針對(duì)機(jī)器學(xué)習(xí)模型對(duì)音樂流派特征識(shí)別能力較弱的問題,提出了一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的音樂流派識(shí)別（Deep Convolutional Neural Network Music Genre Recognition,DCNN-MGR）模型。該模型首先通過快速傅里葉變換（Fast Fourier Transformation,FFT）提取音頻信息,生成可以輸入DCNN的頻譜并切割生成頻譜切片。然后對(duì)AlexNet作出了改進(jìn):將AlexNet中卷積層的激活函數(shù)線性整流（Rectified Linear Unit,Re LU）函數(shù)替換為帶泄露整流（Leaky Rectified Linear Unit,Leaky Re LU）函數(shù),解決Re LU函數(shù)帶來的神經(jīng)元壞死問題,避免Re LU函數(shù)自變量進(jìn)入負(fù)區(qū)間后神經(jīng)元不學(xué)習(xí)的問題;將AlexNet中全連接層的激活函數(shù)Re LU函數(shù)替換為雙曲正切（Hyperbolic Tangent,Tanh）函數(shù),利用Tanh函數(shù)零均值化處理的特征,在迭代過程中不斷增強(qiáng)網(wǎng)絡(luò)對(duì)音樂特征的提取效果;去掉AlexNet中對(duì)音樂特征識(shí)別的泛化能力增益較弱的局部響應(yīng)歸一化（L... 

【文章來源】：遼寧工程技術(shù)大學(xué)遼寧省

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

音頻處理得到的頻譜切片圖

遼寧工程技術(shù)大學(xué)碩士學(xué)位論文46派識(shí)別系統(tǒng)進(jìn)行測(cè)試校驗(yàn)，提升音樂流派識(shí)別系統(tǒng)的健壯性。音樂爬蟲系統(tǒng)界面如圖4.10所示。圖4.10音樂爬蟲系統(tǒng)界面Figure4.10Musiccrawlersysteminterface4.5.4音樂流派識(shí)別系統(tǒng)本文設(shè)計(jì)了基于改進(jìn)AlexNet的音樂流派識(shí)別系統(tǒng)，音樂流派識(shí)別系統(tǒng)后臺(tái)應(yīng)用DCNN-MGR進(jìn)行音樂流派元素分析，并以餅狀圖的形式展現(xiàn)DCNN-MGR模型對(duì)用戶輸入音樂的流派元素分析結(jié)果，餅狀圖以不同的顏色區(qū)分用戶輸入音樂的流派元素占比，餅狀圖右側(cè)的圖例表示音樂流派所對(duì)應(yīng)的顏色，音樂流派識(shí)別系統(tǒng)界面如圖4.11所示。圖4.11音樂流派識(shí)別系統(tǒng)界面Figure4.11Musicgenrerecognitionsysteminterface

遼寧工程技術(shù)大學(xué)碩士學(xué)位論文46派識(shí)別系統(tǒng)進(jìn)行測(cè)試校驗(yàn)，提升音樂流派識(shí)別系統(tǒng)的健壯性。音樂爬蟲系統(tǒng)界面如圖4.10所示。圖4.10音樂爬蟲系統(tǒng)界面Figure4.10Musiccrawlersysteminterface4.5.4音樂流派識(shí)別系統(tǒng)本文設(shè)計(jì)了基于改進(jìn)AlexNet的音樂流派識(shí)別系統(tǒng)，音樂流派識(shí)別系統(tǒng)后臺(tái)應(yīng)用DCNN-MGR進(jìn)行音樂流派元素分析，并以餅狀圖的形式展現(xiàn)DCNN-MGR模型對(duì)用戶輸入音樂的流派元素分析結(jié)果，餅狀圖以不同的顏色區(qū)分用戶輸入音樂的流派元素占比，餅狀圖右側(cè)的圖例表示音樂流派所對(duì)應(yīng)的顏色，音樂流派識(shí)別系統(tǒng)界面如圖4.11所示。圖4.11音樂流派識(shí)別系統(tǒng)界面Figure4.11Musicgenrerecognitionsysteminterface

【參考文獻(xiàn)】：
期刊論文
[1]基于AlexNet模型的AD分類[J]. 張柏雯,林嵐,吳水才.  北京工業(yè)大學(xué)學(xué)報(bào). 2020(01)
[2]MFCC-小波神經(jīng)網(wǎng)絡(luò)電氣主設(shè)備音頻監(jiān)控研究[J]. 王林,扈海澤,方夢(mèng)鴿.  電力與能源. 2019(06)
[3]基于PNCC與基頻的魯棒電話語(yǔ)音性別檢測(cè)方案[J]. 鐘順明,況鵬,莊豪爽,馮韓德,王劍瑩,張涵.  華南師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(06)
[4]結(jié)合運(yùn)動(dòng)目標(biāo)檢測(cè)和ResNet的車速車型智能識(shí)別[J]. 梁棟,何佳,石陸魁,王松,劉佳.  北京交通大學(xué)學(xué)報(bào). 2019(05)
[5]基于徑向變換和改進(jìn)AlexNet的胃腫瘤細(xì)胞圖像識(shí)別方法[J]. 甘嵐,郭子涵,王瑤.  計(jì)算機(jī)應(yīng)用. 2019(10)
[6]基于改進(jìn)深度卷積神經(jīng)網(wǎng)絡(luò)的紙幣識(shí)別研究[J]. 蓋杉,鮑中運(yùn).  電子與信息學(xué)報(bào). 2019(08)
[7]基于FFT優(yōu)化ResNet模型的短期負(fù)荷預(yù)測(cè)方法[J]. 許言路,盧悅,朱冰,王斌斌,鄧卓夫,萬政委.  控制工程. 2019(06)
[8]基于深度學(xué)習(xí)的車牌定位和識(shí)別方法[J]. 李祥鵬,閔衛(wèi)東,韓清,劉瑞康.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2019(06)
[9]基于AlexNet模型的雷達(dá)信號(hào)調(diào)制類型識(shí)別[J]. 郭立民,陳鑫,陳濤.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2019(03)
[10]基于腦網(wǎng)絡(luò)的古典音樂和搖滾音樂對(duì)工作記憶的影響研究[J]. 李穎,張東穎,蘇晴,李繼鵬,閆偉.  中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào). 2019(02)

博士論文
[1]基于內(nèi)容的海量音樂檢索技術(shù)研究[D]. 王鏹.北京郵電大學(xué) 2013

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的音樂流派分類研究[D]. 杜佑宸.大連理工大學(xué) 2019
[2]基于深度學(xué)習(xí)的音樂流派分類方法的研究[D]. 袁斌.北方工業(yè)大學(xué) 2019
[3]基于深度注意力機(jī)制的音樂流派分類方法研究[D]. 姚佳寧.大連理工大學(xué) 2018
[4]基于內(nèi)容的音樂流派自動(dòng)分類系統(tǒng)的研究與實(shí)現(xiàn)[D]. 王冰聰.北京化工大學(xué) 2018



本文編號(hào)：3239980