“}，{“key”：“14_CR18”，“unstructured”：“McFee，B.、Humphrey，E.J.、Bello，J.P.：音乐数据增强的软件框架。摘自：《第16届国际音乐信息检索学会会议论文集》，第248\u2013254页（2015）“}，{“issue”：“2\u20133”，“key”：“14_CR19”，“doi-asserted-by”：“publisher”，“first page”：《127》，“doi”：“10.1007”，卷：“58”，“author”：“I Mierswa”，年：“2005”，“unstructured”：“Mierswa，I.，Morik，K.：用于对音频数据进行分类的自动特征提取。机器。学习。J.58（2013年第2期），1272013年第149期（2005年）“，”期刊标题“：”马赫。学习。J.“}，{”key“：”14_CR20“，”doi-asserted-by“：”publisher“，”doi“：”10.1007\/978-1-84628-600-1“，”volume-title“：”Evolutionary Computer Music“，”author“：”ER Miranda“，”year“：”2007“，”unstructured“：”Miranda，E.R.，Biles，J.A.：Evolutional Computer Music。Springer，New York（2007）。https:\/\/doi.org\/10007\/978-84628-600-1“}.，{“key”：“”14_CR21“，”非结构化“：”Mun，S.、Park，S.，Han，D.K.、Ko，H.：使用SVM超平面增强和选择基于生成对抗网络的声场景训练集。摘自：《2017年声学场景和事件检测与分类研讨会论文集》（DCASE 2017），2017年11月“}，{“key”：“14_CR22”，“series-title”：“计算机科学课堂讲稿”，“doi-asserted-by”：“publisher”，“first page”：《42》，“doi”：“10.1007\/978-3-540-39900-1-5”，“volume-title”：《计算机音乐建模与检索》，“author”：“F Pachet”，“年份”：“2004年”，“非结构化”：“Pachet，F.，Zils，A.：从声音信号自动演化高级音乐描述符。收录：Wiil，U.K.（编辑）CMMR 2003。LNCS，第2771卷，第42\u201353页。斯普林格，海德堡（2004）。https:\/\/doi.org\/10.1007\/978-3-540-39900-1_5“}，{“key”：“14_CR23”，“volume-title”：“语音识别基础”，“author”：“L Rabiner”，“year”：“1993”，“unstructured”：“Rabiner，L.，Juang，B.H.：语音识别基础。Prentice Hall，Upper Saddle River（1993）”}，}，[key“：”14_CR24“，”series-title“：“计算机科学讲义”，“doi-asserted-by“：”publisher“，”first page“：”43“，”doi“：”10.1007\/978-3642-37425-8_4“，”volume-title“：”自适应多媒体检索“。大型多媒体检索和评估”，“作者”：“V Rao”，“年份”：“2013年”，“非结构化”：“Rao，V.，Gupta，C.，Rao，P.：用于复调音乐中歌唱声音检测的上下文软件功能。收录人：Detyniecki，M.、Garc\u00eda-Serro，A.、N\u00fcrnberger，A.、Stober，S.（编辑）AMR 2011。LNCS，第7836卷，第43页\u201357。斯普林格，海德堡（2013）。https:\/\/doi.org\/10.1007\/978-3642-37425-8_4“}，{“key”：“14_CR25”，“doi-asserted-by”：“crossref”，“unstructured”：“Regnier，L.，Peeters，G.：使用直接声音颤音检测的音乐曲目中的歌唱声音检测。摘自：IEEE声学、语音和信号处理国际会议（ICASSP）论文集，第1685\u20131688页。IEEE（2009）“，”DOI“：”10.1109\/ICASSP.2009.4959926“}，{“key”：“14_CR26”，“unstructured”：“Schl\u00fcter，J.：学习从弱标记示例中精确定位歌唱声音。摘自：《国际音乐信息检索学会会议论文集》（ISMIR），第44\u201350页（2016）“}”，{”key“：”14_CR27“，”unstructure“：”Schl\u00fcter，J.，Grill，T.：利用神经网络探索数据增强以改进歌唱声音检测。在：《第16届国际音乐信息检索会议论文集》，第121\u2013126页（2015）“}，{“键”：“14_CR28”，“系列标题”：“计算机科学讲义”，“doi断言”：“出版商”，“第一页”：“329”，“doi”：“10.1007\/978-3-319-93764-9_31”，“卷标题”：“潜在变量分析和信号分离”作者：“D Stoller”，“year”：“2018”，“unstructured”：“Stoller，D.，Ewert，S.，Dixon，S.：联合检测和分离歌唱声音：一种多任务方法。收录人：Deville，Y.，Gannot，S.，Mason，R.，Plumbley，M.D.，Ward，D.（编辑）LVA \/ICA 2018。LNCS，第10891卷，第329\u2013339页。查姆施普林格（2018）。https:\/\/doi.org/10.1007\/978-3-319-93764-9_31“｝，｛“key”：“14_CR29”，“doi asserted by”：“crossref”，“nonstructured”：“Vatolkin，I.，Preu\u00df，M.，Rudolph，G.：音乐流派和风格识别任务中的多目标特征选择。在：第13届遗传与进化计算年会论文集，第411\u2013418页。ACM Press（2011）“，“DOI”：“10.1145\/2001576.2001633”}，{“key”：“14_CR30”，“unstructured”：“Vatolkin，I.，Preu\u00df，M.，Rudolph，G.：基于音乐类型识别的2元特征统计的训练集缩减。技术报告TR13-2-001，理工大学计算机科学学院（2013）”}doi-asserted-by“：”publisher“，”unstructured“：”Vatolkin，I.，Theimer，W.，Botteck，M.：基于分区的特征处理，用于改进音乐分类。作者：Gaul，W.A.，Geyer-Schulz，A.，Schmidt-Thieme，L.，Kunze，J.（编辑），《数据分析、计算机科学和优化界面的挑战》。分类、数据分析和知识组织研究，第411\u2013419页。施普林格，海德堡（2012）。https:\/\/doi.org\/10.1007\/978-3642-24466-7_42“，”doi“：”10.1007\/9783-642-244466-7_42“}，{“key”：“14_CR32”，“doi-asserted-by”：“crossref”，“unstructured”：“Velasco，J.M.等人：在缺乏训练数据的情况下，通过数据增强和进化算法改进血糖水平的预测。2017年IEEE进化计算大会（CEC）会议记录，第2193\u20132200页。IEEE（2017）“，”DOI“：”10.1109\/CEC.2017.7969570“}，{”key“：”14_CR33“，”DOI-asserted-by“：”publisher“，”first page“：“871”，“DOI”：“10.1007\/978-3-540-92910-9_28”，“volume-title”：“自然计算手册”，“author”：“E Zitzler”，“year”：“2012”，“unstructured”：“Zitzler，E.：进化多目标优化。参见：Rozenberg，G.，B\u00e4ck，T.，Kok，J.N.（编辑）《自然计算手册》，第2卷，第871\u2013904页。Springer，Heidelberg（2012）“}，{”key“：”14_CR34“，”series-title“：”计算机科学讲义“，”doi-asserted-by“：”publisher“，”first page“：“292”，”doi“：”10.1007\/BFb0056872“，”volume-title“：“Parallel Problem Solving from Nature \u2014 PPSN V”，”author“：”E Zitzler“，”year“：”1998“，”unstructured“：”Zitzler，E.，Thiele，L.：使用进化算法的多目标优化——2014年的比较案例研究。收录：Eiben，A.E.，B\u00e4ck，T.，Schoenauer，M.，Schwefel，H.-P.（编辑）PPSN 1998。LNCS，第1498卷，第292\u2013301页。斯普林格，海德堡（1998）。https:\/\/doi.org\/10.1007\/BFb0056872“}]，“container-title”：[“音乐、声音、艺术和设计中的计算智能”，“计算机科学课堂讲稿”]，“原始标题”：[]，“链接”：[{“URL”：“https:\//link.springer.com\/content\/pdf\/10.10007\/978-3-030-16667-0_14”，“内容类型”：“未指定”，“content-version”：“vor”，“intended-application”：“”相似性检查“｝”，“寄存”：｛“日期部分”：[[2024,3,12]]，“日期-时间”：“2024-03-12T13:53:12Z”，“时间戳”：1710251592000｝，“分数”：1，“资源”：｛“主要”：｛“URL”：“https:\/\/link.springer.com\/10.1007\/978-3-030-16667-0_14”｝，“副标题”：[]，“短标题”：[]，“发布”：｛“日期部分”：[[2019]｝，“ISBN”：[“9783030166663”，“9783030166670”]，“references-count“：34，”URL“：”http:\/\/dx.doi.org\/10.1007\/978-3-030-16667-0_14“，”关系“：{}，”ISSN“：[”0302-9743“，”1611-3349“]，”ISSN-type“：[{“value”：“0302-974”，”type“:”print“}，{“value”：“1611-3399”，”类型“：“electronic”}]，“subject”：[]，“published”：{“date-parts”：[2019]}，“断言”：[{“value”：“2019年3月27日”，“order”：1，“name”：“first_online”，“label”：“First Online“，”group“：{”name“：”ChapterHistory“，”label“：”Chapter History”}}，{”value“：”EvoMUSART“，”order“：1，”name“:”conference_acrombit“，”标签“：”conference acronym“，”group“：{name“：“ConferenceInfo”，”label:“Conferency Information”}}}、{“value”：“音乐、声音、艺术和设计计算智能国际会议（EvoStar的一部分）”，“order“：2，”name“：”conference_name“，”label“：”会议名称“，”group“：“标签”：“会议国家/地区“，”组“：{”name“：”ConferenceInfo“，”label“：”会议信息“}}，{”value“：”2019“，”order“：5，”name“:”Conference_year“，”标签“：”conferency“，”group“：会议信息“，”标签“：”会议信息“}}，{“value”：“2019年4月26日”，“order”：8，“name”：“Conference_end_date”，“label”：“会议结束日期”，“group”：{“name”:“ConferenceInformo”，“table”：“Conferency Information”}}会议信息“}}，{“value”：“evomusart2019”，“order”：10，“name”：“Conference_id”，“label”：“Conference_id”，“group”：{“name”:“ConferenceInfo”，“table”：“会议信息”}}，“标签”：“会议信息“}}，{”value“：”Double-blind“，”order“：1，”name“：”type“，”label“：”type“，”group“：同行评议信息“}}，{“value”：“24”，“order”：3，“name”：“number_of_submissions_sent_for_Review”，“label”：“发送供评议的提交数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“Peer Review Information”}，“value“：”16“，”order“：4，”name“：”number_ of_full_papers_accepted“，”label“：”接受的完整论文数“，”group“：{”name“：”ConfEventPeerReviewInformation“，”label“：”Peer Review Information“}}，{“value”：“0”，“order”：5，“name”：“number_of_short_papers_accepted”，“label”：“接受的短文数”，“group”：{“name”:“ConfEventpeerReview信息”，“table”：“Peer Reveew信息”}}}67%-该值由等式“接受的完整论文数”/“提交供审查的论文数*100”计算，然后四舍五入为整数。“，”order“：6，”name“：”acceptance_rate_of_full_papers“，”label“：”全文接受率“，”group“：”{“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息”}}，{“value”：“3.3”，“order”：7，“name”:“average_number_of_reviews_per_paper”，“标签”：“每篇论文的平均评论数”，“group”：{“名称”：“confEventPeer Review信息”，“label“：”同行评议信息“}}，{“value”：“3”，“order”：8，“name”：“average_number_of_papers_per_reviewer”，“label”：“每个审阅者的平均论文数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“标签”：“同行评议资讯”}，}，“value“：”否“，”order“：9，”name“：”external_reviewers_involved“，”label“:”涉及外部审阅者“，”group“：{”name“：”ConfEventPeerReviewInformation“，”label“：”同行评审信息“}}]}}