[发明专利]一种基于云基因表达式编程的音乐情感识别方法

权利要求书

1.一种基于云基因表达式编程的音乐情感识别方法，其特征在于，包括以下步骤：

（1）将音乐的情感划分为若干情感语义，记录P个测试者对多个样本乐曲的每种情感语义的评分；

（2）利用云情感标注方法得到每个样本乐曲的每种情感语义的正态云模型，具体方法如下：

2-1、设P个测试者对某个样本乐曲的第一个情感语义的评分情况为λ₁,λ₂,λ₃...λ_P，求出λ₁,λ₂,λ₃...λ_P的期望Ex₁、熵Eh₁和超熵He₁，得到λ₁,λ₂,λ₃...λ_P的正态云模型y₁＝{Ex₁,En₁,He₁}；

2-2、重复步骤2-1若干次，求得该样本乐曲其它情感语义的正态云模型，将该首样本乐曲所有情感语义的正态云模型结合，得到该样本乐曲的正态云模型V＝[y₁,y₂,y₃...y_n]，其中，n为情感语义的种类数；

（3）提取样本乐曲的声纹特征参数，将每首样本乐曲与步骤（2）得到的相应样本乐曲的正态云模型对应，构建得到音乐情感数据库；

（4）利用步骤（3）得到的音乐情感数据库，构建音乐声纹特征参数与音乐情感的最优关系模型，具体步骤如下：

4-1、对步骤（3）中音乐情感数据库中的样本乐曲的声纹特征参数和其相应的正态云模型进行个体编码，建立初始化种群；

4-2、执行进化操作，形成新种群；

4-3、计算步骤4-2中新种群的所有个体的个体适应值，如果满足终止条件，则将相应的个体加入到新种群中，转至步骤4-7，如果不满足终止条件，则继续进行步骤4-4；

4-4、将步骤4-3中得到的所有个体适应值由小到大进行排序，从前K个个体中随机挑选L个，求出一个当前最优模式，该当前最优模式记为模式云，将该模式云保存到临时种群中；

4-5、重复步骤4-4T次，得到T个模式云；

4-6、实例化临时种群中的每个模式云，生成T个个体，分别计算T个个体的个体适应值，从中选出个体适应值最小的S个个体加入新种群中，并从新种群中去除个体适应值最大的S个个体，转至步骤4-2；

4-7、保存所得的个体适应值最小的最优个体，即为所求的音乐声纹特征参数与音乐情感的关系模型；

4-8、重复步骤4-1至步骤4-7k次，得到k个音乐声纹特征参数与音乐情感的关系模型，利用集成学习方法，求出所述最优关系模型；

（5）依据步骤（4）中的最优关系模型和待识别音乐的声纹特征参数对音乐进行音乐情感识别。

2.如权利要求1所述的基于云基因表达式编程的音乐情感识别方法，其特征在于，所述个体适应值的计算函数为其中，x_i为声纹特征参数输入，f(x_i)为关系模型计算得到的样本乐曲的情感语义评分输出，u_i为测试者对样本乐曲的情感语义评分，m为样本乐曲的数目。

3.如权利要求1所述的基于云基因表达式编程的音乐情感识别方法，其特征在于，所述的步骤4-8中集成学习的具体步骤如下：

4-8-1、将步骤（4）中样本乐曲的声纹特征参数与该样本乐曲的第一种情感语义的关系模型分别记为f₁₁(x),f₁₂(x),f₁₃₍x)...f_1k(x)，其中，k为关系模型的个数；

4-8-2、令f(x)为集成学习得到的样本乐曲的声纹特征参数与该样本乐曲的第一种情感语义的最优关系模型，其中，i为关系模型的编号，w_i为每种关系模型在该最优关系模型中的权重；

4-8-3、重复步骤4-8-1和步骤4-8-2，得到样本乐曲的声纹特征参数与该样本乐曲的每种情感语义的最优关系模型，进而得到样本乐曲的声纹参数特征与该样本乐曲的音乐情感的最优关系模型。

4.如权利要求1所述的基于云基因表达式编程的音乐情感识别方法，其特征在于，所述步骤4-3中的终止条件为个体适应值小于0.05。