1、大數(shù)據(jù)時(shí)代背景下，越來越多的音樂著作在互聯(lián)網(wǎng)上呈現(xiàn)出來。然而海量音樂反而使得用戶更難找到喜歡的作品，也使冷門的音樂愈發(fā)無人問津。因此，需要最大程度地挖掘音樂間的關(guān)聯(lián)，將與用戶喜好音樂相似的歌曲反饋給用戶。研究音樂相似性及相似音樂檢索等問題具有重要的現(xiàn)實(shí)意義。
　　本文圍繞音樂相似性測(cè)度和音樂相似性檢索兩個(gè)方面展開研究，并根據(jù)用戶對(duì)音樂相似性檢索的需求，設(shè)計(jì)了一套相似音樂檢索系統(tǒng)，實(shí)現(xiàn)了對(duì)相似音樂的快速檢索。具體的工作和創(chuàng)新如下：<

2、br>　　1．音樂相似性測(cè)度的研究
　　研究了經(jīng)典音樂相似性測(cè)度-G1算法，在其基礎(chǔ)上分別從音頻特征提取和近鄰度計(jì)算兩個(gè)角度對(duì)該算法進(jìn)行了改進(jìn)。1）針對(duì)G1算法音頻特征提取單一，對(duì)音樂屬性刻畫不全面的缺點(diǎn)，提出了一種線性結(jié)合的多層特征（Multi-Level，ML）的特征提取方法，從物理、感知、語義三個(gè)層面刻畫音樂的聲學(xué)特性。2）針對(duì)G1算法近鄰計(jì)算時(shí)存在的樞紐度（Hubs）問題，在現(xiàn)有技術(shù)基礎(chǔ)上提出全局尺度變換（Global S

3、caling，GS）算法，依照最近鄰類對(duì)穩(wěn)定原則對(duì)近鄰度矩陣做伸縮處理，緩解了 Hubs問題的同時(shí)提高了近鄰計(jì)算的準(zhǔn)確率。結(jié)合前人研究與以上改進(jìn)，提出了ML-GS音樂相似性測(cè)度。
　　2．音樂相似性檢索的研究
　　1）研究了音樂相似性檢索的代表性算法-G1-FR，圍繞關(guān)鍵技術(shù)：空間投影和索引結(jié)構(gòu)構(gòu)建兩項(xiàng)技術(shù)展開研究并分別予以改進(jìn)。1）針對(duì)近鄰度計(jì)算的度量性對(duì)空間投影質(zhì)量以及對(duì)相似性檢索的影響，使用度量的RJSD替代 K-L散

4、度計(jì)算高斯特征間的距離，顯著提高近鄰計(jì)算的召回率。2）針對(duì) FR索引結(jié)構(gòu)索引效率低的缺點(diǎn)，結(jié)合E2LSH技術(shù)提出了適用于非矢量特征的索引構(gòu)建方法-基于快速投影的局部敏感哈希（FMLSH），提高了索引結(jié)構(gòu)在檢索場(chǎng)景下的性能。
　　2）結(jié)合ML-GS音樂相似性測(cè)度和FMLSH索引結(jié)構(gòu)，提出了ML-GS-FMLSH音樂相似性檢索算法。該算法能夠在幾乎不降低檢索精度的前提下將音樂相似性的計(jì)算復(fù)雜度降低至與數(shù)據(jù)庫容量無關(guān)?；谠撍惴ㄔO(shè)計(jì)并實(shí)