[发明专利]音乐情感分类方法在审

专利信息
申请号: 201910672832.0 申请日: 2019-07-24
公开(公告)号: CN110377786A 公开(公告)日: 2019-10-25
发明(设计)人: 侯亚辉;赵庄言;沈向辉 申请(专利权)人: 中国传媒大学
主分类号: G06F16/65 分类号: G06F16/65;G06F16/683
代理公司: 北京细软智谷知识产权代理有限责任公司 11471 代理人: 马晓腾
地址: 100020 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 情感分类模型 特征提取 情感分类 分类 音乐情感 完整音乐 训练数据 音乐 申请
【权利要求书】:

1.一种音乐情感分类方法,其特征在于,包括:

获取待情感分类的音乐;

对所述音乐的结构进行片段切分;

对所述切分的片段进行特征提取;

建立情感分类模型,根据所述情感分类模型对特征提取后的结果进行情感分类。

2.根据权利要求1所述的音乐情感分类方法,其特征在于,切分的片段为音乐的副歌部分,对所述切分的片段进行特征提取,包括:对所述副歌部分进行特征提取。

3.根据权利要求2所述的音乐情感分类方法,其特征在于,所述对所述副歌部分进行特征提取,包括:

使用LibROSA工具对所述副歌部分进行特征提取。

4.根据权利要求1所述的音乐情感分类方法,其特征在于,还包括:提取音乐的副歌部分,包括:使用检测自相似矩阵的方法提取音乐的副歌部分,具体步骤包括:

提取切分的片段的Chroma特征和MFCC特征;

根据所述Chroma特征计算增强矩阵;

根据所述MFCC特征计算自相似矩阵;

将所述增强矩阵与自相似矩阵相加,得到特征自相似矩阵;

根据所述特征自相似矩阵提取所述音乐的副歌部分。

5.根据权利要求4所述的音乐情感分类方法,其特征在于,所述根据所述特征自相似矩阵提取所述音乐的副歌部分,包括:

根据所述特征自相似矩阵查询重复片段;

对所述重复片段进行筛选,得到音乐的副歌部分。

6.根据权利要求5所述的音乐情感分类方法,其特征在于,所述根据所述特征自相似矩阵查询重复片段,包括:

使用所述特征自相似矩阵计算对角线条纹集合;

根据所述对角线条纹集合检测出重复条纹片段作为重复片段。

7.根据权利要求5所述的音乐情感分类方法,其特征在于,所述对所述重复片段进行筛选,包括:

根据多个指标对所述重复片段进行评分,所述指标包括:副歌的时序位置、副歌的高能量特点、副歌片段的重复特性和副歌片段位置;

根据所述评分筛选出与副歌综合相关性最高的片段作为音乐的副歌部分。

8.根据权利要求5所述的音乐情感分类方法,其特征在于,还包括:确定所述副歌部分的起始位置,包括:

根据时间顺序确定所述副歌部分多个节拍点;

设置二维滤波器;

利用所述二维滤波器对所述多个节拍点在所述特征自相似矩阵上进行滤波,以确定节拍点的对应位置;

根据所述对应位置计算第一参数、第二参数,第一参数表示与副歌真实片段的相似程度、第二参数表示是否还有更相似的重叠部分存在的位置之外的邻近位置;

根据所述第一参数和第二参数确定副歌的起始位置。

9.根据权利要求5所述的音乐情感分类方法,其特征在于,还包括:

对所述重复片段进行评估;

对评估结果进行排序;

预设筛选阈值,保留评估分数大于所述筛选阈值的重复片段;

在时间轴上叠加保留下的所述重复片段;

截取所有重复片段的重叠部分作为副歌段落,所述重叠部分的开始为副歌的起点,所述重叠部分的结尾为副歌的终点。

10.根据权利要求1所述的音乐情感分类方法,其特征在于,所述建立情感分类模型,包括:

建立分类超平面;

使用线性支持向量机和非线性支持向量机优化所述最优分类超平面,得到情感分类模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国传媒大学,未经中国传媒大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910672832.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top