使用 K-nn 算法处理音乐流派，如何处理提取的特征？ [关闭]

Posted 2023-03-13

【中文标题】使用 K-nn 算法处理音乐流派，如何处理提取的特征？ [关闭]

【英文标题】：Processing musical genres using K-nn algorithm, how to deal with extracted feature? [closed]

【发布时间】：2014-12-31 05:47:20

【问题描述】：

我正在开发一个能够对音乐流派进行分类的小工具。为此，我想使用 K-nn 算法（或另一种，但这个似乎足够好），我使用python-yaafe 进行特征提取。

我的问题是，当我从我的歌曲中提取一个特征时（例如：mfcc），因为我的歌曲是 44100Hz 采样的，我检索了很多（采样窗口数）的 12 值数组，我真的不知道该怎么处理。有没有一种方法可以让每个功能和每首歌曲只获得一个代表值？

【问题讨论】：

您可以将数组作为向量处理并计算绝对距离以进行比较...abs_difference=|v1-v2| 您还可以为每个维度添加权重...等等。只制作一个参数不是一个好主意，您会错过太多信息。您也可以将这些向量直接提供给神经网络，为您做出决策...

我会选择不同的路径。 1. 检测与每种音乐流派不同的某些乐器（钢琴、鼓等） 2. 检测主旋律速度/频率及其时间动态性 3. 音量大小和时间动态性 4. 将这些属性与一些界限/列表进行比较为每种支持的流派创建，因此您可以获得每种流派的概率并选择最大的流派...

好的，非常感谢Spektre的回答，我想我会试试的！

【参考方案1】：

一种方法是将信号的最小RMS能量值作为分类参数。

您应该使用音乐片段，而不是使用整个音乐文件进行分类。理论上，从音乐的前 30 秒开始的 30 秒音乐部分最能代表流派分类。

因此，您可以做的是考虑对应于这个时间窗口的部分，而不是整个数组，30sec-59sec。分别计算每个音乐文件的信号的 RMS 能量，在整个时间内取平均值。您还可以考虑其他功能，例如。 ，MFCC。 为了使用 MFCC，您可以使用特定音乐文件的所有信号窗口的平均值。从中制作一个特征向量。

您可以使用特征之间的差异作为数据点之间的距离进行分类。