[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

说明书

技术领域

本发明涉及音乐情感识别领域，具体涉及一种基于云基因表达式编程的音乐情感识别方法。

背景技术

音乐是人类伟大智慧的产物，它不仅仅是一种声音符号，还是一种情感表达的语言，可直接导致人们产生积极或消极的情绪，进而影响人们的生活和工作。如Nature杂志报道的研究指出不同的音乐激发不同的情感，并会导致人体脑部不同的反应，影响人的决策（Blood,A.J.,Zatorre,R.J.,Bermudez,P.,and Evans,A.C.Emotional Responses to Pleasant and Unpleasant Music Correlate with Activity in Paralimbic Brain Regions.Nature Neuroscience,1999,2:p382-387）；进一步的研究还指出，不同的背景音乐能显著影响到顾客对不同产地酒类的选择（Adrian C.North,David J.Hargreaves,Jennifer McKendrick.In-store Music Affects Product Choice.Nature,Vol.390,13November1997,p132-132）。因此，20世纪以来，音乐情感认知研究，即“如何获得音乐情感信息（进而有效地利用音乐情感）”，得到了越来越多的关注，也已成为神经科学家关心的一个重要科学问题。

音乐情感认知研究的重要应用是音乐情感检索和管理。网络与数字娱乐产品的普及和发展，使得音乐已经成为最重要的数字媒体内容之一，庞大的音乐数据使得传统的音乐检索和管理方法（只能通过歌手、专辑和歌名等来检索音乐，无法根据音乐的情感、曲风和流派等重要信息来检索音乐）已无法满足人们的需要。音乐行为学的研究也表明，“情感”已成为人们检索和管理音乐的重要标准，如著名音乐商业网站Last.fm的调查统计结果表明，以“情感”来检索音乐，在其所有在线用户检索行为中排第三位。而且早在2004年的一项调查表明，28.2%的人认为“情感”是他们检索和管理歌曲的最重要关键词之一，显然，根据用户情感偏好来检索和管理音乐，具有很好的应用前景。可见，音乐情感认知研究，不仅具有重要的科学研究价值，也具有广阔的市场应用前景。

2006年，Cognition的研究（E.Bigand,B.Poulin-Charronnat.Are we “experienced listeners”?A review of the Musical Capacities That Co Not Depend on Formal Musical Training.Cognition,2006,100,p100-130）指出，人类对音乐的欣赏和情感体验并不需要专业的训练，普通听众和音乐家在音乐的领悟和情感体验上具有同一性。这表明，不仅通过人类文化的视角审视音乐的魅力，还可以通过自然科学的工具和方法来研究音乐的本质。

近年来，人工智能领域的学者们开始利用机器学习方法构建智能化的音乐情感认知模型，自动提取音乐作品中的情感特征，实现音乐情感的自动识别，从而大大提高了音乐情感识别效率，促进了音乐情感认知技术的发展。

然而，目前应用于音乐情感认知模型构建的机器学习算法本身还存在诸多不足，如通过确定决策树长度来避免过拟合仍是一个难以解决的问题；贝叶斯网络则需要知道样本的概率密度；人工神经网络的设计、训练复杂且耗时，并需要足够统计量的训练样本集；支持向量机的分类性能依赖于核函数形式以及参数的选取；进化算法很难找到有效的个体适应值函数来指引进化方向。

发明内容

本发明是一种基于云基因表达式编程的音乐情感识别方法，首先将音乐情感识别问题转换为函数关系发现问题，进而基于集成学习和云基因表达式编程，构建音乐声纹特征参数与音乐情感的最优关系模型，有效识别音乐情感。

一种基于云基因表达式编程的音乐情感识别方法，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：