基于支持向量机算法的音乐风格识别系统

作     者：罗红霞 罗娜 LUO Hong-xia;LUO Na

作者机构：浙江音乐学院戏剧系浙江杭州310024 萍乡学院教育学院江西萍乡337055 

出 版 物：《安徽师范大学学报（自然科学版）》 (Journal of Anhui Normal University(Natural Science))

年 卷 期：2024年第47卷第2期

页      面：123-128页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：教育部人文社会科学研究青年项目(22YJC760063) 

主　　题：支持向量机算法 音乐风格 快速傅里叶变换 

摘      要：音乐风格分类是音乐信息检索和音乐推荐当中的重要一环,它对音乐风格分类效率的要求越来越高。然而,音乐风格的识别对于非专业人士而言是比较困难的,因此我们建立了一种基于机器学习的音乐风格识别系统,该文研究对象为最具代表性的4类音乐风格,并选取47首爵士风格音乐、47首摇滚风格音乐、42首古典风格音乐以及40首现代风格音乐作为样本,应用快速傅里叶变换、图像特征提取,结合机器学习模型,建立了基于支持向量机算法的音乐风格识别系统,最终实现了四种音乐风格的同时识别。该模型用于盲测的AUC(受试者工作特征曲线下面积)平均值为0.871,分类的准确率为71.7%。