基于深度置信网络的多特征融合音乐分类算法

针对单一形态数据在音乐情感分类方面的局限性,文中提出了基于深度置信网络的多特征融合音乐分类算法。首先对音乐信号从多个角度进行特征向量的提取,形成多特征数据并进行融合。同时针对音乐情感分类,将传统的深度置信网络进行改进,增加微调节点增强模型的可调节性。由融合得到的训练集在改进的深度置信网络中进行训练,通过调整RBM中可见层与隐藏层单元之间的权值来使得模型达到最优性能。测试结果表明,音乐情感分类结果最高为82.23%,可较好的为音乐检索提供辅助。