语音与若干典型类别音乐数据间的自动分类研究

摘要：

基于内容的语音与音乐数据自动分类是一个十分重要的研究方向,它是许多实际应用的基础。本文对语音与4种典型音乐类数据(钢琴独奏曲、交响乐、京剧、流行歌曲)在不同特征集、不同分类器下的自动分类问题做了比较性研究。实验结果表明对于这个多类分类问题,混合音频特征集与神经网络分类器相结合的效果较好。此外,我们还通过Isomap方法对语音与不同类别的音乐数据之间在混合音频特征集下的相对可分性作了直观的比较。

关键词： 语音类别 音乐数据 模式识别 混合音频特征集 神经网络分类器

作者: 张一彬 周杰 王霞

作者单位: 诺基亚研究中心,北京,100013 清华大学自动化系,北京,100084

会议类型: 国内会议

会议名称: 第七届中文信息处理国际会议

会议地点: 武汉

会议语种:中文

页码: 626-631

在线出版日期: 2007-10-13（万方平台首次上网日期，不代表论文的发表时间）