欢迎使用InfoCi平台
参考中心5
基于认知分类方法的机器学习音乐情感识别

基于认知分类方法的机器学习音乐情感识别

白俊杰、罗侃、彭钧、史金良、吴莹、李晓峰、李建清、王莹旭
版权：© 2017|体积：11|问题：4|页：13
国际标准编号：1557-3958|EISSN公司：1557-3966|EISBN13：9781522511724|内政部：10.4018/IJCINI.2017100105
引用文章引用文章

MLA公司

白俊杰等，“基于认知分类方法的机器学习对音乐情感的识别”IJCINI公司2017年第4期第11卷：第80-92页。http://doi.org/10.4018/IJCINI.2017100105

亚太地区

Bai，J.、Luo，K.、Peng，J.，Shi，J.和Wu，Y.、Feng，L.、Li，J..和Wang，Y.（2017）。基于认知分类方法的机器学习音乐情感识别。国际认知信息学与自然智能杂志（IJCINI），11(4), 80-92. http://doi.org/10.4018/IJCINI.2017100105

芝加哥

白俊杰等，“基于认知分类方法的机器学习对音乐情感的识别”国际认知信息学与自然智能杂志（IJCINI）11，第4期：80-92。http://doi.org/10.4018/IJCINI.2017100105

导出参考

门德利
最喜欢的完整发布下载

摘要

音乐情感识别（MER）是一个具有挑战性的研究领域，涉及音乐学、认知科学、生理学、心理学、艺术和情感计算等多个学科。本文将音乐情感分为四种类型，即愉悦、愤怒、悲伤和放松。MER是认知计算中的一个分类问题，提取并建模了548个维度的音乐特征。探索和比较了一套MER的分类和机器学习算法，包括支持向量机（SVM）、k-最近邻（KNN）、神经模糊网络分类（NFNC）、模糊KNN（FKNN）、贝叶斯分类器和线性判别分析（LDA）。实验结果表明，SVM、FKNN和LDA算法是最有效的方法，对MER的准确率达到80%以上。

请求访问权限

您不拥有此内容。请登录向您所在机构的图书管理员推荐此标题，或从IGI全球书店.

用户名或电子邮件：


密码：


登录


创建个人帐户