1、隨著互聯(lián)網(wǎng)的普及,網(wǎng)絡(luò)上的音樂(lè)信息成千上萬(wàn),如何在最短時(shí)間內(nèi)篩選出滿足用戶需求的音樂(lè),成為現(xiàn)代生活中亟待解決的問(wèn)題。于是,基于內(nèi)容的音樂(lè)信息檢索技術(shù)成為信息檢索領(lǐng)域至關(guān)重要的技術(shù),音樂(lè)流派自動(dòng)分類成為近年來(lái)研究的熱點(diǎn)之一。
　　本文將聽(tīng)覺(jué)圖像引入音樂(lè)流派自動(dòng)分類的研究中,采用聽(tīng)覺(jué)圖像模型,設(shè)計(jì)濾波器等模擬人耳耳蝸的結(jié)構(gòu)功能,將一維音頻信號(hào)轉(zhuǎn)換為二維聽(tīng)覺(jué)圖像。然后,對(duì)不同音樂(lè)流派的聽(tīng)覺(jué)圖像進(jìn)行尺度不變特征轉(zhuǎn)換(SIFT)及空間金字塔

2、匹配(SPM),提取不同流派聽(tīng)覺(jué)圖像的紋理特征。其中,尺度不變特征變換可以提取不同空間位置上聽(tīng)覺(jué)圖像灰度值相對(duì)位置、大小關(guān)系和梯度方向信息,能夠更加全面的描述圖像局部特征;而空間金字塔匹配方法在3個(gè)不同層次上將稀疏化的聽(tīng)覺(jué)圖像局部特征以不同刻度整合起來(lái),表征聽(tīng)覺(jué)圖像在不同層次上的全局特征?；诼?tīng)覺(jué)圖像的特征向量是高維度的、稀疏化的向量,本文分類方法選取在音樂(lè)流派自動(dòng)分類中效果較明顯的K-最近鄰分類器和支持向量機(jī)。不同 k值的K-最近鄰結(jié)