[發明專利]一種基于機器學習中邏輯回歸算法的音樂流派分類方法在審

申請號：	202110229785.X	申請日：	2021-03-02
公開（公告）號：	CN113012713A	公開（公告）日：	2021-06-22
發明（設計）人：	蔡向東;梁佳雨	申請（專利權）人：	哈爾濱理工大學
主分類號：	G10L25/24	分類號：	G10L25/24;G10L25/27;G10L25/54;G06K9/62;G06N20/00
代理公司：	暫無信息	代理人：	暫無信息
地址：	150000 黑龍***	國省代碼：	黑龍江;23
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種基于機器學習邏輯回歸算法音樂流派分類方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

一種基于機器學習中邏輯回歸算法的音樂流派分類方法，屬于數據處理技術領域。本發明為解決人工手動分類，并提升音樂流派分類的準確性和速度，為用戶檢索分辨各類型音樂流派提供極大便利的方法。本發明通過收集預設的各類型音樂數據，將收集的音樂數據進行格式轉換處理，對音樂數據利用梅爾倒譜系數提取出音樂數據的特征參數，利用機器學習中的邏輯回歸算法對提取出的音樂數據特征參數向量進行訓練與建模，用訓練好的模型來預測音樂流派的分類。

技術領域

本發明涉及數據處理技術領域，具體涉及一種基于機器學習中邏輯回歸算法的音樂流派分類方法

背景技術

目前，隨著計算機的普及和網絡的迅猛發展，大批量的音樂資源通過網絡傳送到用戶，不同用戶對不同類型的音樂喜好程度不同。用戶有找到相關符合自己喜好的音樂類型需求，所以音樂流派的分類成為了音樂信息檢索領域中熱門的研究方向之一。

音樂是極具多元化和不斷龐大的數據量，使音樂信息檢索變得十分困難。分類是管理音樂數據的必要手段，傳統的分類是基于人工標注文本的音樂檢索，需要消耗大量人力資源和時間，因此本發明采用機器學習中邏輯回歸算法對音樂特征參數向量進行有監督學習建模得到相應流派分類，避免了人工手動分類，并提升音樂流派分類的準確性和速度，為用戶檢索某一類音樂提供極大便利。

發明內容

本發明目的是為了解決在龐大音樂數據量里進行音樂流派分類的問題，提供了一種基于機器學習中邏輯回歸算法的音樂流派分類方法。

1、本發明，主要包括以下步驟：

步驟101：收集預設的各類型音樂數據，將收集的音樂數據進行格式轉換處理；

步驟102：對音樂數據利用梅爾倒譜系數提取出音樂數據的特征參數；

步驟103：利用機器學習中的邏輯回歸算法對提取出的音樂數據特征參數向量進行訓練與建模，利用訓練好的模型來預測音樂流派的分類。

進一步的，所述的將收集的音樂數據進行格式轉換處理包括如下步驟：

將音樂數據的格式轉為無損波形音頻格式，按固定頻率對真實聲波的每個點進行采樣，實現從真實信號到模擬信號的轉變；此處采樣頻率需滿足奈奎斯特采樣定律，保證還原原始信號，同時為了提高信噪比，還需對無損波形音頻數據進行預處理。

進一步的，對音樂數據利用梅爾倒譜系數提取出音樂數據的特征參數包括如下步驟：

利用梅爾倒譜系數提取出音樂數據的特征參數，對預處理的數據進行離散傅里葉變換，和梅爾倒譜，得到音樂特征。

進一步的，利用機器學習中的邏輯回歸算法對提取出的音樂數據特征參數向量進行訓練與建模，利用訓練好的模型來預測音樂流派的分類包括如下步驟：

將音樂數據特征參數轉換成為向量，對特征進行歸一化處理，利用機器學習中邏輯回歸算法，寫出權重函數，根據激活函數，采用交叉熵損失函數，運用梯度下降算法進行迭代。根據取得最小化的交叉熵損失函數，來確定模型權重，進行分類預測。