[发明专利]基于测度学习半监督的钢琴乐谱难度识别方法

权利要求书

1.一种基于测度学习半监督的钢琴乐谱难度识别方法，其特征是，包括下列步骤：

1)收集具有难度标签的实验数据源即两种不同评价体系下的数据集，针对难度等级要求有目的地采集难度相关特征，构成表征难度的特征向量，最后形成难度相关特征空间；

2)对提取到的特征数据进行归一化预处理、数据清洗，解决数据不平衡问题，并评估难度相关特征的有效性；

3)对其中一个数据集进行基于测度学习理论的有监督算法分类，获到分类正确率；

4)现已收集两个评价体系的数据集，不使用其中一个数据集的标签信息，利用此评价体系的数据去提升另一个评价体系下的数据集分类正确率；

5)学习两个评价体系下的数据集间联系，利用其中一个评价体系下的数据去提升另一个评价体系下的数据集分类正确率。

2.如权利要求1所述的基于测度学习半监督的钢琴乐谱难度识别方法，其特征是，步骤1)具体地，针对乐谱难度等级问题有目的的采集不同难度标签的钢琴乐谱数据集，并根据人为判断乐谱难度等级的准则，并结合数字乐谱相关信息，提取表征难度的特征向量，构成特征空间，并给数据集进行难度等级编号分别为1～m，m为自然数。

3.如权利要求1所述的基于测度学习半监督的钢琴乐谱难度识别方法，其特征是，步骤2)具体地，用Min-Max归一化方法，公式如下：

x*i=xi-minmax-min]]>

将特征向量的值归一化到[0,1]区间，其中min和max分别表示特征x_i的最小和最大值，表示特征x_i经过归一化处理后的特征；

采用过采样oversampling方法解决数据不平衡问题，即重复利用数据较少的类别，以使得和数据多的类别之间达到平衡。