基于MFCC和HMM的音乐分类方法研究

摘要：

采用基于Mel倒谱系数特征的隐马尔可夫模型对音乐进行分类.对音乐通过有监督的学习方式进行聚类,分类时将测试样本归入似然值最大的类别,对同一音频抽取若干样本,对样本识别结果采用投票法判定该音频的音乐类别,使分类的准确率得到进一步的提高.仿真实验对4种分类器在有干扰和无干扰的环境下的分类性能进行了比较,实验结果表明该方法具有更好的抗干扰能力和正确率.

关键词： Mel倒谱系数 音乐分类 隐马尔可夫模型 监督学习 音频抽取 抗干扰

作者: 张燕 唐振民 李燕萍 邹益

作者单位: 金陵科技学院,信息技术学院,江苏,南京,210006;南京理工大学,计算机学院,江苏,南京,210094 南京理工大学,计算机学院,江苏,南京,210094

会议类型: 国内会议

会议名称: 第三届江苏计算机大会

会议地点: 南京

会议语种:中文

页码: 112-114

在线出版日期: 2008-11-14（万方平台首次上网日期，不代表论文的发表时间）