【摘 要】
：
音乐流派分类领域中音频特征的流派性表达、特征提取的设计,严重影响分类方法的精度和泛化性,因此提出一种将双注意力融合进行特征提取的深度卷积神经网络（DCNN-AFC）模型,并对音频功率谱图中特征的流派性表达进行增强。首先,为考虑音频功率谱图中音乐流派特征的多样性,在特征提取阶段采用梅尔滤波方法,以模拟人耳听觉系统的滤波器对音频信号进行有效过滤,通过对梅尔滤波后的信号进行维度还原,确保音频信号的流派特
论文部分内容阅读
音乐流派分类领域中音频特征的流派性表达、特征提取的设计,严重影响分类方法的精度和泛化性,因此提出一种将双注意力融合进行特征提取的深度卷积神经网络（DCNN-AFC）模型,并对音频功率谱图中特征的流派性表达进行增强。首先,为考虑音频功率谱图中音乐流派特征的多样性,在特征提取阶段采用梅尔滤波方法,以模拟人耳听觉系统的滤波器对音频信号进行有效过滤,通过对梅尔滤波后的信号进行维度还原,确保音频信号的流派特征属性的有效保留,深化不同流派间提取到的特征差异,且为在模型输入阶段降低输入大小、扩大模型训练规模,将特征提取得到的音频功率谱图切割为128×128×1后输入模型,进一步提高了模型的运算速度与训练效率;其次,针对深度学习模型对流派特征提取设计的不足,设计残差模块,通过残差结构（Structural Residual）代替原有普通卷积操作,并深化网络模型,在增强流派特征高度抽象化提取的同时,避免梯度消失等模型退化问题,确保模型的有效性;最后,将通道注意力机制（Channel Attention Mechanism）与空间注意力机制（Spatial Attention Mechanism）融合,在通道域与空间域对音频功率谱图中流派特征进行联合标定,将双注意力融合模块重新标定的信息输入残差模块,通过模块中的残差特性对双注意力融合提取后的特征进行细节描述,提升不同流派间特征的差异性表达,从而增强流派特征提取的指向性,进而提升音乐流派分类效果。实验表明,DCNN-AFC模型在增强音乐流派特征提取效果和流派分类效率上,优于其他常用的深度学习模型,并在音乐流派分类准确率上较其他深度学习模型提升了6.27%～11.35%,验证了DCNN-AFC模型的有效性和先进性。该论文有图37幅,表12个,参考文献54篇。
其他文献
在以知识创新为代表的新常态背景下,企业主要依靠提高创新能力来占据市场中的核心地位。因此,企业面临的不确定性风险更大。财务柔性能够帮助企业应对不确定性风险带来的不利冲击,实现企业可持续性发展的战略目标。随着教育信息化的不断发展,睿智教育在经营过程中存在着研发费用逐年上升且资金回笼期限长、营业成本逐年上升、人才流失、知识产权受侵害的风险,利用双指标法评价其财务柔性只能反映出是否储备了财务柔性,却难以反
精益生产是制造业较为先进的生产方式,在提升企业竞争力方面效果显著,得到了众多企业的认可。F公司是国内生产托辊的传统企业,由于客户订单量不断增加,为了提高托辊产量,公司决定在托辊生产车间全面推行精益生产。价值流是精益改善的重要工具,能够识别生产浪费,消除不增值部分,提高生产效率。基于精益理论,通过现场调研、现场测量的方式收集了托辊生产相关的数据信息,找出影响托辊生产效率的主要问题并对问题进行现状分析
长三角城市群是我国重要的经济增长引擎,其物流产业在区域经济一体化发展的带动下,已显现出空间集聚态势。长三角城市群各城市间的区域差距大,发展不均衡,其物流产业集聚对物流发展的影响及其溢出效应并不确定,难以进行物流产业的合理布局与管理。物流产业效率是衡量物流产业发展质量的重要指标,长三角城市群物流产业集聚的溢出效应可以通过物流产业集聚对物流效率的影响来判断。本文利用区位熵值法和DEA模型对长三角城市群
为了应对激增的市场需求,恒久安泰在不变动企业生产结构的同时,联合外部制造商的协同调度对生产运营进行优化。在当前的生产环境下,企业的生产协同调度效率低下,经常出现节点内订单阻塞,产能负载上限较低,无法按时完成订单。围绕降低资源调度的交付时间,延长阻塞时间以及提高生产负载上限来改善协同生产系统中的生产调度问题,展开以下两个方面的研究:（1）针对企业的实体生产运营的操作流程,提出了一种基于多智体系统（M
为了解决正负样本不均衡分布造成的分类边界偏移,训练模型对少数类样本学习不充分的问题,提出了融合条件熵和TFIDF的HTTE过采样方法（Oversampling technology based on conditional entropy and TFIDF）和基于BERT与卷积神经网络的标签文本分类算法。HTTE采用信息论的方法,计算每种特征组合情况下标签的条件熵,再融合TFIDF值,保留数据特
随着时代的进步,以电力电子技术为基础的功率型电子器件及各种非线性负载在民用和工业中的大量应用,造成对电能质量的严重影响,同时也对电网质量提出了更高的要求,如何有效地提高电能质量,愈来愈成为人们所关注的问题。有源电力滤波器（Active Power Filter,APF）实现了电网谐波的高精度动态补偿,同时又兼顾了无功补偿等优点,成为当前电网谐波治理领域的重要研究方向。本文以并联型有源电力滤波器作为
行人检测是计算机视觉和图像处理领域的研究热点,广泛应用于智能视频监控、自动驾驶和智能机器人等领域。传统行人检测方法在一定条件下可以获得较好的行人检测效果,但在分辨率低、行人尺寸较小的情境下存在检测精度低的问题。针对上述问题,本文将深度学习方法中的基于区域全卷积网络（R-FCN）的目标检测算法引入到行人检测中,在R-FCN基础上做了一些改进,提出了一种基于区域全卷积网络的行人检测研究。首先,为了使行
随着互联网技术发展和国民收入增加,外卖订单的数量在持续的增加,给外卖行业带来的前所未有的发展机遇。外卖配送作为整个外卖过程中的核心业务,在其配送的过程之中,外卖路线的规划对于外卖配送效率、外卖配送成本以及用户的满意度将会产生巨大的影响。外卖市场处于激励的竞争阶段,采用合理、科学的方法对外卖配送路线进行规划,如何在保证配送服务质量的前提下控制外卖配送成本、提高外卖配送效率是外卖平台一个需要解决的问题
针对卷积神经网络浅层提取的特征利用率低,高低层特征互补优势难以利用的问题,提出了选择性特征连接机制（Selective Feature Connection Mechanism,SFCM）融合卷积神经网络高低层特征的方法以提高图像识别精度。首先,选定卷积神经网络低层特征,通过平均池化对低层特征降维,输出携带较多细节信息的低层特征;其次,按照卷积神经网络高层特征元素值越大,它所对应的位置特征越关键的
方面级情感分析（Aspect-based Sentiment Analysis,ABSA）作为一种细粒度的情感分析方法,可以对文本特定目标进行相应的情感倾向判定。针对现有基于注意力机制的方面级情感分析方法多关注词的相对位置特征,忽略上下文绝对位置特征的问题,本文提出了一种基于门控卷积神经网络的方面级情感分析模型Pos ATT-GTRU-ABSA。首先,模型使用Laplacian核函数构建相对位置特