TY - A2的刘,你们盟——京京PY - 2022 DA - 2022/06/13 TI -深上优于音乐质量分析模型SP - 6213115六世- 2022 AB -为了建立一个有效的和有效的深质量识别模型,决策融合方法利用浅层学习和深度学习的优点是制定。在文献中,浅学习与音乐相关的质量是一个传统的识别方法,即人工统计特征提取和识别的设计。与此同时,我们的深度学习模块利用所谓的PCANET网络实现特征提取过程,随后以描述与音乐相关的谱图信息为网络的输入。首先,各种各样的任务分类的音乐信号问题存在分歧。后来,深度学习的优化和采用音乐特征提取和序列的两个主要问题建模。最后,提出了一种音乐应用程序来说明深度学习在音乐质量评价的实际应用。肤浅的学习特点和深层学习功能无缝地结合到支持向量机模型对音乐质量建模,根据微分投票机制杠杆实现决策融合层。大量的实验结果表明,该音乐质量识别率的方法可以显著改善我们自己编译的库和柏林数据库。除此之外,它与竞争对手相比表现出明显的优势。SN - 1176 - 2322你2022/6213115 / 10.1155——https://doi.org/10.1155/2022/6213115——摩根富林明,应用仿生学和生物力学PB - Hindawi KW - ER