基于提升决策树的钢琴乐谱难度识别方法.pdf
努力****骞北
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
基于提升决策树的钢琴乐谱难度识别方法.pdf
本发明属于机器学习领域,为使得钢琴乐谱难度等级识别可获得更高的准确性和稳定性,为钢琴教学和学生学习提供可靠地钢琴难度信息,提高乐谱网站的用户体验。为此,本发明采取的技术方案是,基于提升决策树的钢琴乐谱难度识别方法,建立基于网格搜索的多分类提升决策树的学习算法xgboost模型,利用测试集对建立的所述模型进行准确率检测、优化,利用完成优化的所述模型对钢琴乐谱难度进行分类;其中,以决策树为基函数,XGBoost模型由多个决策树组成,后面的决策树将拟合前面的残差,最终得到的预测值是所有决策树测试结果的和。本发明
基于测度学习半监督的钢琴乐谱难度识别方法.pdf
本发明属于机器学习、乐谱自动识别技术,为实现具有适应乐谱数据变化的能力,并具有高的识别稳定性和识别准确率,为钢琴教学和学习过程,提供可靠的钢琴难度等级信息。为此,本发明,基于测度学习半监督的钢琴乐谱难度识别方法,包括下列步骤:1)收集具有难度标签的实验数据源即两种不同评价体系下的数据集;2)对提取到的特征数据进行归一化预处理、数据清洗,解决数据不平衡问题,并评估难度相关特征的有效性;3)对其中一个数据集进行基于测度学习理论的有监督算法分类,获到分类正确率;4)现已收集两个评价体系的数据集;5)利用其中一个
基于注意力机制卷积神经网络钢琴乐谱难度识别方法.pdf
本发明属于音乐信息检索领域,为从众多信息中选择出对当前任务目标更关键的信息,充分使用源数据集中包含的所有信息,以提高分类准确率,为钢琴教学和学生学习,提供可靠的钢琴难度信息,同时也大大提高乐谱网站的用户体验。为此,本发明,基于注意力机制卷积神经网络钢琴乐谱难度识别方法,搭建并训练基于注意机制的改进卷积神经网络模型,在训练过程中,将n个不同难度等级的MIDI乐谱文件当做神经网络的n个通道输入到网络模型中进行训练,以便融合不同难度等级数据集的多个特征,进行准确率更高的难度分类,利用训练好的网络模型进行钢琴乐谱
一种基于大间隔投影空间学习的钢琴乐谱难度识别方法.pdf
本发明公开了一种基于大间隔投影空间学习的钢琴乐谱难度识别方法,步骤(1)、采集不同难度标签的钢琴乐谱数据,提取难度特征向量,构成特征空间集合;步骤(2)、对特征空间集合进行归一化预处理;步骤(3)、实现投影特征空间学习,利用特征空间集合数据求解M最小值,步骤(4)、识别特定乐谱的难度等级。与现有技术相比,本发明具有适应乐谱数据变化的能力,从而使得该方法具有高的识别稳定性和识别正确率,为钢琴教学和学习过程,提供可靠的钢琴难度信息,同时也大大提高乐谱网站的用户体验。
基于测度学习改进支持向量机的钢琴乐谱难度识别算法.pdf
本发明一种基于测度学习改进支持向量机的钢琴乐谱难度识别算法,包括:建立分类数字钢琴乐谱代表集;提取难度相关特征,构建特征向量空间,并对提取到的特征进行归一化预处理;利用测度学习从训练样本中有监督的得到新的距离测度,并用新的距离测度改进高斯径向基核函数;用one‑versus‑all方法将SVM扩展到多分类;5)基于网格搜索算法选择最优的高斯径向基核函数参数,建立多分类支持向量机模型;6)对于待识别数字乐谱,重复第2)步,依据训练好的多分类支持向量机模型得到的决策函数,计算各子分类器的决策值,将待识别数字乐