典型文献
基于宽深学习网络的音乐情感识别
文献摘要：
将梅尔频率倒谱系数(Mel Frequency Cepstral Coefficient,MFCC)和残差相位(Residual Phase,RP)进行加权结合来提取音乐情感特征,提高了音乐情感特征的挖掘效率;同时为了提高音乐情感的分类精度,缩短模型训练时间,将长短期记忆网络(Long Short-Term Memory,LSTM)和宽度学习系统(Broad Learning System,BLS)相结合,使用LSTM作为BLS的特征映射节点,搭建了一种新型宽深学习网络(LSTM-BLS)进行音乐情感识别分类训练.在Emotion数据集上的实验结果表明,本文算法取得了比其他复杂网络更高的识别准确率,为音乐情感识别的发展提供了新的可行性思路.
文献关键词：
音乐情感识别;残差相位;宽度学习;深度学习;长短期记忆网络
中图分类号：
作者姓名：
王晶晶;黄如
作者机构：
华东理工大学信息科学与工程学院,上海 200237
文献出处：
引用格式：
[1]王晶晶;黄如-.基于宽深学习网络的音乐情感识别)[J].华东理工大学学报（自然科学版）,2022(03):373-380
A类：
残差相位
B类：
深学,学习网络,音乐情感识别,梅尔频率倒谱系数,Mel,Frequency,Cepstral,Coefficient,MFCC,Residual,Phase,RP,情感特征,高音,分类精度,模型训练,训练时间,长短期记忆网络,Long,Short,Term,Memory,宽度学习系统,Broad,Learning,System,BLS,特征映射,识别分类,分类训练,Emotion,复杂网络,识别准确率
AB值：
0.370048
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
