基于CGABC-SVM的多特征融合音乐分类算法研究
韩彬彬1
程科1
王义军2
1.江苏科技大学计算机学院 镇江 2120002.中铁隧道集团三处有限公司 深圳 518051
摘要：对电子音乐进行合理且有效的分类,可以使用户能快速搜索到喜爱的音乐,也使音乐推荐系统能进行更加精准的推荐.为了提高音乐分类的准确性,论文提出了基于CGABC-SVM的多特征融合音乐分类方法.在特征提取方面,针对单一音频特征表达不完整的问题,提取基音频率、共振峰、梅尔频率倒谱系数和相对谱-感知线性预测4种音频特征,组成多特征融合矩阵.在分类器选择方面,针对支持向量机(SVM)参数难以选取的问题,论文使用交叉全局人工蜂群算法(CGABC)来优化SVM的参数,构建CGABC-SVM音乐分类模型.实验结果表明,论文音乐分类方法可以有效地区分各种音乐信号,音乐分类的准确性显著好于对比音乐分类方法.
关键词：音乐分类CGABCSVM特征融合
分类号：TP301.6(计算技术、计算机技术)
论文发表日期：2023-04-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 820-825 )
英文信息