【技术实现步骤摘要】
本专利技术涉及数据处理，尤其涉及一种音乐流派的识别方法、装置、电子设备及存储介质。
技术介绍
1、近些年来，音乐流派的分类是一个比较重要的课题，越来越多的人投入到相关的研究领域。音乐流派分类可以在许多现实应用中使用，媒体平台可以根据音乐流派为用户创建更合适的推荐播放列表。
2、当前，音乐流派分类方法主要依赖人工提取的音乐声学特征和面向深度学习的音频特征，以及采用的训练特征向量的深度学习网络模型。相关领域提出常见的人工提取的特征主要有梅尔频域倒谱系数(mel-scale frequency cepstral coefficients，mfcc)，频谱特征，音高和节奏特征等。例如，梅尔倒谱系数提取的特征更能近似人类的听觉系统，大部分的音乐流派分类方法将其传入卷积神经网络并提取音乐的频率特征向量。由于mfcc作为输入传递给神经网络过程中需要将连续的mfcc序列转换成图像或者张量形式，这个转换过程中主要放大了低频部分的音乐信息，缩减了中高频时序信息，可能会降低分类结果的准确性。其次，对于卷积神经网络常用的频谱图特征包括短时傅里叶频谱...
【技术保护点】
1.一种音乐流派的识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述方法，还包括：
3.根据权利要求1所述的方法，其特征在于，所述确定待识别音频的时域数据和频域数据，分别提取所述时域数据包含的时域特征以及所述频域数据包含的频域特征，包括：
4.根据权利要求2所述的方法，其特征在于，所述根据所述第一概率、所述第二概率、所述第三概率以及第四概率确定所述待识别音频数据的音乐流派，包括：
5.根据权利要求4所述的方法，其特征在于，所述按照所述第三概率和所述第四概率确定时域特征与频域特征结合归属于不同音乐...
【技术特征摘要】
1.一种音乐流派的识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述方法，还包括：
3.根据权利要求1所述的方法，其特征在于，所述确定待识别音频的时域数据和频域数据，分别提取所述时域数据包含的时域特征以及所述频域数据包含的频域特征，包括：
4.根据权利要求2所述的方法，其特征在于，所述根据所述第一概率、所述第二概率、所述第三概率以及第四概率确定所述待识别音频数据的音乐流派，包括：
5.根据权利要求4所述的方法，其特征在于，所述按照所述第三概率和所述第四概率确定时域特征与频域特征结合归属于不同音乐流派的第五概率，包括：
6.根据权利要...
【专利技术属性】
技术研发人员：陈敏，苏航，姜彦吉，刘昌镐，郑四发，
申请(专利权)人：清华大学苏州汽车研究院相城，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。