基于改进BP神经网络的音乐流派分类

作者：樊思含

来源：软件工程, 2021, 24(09): 17-20.

DOI：10.19644/j.cnki.issn2096-1472.2021.09.004

• 机器学习
• 特征提取
• 支持向量机
• 梅尔频率倒谱系数

针对传统音乐流派分类模型性能不稳定、音乐信号特征单一导致分类准确率低的问题,提出了改进的BP神经网络(Back Propagation Neural Network)音乐流派分类模型,通过Python的Librosa库提取了音乐的均方根能量、过零率、频谱质心、频谱对比度等多种特征,并使用PCA(Principal Component Analysis)和LDA(Linear Discriminant Analysis)数据降维方法对特征数据进行可视化分析,证明了特征选取的合理性。最后对四类音乐流派进行仿真实验,并与传统的分类模型对比。实验证明,提出的模型10折交叉验证的准确率为93.12%,优于KNN(K-Nearest Neighbor)、SVM(Support Vector Machine)等传统的分类模型。

• 单位
  浙江理工大学