[发明专利]一种基于双向卷积循环稀疏网络的音乐情感识别方法有效
| 申请号： | 201910485792.9 | 申请日： | 2019-06-05 |
| 公开（公告）号： | CN110223712B | 公开（公告）日： | 2021-04-20 |
| 发明（设计）人： | 杨新宇;董怡卓;罗晶;张亦弛;魏洁;崔宇涵;夏小景;吉姝蕾 | 申请（专利权）人： | 西安交通大学 |
| 主分类号： | G10L25/30 | 分类号： | G10L25/30;G10L25/63;G10H1/00 |
| 代理公司： | 西安通大专利代理有限责任公司 61200 | 代理人： | 范巍 |
| 地址： | 710049 *** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于双向卷积循环稀疏网络的音乐情感识别方法。本发明结合卷积神经网络和循环神经网络自适应地从原始音频信号的二维时频表示(即时频图)中学习内含时序信息的情感显著性特征。进一步地，本发明提出采用加权混合二进制表示法，通过将回归预测问题转化为多个二分类问题的加权联合来降低数值型真实数据的计算复杂度。实验结果表明，双向卷积循环稀疏网络提取的内含时序信息的情感显著性特征与MediaEval 2015中的最优特征相比表现出更优的预测性能；提出的模型与目前普遍的音乐情感识别网络结构和最优方法相比训练时间减少且预测精度提高。因此，本发明方法有效解决了音乐情感识别的精度和效率的问题，而且优于现有的识别方法。 | ||
| 搜索关键词： | 一种 基于 双向 卷积 循环 稀疏 网络 音乐 情感 识别 方法 | ||
【主权项】：
1.一种基于双向卷积循环稀疏网络的音乐情感识别方法，其特征在于，该方法首先将音频信号转化为时频图；其次采用卷积神经网络和循环神经网络内部融合的方式建立音频时序模型来学习内含时序信息的情感显著性特征，简称SII‑ASF，同时结合加权混合二进制表示法将回归问题转化为多个二分类问题降低计算复杂度；最后进行音乐的连续情感识别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西安交通大学，未经西安交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910485792.9/，转载请声明来源钻瓜专利网。
