面向情感的电影背景音乐分类方法分析

《面向情感的电影背景音乐分类方法分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、华中科技大学硕士学位论文内容及情感的纯音乐分类研究方面，已经发表了大量的论文。这方面研究的基本思路如图1.1所示。依据分类目标可分为两类：面向音乐流派的分类与面向情感的分类。训练音乐片段测试音乐片段音乐特征提取音乐特征提取原始特征集原始特征集模模型型特征选择或者降维训测特征选择或者降维练试特征选择或者降特征选择或者降维后的特征集维后的特征集分类器分类分类器分类分类准则类别一类别二类别…类别N-1类别N图1.1基于内容及情感音乐分类基本思路示意图[1]在面向音乐流派分类方面，清华大学YangqiuSong等人提出半监督音乐流派分类模型。该模型利用流正规化（manif

2、oldregularizationmethod）的方法来构造分类器。实验结果表明，与KNN等监督的方法相比，在把音乐分为六个流派的情况下，半监督音乐流派分类模型能够利用较少的标注数据与大量未标注数据来训练出有效[2]的模型，减少了典型片段的标注工作并提高了分类正确率。Chang-HsingLee等提出基于频谱与倒谱特征（MFCC）的长时调制频谱分析的自动音乐流派分类方法。频谱与倒谱经过调制频谱分析后将得到更加有效和紧凑的特征。在数据集GTZAN上的实验，结果表明，该方法在相同的实验条件下，分类准确率优于其它方法。清华[3]大学Yi-BinZhang等人提出了利用音

3、乐的短时分析技术和模式识别技术将音乐分为钢琴曲、交响曲、流行歌曲、北京歌剧和中国喜剧相声五个风格流派类型。在他们的工作里，对不同的短时音频信号特征与不同的分类器分别做了比较分析。分析结果显示，在上述短时音频信号特征中，和谐度是最有效的特征，而BP神经网络是2华中科技大学硕士学位论文[4]最好的分类器。CoryMcKay做了两组实验：一组是用于检测包括从音频文件提取的特征、符号化数据（如MIDI文件和乐谱提取的高级特征），以及从互联网通过数据挖掘而得到音乐的描述数据特征对音乐分类的作用；另一个实验用于检测从符号化数据提取的高级特征对音乐分类的贡献度。实验结表明，除音

4、频文件的声音信号特征之外，结合上面提到的其它信息特征能够有效的提高分类性能，而从如MIDI和乐谱提取提音频高级特征分类的贡献度大于包括从互联网通过数据挖掘而得到的音乐描述特征及音乐音频信号特征。与传统的基于元数据的音乐分类相比，基于内容的音乐流派的分类是一大进步。但这种分类方法是一种较模糊的分类，每一音乐流派同时会包含兴奋、高兴、哀伤等多种情感的音乐，不能满足越来越多的人们对音乐情感分类检索需求。结合如MIDI和乐谱及网络上描述数据提取的特征虽能提高分类性能，但是依赖其它信息，实用性受到了一定的限制。激励高兴奋紧张高兴恐惧愉快诱力负面正面悲伤放松无聊平静冷静乏味低

5、图1.2V-A二维情感平面音乐情感分类以音乐情感为依据，按照研究对象分为两类：结合音频数字信号3华中科技大学硕士学位论文文件与其它信息的多模型音乐分类方法和仅仅依赖音频数字信号文件的方法。这里的音频数字信号文件主要的指存储声音乐物理信号的文件，像MP3，WAV，AAC等，而其它信息主要指的有乐谱、歌词和MIDI等符号的音乐数据及网络上对音乐的描述数据等音乐信息。按照情感描述及表示方法也可分为两类：一类是用离散的情感类别描述词语来标记音乐情感，如人们从给定的情感类别描述词语（快乐、恐惧、悲哀）选择一个情感描述词语赋予某一音乐片段以表示该音乐片段的情感类型。这种方法的

6、问题是情感类别的描述词语有限，而且依赖不同地域人们文化背景，因而很难地表达出丰富的细腻的音乐情感；另一类是用多个连续维度的向量来描述情感，最常见的用激励和诱力两维来表示情感的Thayer的激励-诱力二维情感平面，如图1.2所示，其中激励维表示能量由低到高，而诱力维表示情感由正面到负面。不同的情感对应于这个二维情感平面中的不同区域，一个区域就代表某种传统上的情感类别（兴奋、悲伤、恐惧）。1.2.1基于情感的多模型音乐分类[5]在多模型音乐情感分类方面，Yi-HsuanYang等利用从音乐数字信号数据中提取的声学特征，并与携带丰富语义信息的歌词信息相结合，以达到提高音

7、乐分类正确率的目的。在他们的音乐数据集上做实验，结果表明，在把音乐分为生气、高兴、悲伤和放松四类的情况下，提出的新方法能把分类正确率从46.6%提高到57.1%。尤[6]其歌词文本信息特征能够较大程度提高诱力维的分类准确率。C.Laurier等人也实现了将声学特征联合歌词来提高分类正确率的多模型音乐分类系统。实验结果表明，提出的多模型方法的平均分类准确率提高了近3个百分点。基于情感多模型的音乐[7]分类还有北京大学的QiLu，XiaoouChen等人。QiLu、XiaoouChen采用AdaBoost分类算法并结合MIDI，音频信号文件特征和歌词等信息，提出一个称

8、之为归并子