音乐舞蹈论文_基于频谱空间域特征注意的音乐流 - 当代音乐杂志社投稿

来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。一、投稿方式： 1、请从我刊官网直接投稿。 2、请从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。二、稿件著作权： 1、投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、第5条所述之网络是指通过我刊官网。 7、投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

音乐舞蹈论文_基于频谱空间域特征注意的音乐流

作者:

关键词:

摘要：

文章摘要:为了提升深度卷积神经网络对音乐频谱流派特征的提取效果，提出一种基于频谱空间域特征注意的音乐流派分类算法模型DCNN-SSA。DCNN-SSA模型通过对不同音乐梅尔谱图的流派特征在空间域上进行有效标注，并且改变网络结构，在提升特征提取效果的同时确保模型的有效性，进而提升音乐流派分类的准确率。首先将原始音频信号进行梅尔滤波，以模拟人耳的滤波操作对音乐的音强及节奏变化进行有效过滤，生成的梅尔谱图进行切割后输入网络。然后通过深化网络层数、改变卷积结构及空间注意力机制对模型在流派特征提取上进行增强。最后通过对数据集进行多批次的训练与验证，有效提取并学习音乐流派特征，得到可以对音乐流派进行有效分类的模型。实验表明，基于空间注意的音乐流派分类算法与其他深度学习模型比较，在音乐流派分类准确率和模型收敛效果上具有增强，准确率提升了5.36～10.44个百分点。

文章关键词: