摘要

电子音乐信号具有非平稳性变化特点,当前难以准确描述电子音乐信号的变化特点,使得电子音乐信号分类准确性不够,为了提高电子音乐信号分类准确性,提出粒子群优化算法和支持向量机的电子音乐信号分类方法。首先,分析当前国内对电子音乐信号的分类研究现状,并采集电子音乐信号;然后,对电子音乐信号分类进行噪声过滤操作,并提取电子音乐信号变化特征;最后,结合粒子群优化算法和支持向量机的优点,建立电子音乐信号分类模型,并采用多种类型的电子音乐信号进行分类性能测试实验。结果表明,粒子群优化算法和支持向量机可以有效区分各种电子音乐信号,电子音乐信号分类准确性高,使得电子音乐信号分类误差控制在实际应用区间内,同时,电子音乐信号分类准确性和效率要显著好于对比电子音乐信号分类方法。

全文