TY -的A2 Wang Wei盟——太阳,Bo PY - 2021 DA - 2021/03/26 TI -使用机器学习算法来描述音乐的类型和特征之间的联系信号SP - 5577486六世- 2021 AB -音乐分类有利于在线音乐检索,但目前的音乐分类模型很难准确地识别各种类型的音乐,这使得目前的音乐分类模型的分类效果差。为了提高音乐分类的准确性,音乐分类模型基于multifeature融合和机器学习算法。首先,我们获得的音乐信号,然后从音乐的分类提取各种特征信号,并使用机器学习算法来描述音乐信号的类型和特性之间的关系。音乐分类器和深度信念网在浅逻辑回归建立了机器学习模型,分别。实验设计这两个模型来验证模型的适用性对音乐分类。通过比较实验结果,发现深信心网络模型的分类精度高于逻辑回归模型,但其准确性收敛所需的迭代次数也高于逻辑回归模型。与其他当前音乐分类模型相比,该模型可以减少构建音乐分类器的时候,加速音乐分类的速度,可以用高精度识别各种类型的音乐。音乐分类的准确性明显提高,验证这种音乐分类模型的优越性。SN - 1076 - 2787你——https://doi.org/10.1155/2021/5577486——10.1155 / 2021/5577486 JF - PB - Hindawi KW - ER -复杂性