基于改进AlexNet的音乐流派识别研究
发布时间：2021-06-20 21:41
针对机器学习模型对音乐流派特征识别能力较弱的问题,提出了一种基于深度卷积神经网络的音乐流派识别（Deep Convolutional Neural Network Music Genre Recognition,DCNN-MGR）模型。该模型首先通过快速傅里叶变换（Fast Fourier Transformation,FFT）提取音频信息,生成可以输入DCNN的频谱并切割生成频谱切片。然后对AlexNet作出了改进:将AlexNet中卷积层的激活函数线性整流（Rectified Linear Unit,Re LU）函数替换为带泄露整流（Leaky Rectified Linear Unit,Leaky Re LU）函数,解决Re LU函数带来的神经元坏死问题,避免Re LU函数自变量进入负区间后神经元不学习的问题;将AlexNet中全连接层的激活函数Re LU函数替换为双曲正切（Hyperbolic Tangent,Tanh）函数,利用Tanh函数零均值化处理的特征,在迭代过程中不断增强网络对音乐特征的提取效果;去掉AlexNet中对音乐特征识别的泛化能力增益较弱的局部响应归一化（L...
【文章来源】：辽宁工程技术大学辽宁省
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
音频处理得到的频谱切片图
辽宁工程技术大学硕士学位论文46派识别系统进行测试校验，提升音乐流派识别系统的健壮性。音乐爬虫系统界面如图4.10所示。图4.10音乐爬虫系统界面Figure4.10Musiccrawlersysteminterface4.5.4音乐流派识别系统本文设计了基于改进AlexNet的音乐流派识别系统，音乐流派识别系统后台应用DCNN-MGR进行音乐流派元素分析，并以饼状图的形式展现DCNN-MGR模型对用户输入音乐的流派元素分析结果，饼状图以不同的颜色区分用户输入音乐的流派元素占比，饼状图右侧的图例表示音乐流派所对应的颜色，音乐流派识别系统界面如图4.11所示。图4.11音乐流派识别系统界面Figure4.11Musicgenrerecognitionsysteminterface
辽宁工程技术大学硕士学位论文46派识别系统进行测试校验，提升音乐流派识别系统的健壮性。音乐爬虫系统界面如图4.10所示。图4.10音乐爬虫系统界面Figure4.10Musiccrawlersysteminterface4.5.4音乐流派识别系统本文设计了基于改进AlexNet的音乐流派识别系统，音乐流派识别系统后台应用DCNN-MGR进行音乐流派元素分析，并以饼状图的形式展现DCNN-MGR模型对用户输入音乐的流派元素分析结果，饼状图以不同的颜色区分用户输入音乐的流派元素占比，饼状图右侧的图例表示音乐流派所对应的颜色，音乐流派识别系统界面如图4.11所示。图4.11音乐流派识别系统界面Figure4.11Musicgenrerecognitionsysteminterface
【参考文献】：
期刊论文
[1]基于AlexNet模型的AD分类[J]. 张柏雯,林岚,吴水才. 北京工业大学学报. 2020(01)
[2]MFCC-小波神经网络电气主设备音频监控研究[J]. 王林,扈海泽,方梦鸽. 电力与能源. 2019(06)
[3]基于PNCC与基频的鲁棒电话语音性别检测方案[J]. 钟顺明,况鹏,庄豪爽,冯韩德,王剑莹,张涵. 华南师范大学学报(自然科学版). 2019(06)
[4]结合运动目标检测和ResNet的车速车型智能识别[J]. 梁栋,何佳,石陆魁,王松,刘佳. 北京交通大学学报. 2019(05)
[5]基于径向变换和改进AlexNet的胃肿瘤细胞图像识别方法[J]. 甘岚,郭子涵,王瑶. 计算机应用. 2019(10)
[6]基于改进深度卷积神经网络的纸币识别研究[J]. 盖杉,鲍中运. 电子与信息学报. 2019(08)
[7]基于FFT优化ResNet模型的短期负荷预测方法[J]. 许言路,卢悦,朱冰,王斌斌,邓卓夫,万政委. 控制工程. 2019(06)
[8]基于深度学习的车牌定位和识别方法[J]. 李祥鹏,闵卫东,韩清,刘瑞康. 计算机辅助设计与图形学学报. 2019(06)
[9]基于AlexNet模型的雷达信号调制类型识别[J]. 郭立民,陈鑫,陈涛. 吉林大学学报(工学版). 2019(03)
[10]基于脑网络的古典音乐和摇滚音乐对工作记忆的影响研究[J]. 李颖,张东颖,苏晴,李继鹏,闫伟. 中国生物医学工程学报. 2019(02)
博士论文
[1]基于内容的海量音乐检索技术研究[D]. 王镪.北京邮电大学 2013
硕士论文
[1]基于卷积神经网络的音乐流派分类研究[D]. 杜佑宸.大连理工大学 2019
[2]基于深度学习的音乐流派分类方法的研究[D]. 袁斌.北方工业大学 2019
[3]基于深度注意力机制的音乐流派分类方法研究[D]. 姚佳宁.大连理工大学 2018
[4]基于内容的音乐流派自动分类系统的研究与实现[D]. 王冰聪.北京化工大学 2018
本文编号：3239980
【文章来源】：辽宁工程技术大学辽宁省
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
音频处理得到的频谱切片图
辽宁工程技术大学硕士学位论文46派识别系统进行测试校验，提升音乐流派识别系统的健壮性。音乐爬虫系统界面如图4.10所示。图4.10音乐爬虫系统界面Figure4.10Musiccrawlersysteminterface4.5.4音乐流派识别系统本文设计了基于改进AlexNet的音乐流派识别系统，音乐流派识别系统后台应用DCNN-MGR进行音乐流派元素分析，并以饼状图的形式展现DCNN-MGR模型对用户输入音乐的流派元素分析结果，饼状图以不同的颜色区分用户输入音乐的流派元素占比，饼状图右侧的图例表示音乐流派所对应的颜色，音乐流派识别系统界面如图4.11所示。图4.11音乐流派识别系统界面Figure4.11Musicgenrerecognitionsysteminterface
辽宁工程技术大学硕士学位论文46派识别系统进行测试校验，提升音乐流派识别系统的健壮性。音乐爬虫系统界面如图4.10所示。图4.10音乐爬虫系统界面Figure4.10Musiccrawlersysteminterface4.5.4音乐流派识别系统本文设计了基于改进AlexNet的音乐流派识别系统，音乐流派识别系统后台应用DCNN-MGR进行音乐流派元素分析，并以饼状图的形式展现DCNN-MGR模型对用户输入音乐的流派元素分析结果，饼状图以不同的颜色区分用户输入音乐的流派元素占比，饼状图右侧的图例表示音乐流派所对应的颜色，音乐流派识别系统界面如图4.11所示。图4.11音乐流派识别系统界面Figure4.11Musicgenrerecognitionsysteminterface
【参考文献】：
期刊论文
[1]基于AlexNet模型的AD分类[J]. 张柏雯,林岚,吴水才. 北京工业大学学报. 2020(01)
[2]MFCC-小波神经网络电气主设备音频监控研究[J]. 王林,扈海泽,方梦鸽. 电力与能源. 2019(06)
[3]基于PNCC与基频的鲁棒电话语音性别检测方案[J]. 钟顺明,况鹏,庄豪爽,冯韩德,王剑莹,张涵. 华南师范大学学报(自然科学版). 2019(06)
[4]结合运动目标检测和ResNet的车速车型智能识别[J]. 梁栋,何佳,石陆魁,王松,刘佳. 北京交通大学学报. 2019(05)
[5]基于径向变换和改进AlexNet的胃肿瘤细胞图像识别方法[J]. 甘岚,郭子涵,王瑶. 计算机应用. 2019(10)
[6]基于改进深度卷积神经网络的纸币识别研究[J]. 盖杉,鲍中运. 电子与信息学报. 2019(08)
[7]基于FFT优化ResNet模型的短期负荷预测方法[J]. 许言路,卢悦,朱冰,王斌斌,邓卓夫,万政委. 控制工程. 2019(06)
[8]基于深度学习的车牌定位和识别方法[J]. 李祥鹏,闵卫东,韩清,刘瑞康. 计算机辅助设计与图形学学报. 2019(06)
[9]基于AlexNet模型的雷达信号调制类型识别[J]. 郭立民,陈鑫,陈涛. 吉林大学学报(工学版). 2019(03)
[10]基于脑网络的古典音乐和摇滚音乐对工作记忆的影响研究[J]. 李颖,张东颖,苏晴,李继鹏,闫伟. 中国生物医学工程学报. 2019(02)
博士论文
[1]基于内容的海量音乐检索技术研究[D]. 王镪.北京邮电大学 2013
硕士论文
[1]基于卷积神经网络的音乐流派分类研究[D]. 杜佑宸.大连理工大学 2019
[2]基于深度学习的音乐流派分类方法的研究[D]. 袁斌.北方工业大学 2019
[3]基于深度注意力机制的音乐流派分类方法研究[D]. 姚佳宁.大连理工大学 2018
[4]基于内容的音乐流派自动分类系统的研究与实现[D]. 王冰聪.北京化工大学 2018
本文编号：3239980
本文链接：https://www.wllwen.com/wenyilunwen/yinlelunwen/3239980.html
