检索结果-南通市图书馆

小演奏家 2002年第2期 24-26页

作者：丰元恺北京乐器研究所

现在乐器已经进入了普通百姓家里,不再是少数人从事专业演奏和个人兴趣爱好的工具。学会一件乐器已经成为许多青少年的必需课。面对众多乐器,如何分类应是青少年们需要了解的知识。

关键词：乐器分类演奏个人兴趣

在线全文

学校读者我要写书评

暂无评论

基于非线性动力学的乐器分类方法

电子学报 2012年第7期40卷 1481-1488页

作者：芮瑞鲍长春北京工业大学电子信息与控制工程学院语音与音频信号处理研究室北京100124

本文基于非线性动力学理论,对不同乐器产生的音频时间序列进行了相空间重构,通过分析各类乐器的递归特性,提出了一个新的定量递归参数——密集度,它能够描述管乐器、弦乐器和键盘乐器在相空间中的差异,然后将密集度与传统的音色特征相结... 详细信息

本文基于非线性动力学理论,对不同乐器产生的音频时间序列进行了相空间重构,通过分析各类乐器的递归特性,提出了一个新的定量递归参数——密集度,它能够描述管乐器、弦乐器和键盘乐器在相空间中的差异,然后将密集度与传统的音色特征相结合,提出一种乐器分类方法,并将其应用于不同的分类模型.实验表明,本文所提的方法使三类乐器家族的分类准确率提高了4%～7%,单个乐器的分类准确率提高了3%左右.

关键词：乐器分类非线性动力学相空间重构密集度递归图

在线全文

学校读者我要写书评

暂无评论

中外乐器分类的研究

福建论坛（人文社会科学版） 2008年第S2期 105-106页

作者：李翰闽江学院音乐系

根据乐器的本质特性研究乐器分类的“乐器分类学”可以说是一门既古老又年轻的学科。说它古老,早在战国时期成书的中国古籍《周礼》一书中就提出了世界上最早的乐器分类法,是以乐器制作材料不同作为分类的依据,分为金、石、丝、竹、匏... 详细信息

根据乐器的本质特性研究乐器分类的“乐器分类学”可以说是一门既古老又年轻的学科。说它古老,早在战国时期成书的中国古籍《周礼》一书中就提出了世界上最早的乐器分类法,是以乐器制作材料不同作为分类的依据,分为金、石、丝、竹、匏、土、革、木八类,称为“八音”,这一分类法在中国沿用了以前多年,还传到朝鲜、日本等国。竖琴在弦乐器这一家族里可算是年龄最大,资格最老的祖父了。该琴以金质的牛头为柄,造型精巧,线条雄浑,构造匀称,约为公元前二千六百年左右的遗物。弦乐器大概在渔猎时代后期才开始出现。它的原形是渔猎时代的主要生产工具——弓。汉字的“弦”从弓旁,反映出琴弦是由弓弦发展而来的。现代有些原始民族的弦乐器还保持着弓形。我国台湾省高山族也有一种弓琴,以竹片为弓,以月桃草的纤维为弦,也是属于由弓发展而来的原始弦乐器。古琴见于文献最早的是《诗经(小雅(鹿鸣》,据专家们考证,约产于西周初年。古琴弦最早用榨蚕丝制成。古弦原自山东,在汉朝以前称“鼓琴”,在汉以后古琴的地位生高了,演奏也逐渐“雅乐”化了。以上我所提的拉弦乐器则出现的较晚,准确的说是在唐代才发展的。由此可见,最初的拉弦乐器是竹片擦奏的轧笋一类,是由弹弦乐器的笋演变而来的,直到...

关键词：乐器分类铜管乐器木管乐器弦乐器弦鸣乐器

在线全文

学校读者我要写书评

暂无评论

中国传统乐器分类学术研讨会议综述

中国音乐 2007年第1期 232-233页

作者：严薇中国音乐学院国乐馆

2006年9月21日上午，我院在外办二楼会议室召开了中国传统乐器分类学术研讨会。此次研讨会是针对《中国传统乐器数字化系统建设》和《中国乐器博物馆》两个项目而举办的。会议由项目负责人杨通八教授主持。吴文光、张维良、修海林、王... 详细信息

2006年9月21日上午，我院在外办二楼会议室召开了中国传统乐器分类学术研讨会。此次研讨会是针对《中国传统乐器数字化系统建设》和《中国乐器博物馆》两个项目而举办的。会议由项目负责人杨通八教授主持。吴文光、张维良、修海林、王子初、曾遂今、薛艺兵、韩宝强、项阳、桑海波等院内外民族乐器研究及表演领域的专家学者应邀参加。两项工程均是北京市教委支持的科研项目，其中《中国传统乐器数字化系统建设》已于2005年6月正式启动。

关键词：学术研讨会议中国传统乐器分类综述系统建设传统乐器项目负责人北京市教委

再论八音——从类书出发谈八音之外的古代乐器分类方法

在线全文

学校读者我要写书评

暂无评论

人民音乐 2014年第11期 60-65页

作者：刘张杰广州大学音乐舞蹈学院

一、题目缘起＂八音＂一词常用于指称中国古代乐器分类。《周礼·春官·大司乐》载：＂大师掌六律六同,以合阴阳之声……皆文之以五声,宫、商、角、徵、羽;皆播之以八音,金、石、土、革、丝、木、匏、竹。＂1八音指代八种类型的乐器,其... 详细信息

一、题目缘起＂八音＂一词常用于指称中国古代乐器分类。《周礼·春官·大司乐》载：＂大师掌六律六同,以合阴阳之声……皆文之以五声,宫、商、角、徵、羽;皆播之以八音,金、石、土、革、丝、木、匏、竹。＂1八音指代八种类型的乐器,其分类以乐器的制作材料为标准,将乐器分为八类2,金类,如钟;石类,如磬;土类,如缶;革类,如鼓;丝类,如琴;木类,如柷敔;匏类,如笙;竹类,如笛。这一表述在各种古代文献中被反复记载,而我们几乎很难发现有其他分类见于记载。

关键词：古代乐器分类方法类书乐器分类制作材料古代文献大司乐记载

在线全文

学校读者我要写书评

暂无评论

周秦时期的乐器分类及民间音乐研究

兰台世界 2013年第27期 143-144页

作者：李艳红安阳师范学院音乐学院

本文主要论述周秦时期的乐器分类及民间音乐研究,从周秦时期礼乐文化入手,阐述周时期礼乐文化及乐器概况,继而阐述秦时期的音乐文化及乐器类别,最后探讨周秦时期民间音乐及其发展概况。

关键词：周秦时期乐器分类民间音乐

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于深度玻尔兹曼机的乐器分类问题研究

计算机应用研究 2019年第7期36卷 2031-2034页

作者：周畅米红娟兰州财经大学信息工程学院

应用传统浅层模型处理乐器分类任务存在非线性拟合能力较差的问题,使分类准确率得不到有效保证,有必要引入深度学习方法来提升复杂任务的非线性建模能力。将深度玻尔兹曼机作为特征提取器提取表达能力更强的数据特征,分别以SVM与softma... 详细信息

应用传统浅层模型处理乐器分类任务存在非线性拟合能力较差的问题,使分类准确率得不到有效保证,有必要引入深度学习方法来提升复杂任务的非线性建模能力。将深度玻尔兹曼机作为特征提取器提取表达能力更强的数据特征,分别以SVM与softmax分类器作为深度神经网络的顶层设置形成DBM+SVM组合模型与DBM+softmax组合模型,引入平均场理论和动量项因子优化网络训练过程。将上述两组模型及单一SVM分类器在五类乐器音频数据上进行对比实验,两种深度学习组合模型的分类准确率分别达到89.29%和87.5%,与传统浅层分类方法SVM的73.21%的准确率相比优势明显。实验结果表明深度玻尔兹曼机在乐器分类领域的应用颇具前景。

关键词：深度玻尔兹曼机乐器分类深度学习平均场理论动量项

在线全文

学校读者我要写书评

暂无评论

评《乐器分类体系之探讨》

乐器 1995年第3期 6-7页

作者：毛继增

分类学又名“系统学”,原为研究生物分类的学科。其目的在于阐明生物的亲缘关系,以及生物怎样进化、新种怎样形成等问题。乐器分类体系是分类学对乐器研究的延伸。分类学创始的时间虽然不算太长,而在我国,至公元前11世纪后的周代,就有以不

关键词：乐器分类乐器分类法阶元

基于最小一范数的稀疏表示音乐流派与乐器分类算法研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于最小一范数的稀疏表示音乐流派与乐器分类算法研究

作者：徐星天津大学

学位级别：硕士

最近几年,随着Internet网和数字音频技术的发展,基于内容的音乐信息研究逐渐成为研究热点。音乐信息检索是基于内容的音乐信息研究的重要课题之一。最近随着互联网上音乐的迅速增加,从互联网上检索出所需要的音乐变得十分困难。然而,目... 详细信息

最近几年,随着Internet网和数字音频技术的发展,基于内容的音乐信息研究逐渐成为研究热点。音乐信息检索是基于内容的音乐信息研究的重要课题之一。最近随着互联网上音乐的迅速增加,从互联网上检索出所需要的音乐变得十分困难。然而,目前大多数的音乐的分类都是基于手工分类,面对数字音乐如此蓬勃发展,手工分类已经不足以应对这种发展态势,因此,基于内容的音乐分类技术就显得迫切和重要。本文在音乐特征提取方面,引入音质特征,主要包含其统计方面的特征。在模式识别与分类方面,本文将新的模式识别与分类的方法应用于本文的音频分类系统中。在音乐流派自动分类系统中,本文新引入的特征比较有效,并且提高了正确率。在分类方法上,将支持向量机方法与基于最小一范数的稀疏表示方法的进行比较,基于稀疏表示的分类方法体现出较好的分类效果。同时通过实验说明PCA与分类方法的有效结合,可以提高分类正确率。中国古典乐器是世界乐器的重要组成部分,具有悠久的历史。然而对中国古典乐器的研究少之又少,为此,本文将中国古典乐器的研究纳入音频分类系统中。结合本文提取的特征和模式识别与分类方法,在分类效果上取得了比较高的正确率。通过对音乐流派与乐器的分类,也进一步说明本文引入特征的有效性,以及基于稀疏表示方法相对于支持向量机的优越性。

关键词：特征提取音乐流派分类乐器分类稀疏表示分类

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的乐器分类方法研究

基于深度学习的乐器分类方法研究

作者：周畅兰州财经大学

学位级别：硕士

基于深度学习的乐器分类问题是深度学习在音乐信息检索方向上的应用,而音乐信息检索又是语音识别领域近年来备受关注的研究热点。首先,介绍音乐分类及深度学习领域的基本理论知识,为混合模型的搭建做好理论铺垫。其次,对用于构建深度学... 详细信息

基于深度学习的乐器分类问题是深度学习在音乐信息检索方向上的应用,而音乐信息检索又是语音识别领域近年来备受关注的研究热点。首先,介绍音乐分类及深度学习领域的基本理论知识,为混合模型的搭建做好理论铺垫。其次,对用于构建深度学习混合模型的深度自编码器(DAE)与深度玻尔兹曼机(DBM)进行重点介绍,包括模型的基本结构、训练算法、性能特征及研究现状等。基于DAE的数据扩充能力与DBM的数据投影能力,构建混合深度学习模型DA-BM;通过在参数调整过程中加入动量项的方式缓解模型训练中的震荡现象,同时引入平均场来平滑训练数据中的孤立点,提升模型的鲁棒性。DA-BM在乐器分类任务中充当特征提取器,分别在模型顶层设置SVM与Softmax分类器,实现对乐器音频数据的分类。另外,基于PLP系数能够模拟人耳听觉特性的优势,结合谱通量特征能够反映音乐信号中相邻两帧间能量变化关系的特性,提出一种新的混合特征量。最后,通过仿真实验对本文提出的DA-BM混合模型以及混合特征量进行有效性验证。将DA-BM模型应用于5类单乐器音频数据的分类任务,并与传统音乐分类方法及单一深度学习模型进行性能比较。实验结果表明,在同一测试集上,混合模型DA-BM的分类准确率高于深度学习单模型DAE与DBM。同时,DA-BM、DAE、DBM三种深度学习模型在乐器分类任务中的分类性能明显优于浅层模型SVM,分类准确率提升超过10%。另外,提取音乐数据的能量特征、MFCC系数、PLP系数并构建基于PLP系数和谱通量的混合特征。分别采用上述特征作为DA-BM模型的输入,对比不同特征量的性能。实验结果表明混合特征量表现最优异,分类准确率达到91.25%,证明本文提出的混合特征量具有更强的数据表达能力。

关键词：深度学习 DA-BM混合模型乐器分类混合特征量