典型文献
基于频谱空间域特征注意的音乐流派分类算法
文献摘要：
为了提升深度卷积神经网络对音乐频谱流派特征的提取效果,提出一种基于频谱空间域特征注意的音乐流派分类算法模型DCNN-SSA.DCNN-SSA模型通过对不同音乐梅尔谱图的流派特征在空间域上进行有效标注,并且改变网络结构,从而在提升特征提取效果的同时确保模型的有效性,进而提升音乐流派分类的准确率.首先,将原始音频信号进行梅尔滤波,以模拟人耳的滤波操作对音乐的音强及节奏变化进行有效过滤,所生成的梅尔谱图进行切割后输入网络;然后,通过深化网络层数、改变卷积结构及增加空间注意力机制对模型在流派特征提取上进行增强;最后,通过在数据集上进行多批次的训练与验证来有效提取并学习音乐流派特征,从而得到可以对音乐流派进行有效分类的模型.在GTZAN数据集上的实验结果表明,基于空间注意的音乐流派分类算法与其他深度学习模型相比,在音乐流派分类准确率和模型收敛效果上有所提高,准确率提升了5.36个百分点～10.44个百分点.
文献关键词：
音乐流派分类;深度卷积神经网络;深度学习;空间注意力机制;梅尔频谱
中图分类号：
作者姓名：
刘万军;王佳铭;曲海成;董利兵;曹欣宇
作者机构：
辽宁工程技术大学软件学院,辽宁葫芦岛125105
文献出处：
引用格式：
[1]刘万军;王佳铭;曲海成;董利兵;曹欣宇-.基于频谱空间域特征注意的音乐流派分类算法)[J].计算机应用,2022(07):2072-2077
A类：
音乐流派分类,GTZAN
B类：
空间域,分类算法,深度卷积神经网络,对音,流派特征,特征的提取,提取效果,算法模型,DCNN,SSA,同音,谱图,效标,音频信号,拟人,人耳,音强,节奏变化,所生,入网,网络层,层数,空间注意力机制,多批,有效提取,深度学习模型,分类准确率,收敛效果,准确率提升,百分点,梅尔频谱
AB值：
0.25066
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。
