為了提高音樂分類的精準(zhǔn)性及個性化,提出基于關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘技術(shù)在音樂分類中的使用,解決單一軌道提取的局限性問題。首先,對音樂文件預(yù)處理進(jìn)行分析,主要包括提取主旋律、分析和聲;之后,對基于FP_Growth關(guān)聯(lián)規(guī)則挖掘算法的音樂風(fēng)格進(jìn)行分析。因為FP_Growth算法只需要掃描兩遍原始數(shù)據(jù),對原始數(shù)據(jù)進(jìn)行壓縮具有較高的效率,所以將FP_Growth關(guān)聯(lián)規(guī)則挖掘算法應(yīng)用于音樂媒體的風(fēng)格分類中,并且創(chuàng)建基于FP_Growth關(guān)聯(lián)規(guī)則挖掘的音樂風(fēng)格分類,減少所需頻繁項集的數(shù)量,從而提高數(shù)據(jù)庫掃描速度,在此過程中不需要候選項集,實現(xiàn)音樂分類過程中的數(shù)據(jù)挖掘;最后,對數(shù)據(jù)挖掘的效率進(jìn)行Matlab測試,測試結(jié)果表示,相比基于LAD和Apriori算法的音樂風(fēng)格分類,基于FP_Growth的音樂風(fēng)格分類減少了I/O開銷,提高了運行效率和分類的精準(zhǔn)性。 

【文章來源】：現(xiàn)代電子技術(shù). 2020,43(01)北大核心

【文章頁數(shù)】：4 頁

【部分圖文】：

FP-tree節(jié)點

運行時間比較

【參考文獻(xiàn)】：
期刊論文
[1]基于節(jié)點表的FP-Growth算法改進(jìn)[J]. 王建明,袁偉.  計算機(jī)工程與設(shè)計. 2018(01)
[2]基于特征旋律挖掘的二階馬爾可夫鏈在算法作曲中的研究與應(yīng)用[J]. 鄭銀環(huán),王嘉珺,郭威,王備戰(zhàn).  計算機(jī)應(yīng)用研究. 2018(03)
[3]基于LDA模型的音樂推薦算法[J]. 李博,陳志剛,黃瑞,鄭祥云.  計算機(jī)工程. 2016(06)



本文編號：3290654