音乐流派分类初步结果

未来还有进一步提升的空间,测试结果只能说明部分问题

1.原始结果

Correctly Classified Instances          762              76.2%

Incorrectly Classified Instances       238               23.8%

a  b  c  d  e  f  g  h  i  j   <-- classified as

80  0  4  1  0  1  5  1  2  6 |  a = blues

0 97  2  0  0  1  0  0  0  0 |  b = classical

6  0 73  2  0  1  2  2  1 13 |  c = country

1  0  5 70  1  0  0  2 10 11 |  d = disco

3  0  0  3 73  0  2  4 13  2 |  e = hiphop

1  5  2  0  0 88  1  0  0  3 |  f = jazz

2  0  3  1  0  0 82  0  0 12 |  g = metal

7  0  5  5  5  1  1 68  1  7 |  h = pop

5  0  4  5 10  1  0  2 70  3 |  i = reggae

8  0 13  6  1  0  6  1  4 61 |  j = rock

2.初步处理

Correctly Classified Instances        784             78.4%

Incorrectly Classified Instances       216             21.6%

a  b  c  d  e  f  g  h  i  j   <-- classified as

84  0  4  2  0  1  3  0  2  4 |  a = bl

0 94  1  0  0  4  0  0  0  1 |  b = cl

3  1 81  1  0  1  1  3  1  8 |  c = co

3  0  2 73  2  1  1  5  7  6 |  d = di

2  0  0  4 77  0  3  6  5  3 |  e = hi

1  4  3  1  0 87  0  0  2  2 |  f = ja

1  0  1  2  2  0 85  1  1  7 |  g = me

3  1  4  1  2  1  0 76  4  8 |  h = po

4  1  4  4  9  0  0  2 70  6 |  i = re

4  1 10  7  4  2  8  2  5 57 |  j = ro

3.进一步处理

Correctly Classified Instances         808               80.8%

Incorrectly Classified Instances        192              19.2%

  a  b  c  d  e  f  g  h  i  j   <-- classified as

86  0  4  0  0  2  3  0  0  5 |  a = bl

0 96  2  0  1  1  0  0  0  0 |  b = cl

3  0 82  1  0  3  0  2  3  6 |  c = co

5  1  2 67  3  0  1  8  4  9 |  d = di

2  0  0  1 82  1  4  2  8  0 |  e = hi

1  8  8  0  0 81  1  0  0  1 |  f = ja

3  0  0  0  1  0 90  0  0  6 |  g = me

0  1  2  1  2  1  0 86  3  4 |  h = po

2  0  2  2  8  2  0  3 73  8 |  i = re

5  0  8 11  1  2  4  1  3 65 |  j = ro

时间: 2024-08-27 08:46:24

音乐流派分类初步结果的相关文章

题外:分类篇(音乐风格分类)基于BP神经网络

语音特征参数MFCC的提取及识别 (2012-09-07 20:24:03) 转载▼ 耳蜗实质上相当于一个滤波器组,耳蜗的滤波作用是在对数频率尺度上进行的,在1000HZ下,人耳的感知能力与频率成线性关系:而在1000HZ以上,人耳的感知能力与频率不构成线性关系,而更偏向于对数关系,这就使得人耳对低频信号比高频信号更敏感.Mel频率的提出是为了方便人耳对不同频率语音的感知特性的研究.频率与Mel频率的转换公式为: MFCC在一定程度上模拟了人耳对语音的处理特点,应用了人耳听觉感知方面的研究成果,

从百度音乐和酷狗音乐的分类想到的

夜也深了,看了一天的书,泪眼夜泪心了,程序员有时真的难免会逼格,不能太任性了,也不能蛮拼了,心里想着有着看书时适合听的歌曲就好了,度娘了一下音乐,知我心者度娘啊,请看下图,这就是百度音乐的首界面,工作.学习.寂寞...是不是还会有失恋.分手之类的?很随心地选择了学习,里边的歌曲编排地很不错,的确适合学习的味道. 又看了看酷狗的首页,是按照音乐专业的角度进行分类的,太专业了,还是敬而远之了. 从百度和酷狗的产品经理来看,应该酷狗的更专业,百度的更生活化,普通用户追求的不是要自己能变成音乐人,只是希

音乐播放APP初步开发(二)自动登录和 扫码识别设备

在登录页面login.html初次登录时,发送post请求,对返回的数据判断,如果code=0,表示已经登录成功的用户.则将其_id数据设置到类似cookie的全局中去. if(data.code==0){ window.localStorage.setItem("user",data.data._id); // console.log(window.localStorage.getItem("user")); console.log(JSON.stringify(

【转载】关于音乐的流派,分类问题

Hipa节奏与歌词兼顾 并且节奏感比较器.RAP旋律不是很重 歌词听的很清晰 有种歌词压过节奏的感觉RNB 我推荐一首白人RNB你自己感受下 Bobby Tinsley-I'm missing you 你自己找找感觉House 就是大电子 电子乐 推荐一首 你去听听 Harder Better Faster Stronger`摇滚当然是重金属的感觉 吉他效果很重 就是沙沙沙的吉他声 失真效果蓝调就是布鲁斯 悠扬的贝斯旋律 有点压抑的感觉爵士我也不太熟悉了 不过推荐一个 Sex Bomb`至于慢摇

手机端音乐软件调研

  QQ音乐 网易云音乐 虾米音乐 上线时间 2005 2013 2006 应用价格 免费 免费 免费 产品定位 最大的网络音乐平台满足用户对曲库的需求 音乐社区 专注发现与分享 最具时尚和品味的音乐平台, 流量资费 腾讯王卡免流 免流包9元/月 移动流量包18元/月 联通流量包9元/月 电信流量包10/月 阿里宝卡 阿里鱼卡 联通流量包8元/月 各自优势对比: QQ音乐作为三者中发行最早的软件,凭借着腾讯有着巨大的用户基数.有着比较成熟的会员体系,以及丰富的曲库资源.近年来利用明星IP和粉丝经

一步步分析百度音乐的播放地址,利用Python爬虫批量下载

百度音乐不需要登录也可以下载?听到这个消息是不是很兴奋呢, 接下来我们打开百度音乐,随便打开一首歌,切换到百度播放页面:如图 我这里用的是Firfox 浏览器,打开firebug 先清空所有的请求,如图: 现在我们重新刷新下页面,看到这个.mp3的地址就是百度音乐的地址,我们可以直接复制到迅雷里下载,但是这种做法太初级了吧,如果有很多首歌曲呢,每个都这样复制,岂不是很麻烦啊.,接下来我们继续分析. 这个链接有个特点,就是music/1658513  这个是什么呢? 你猜的没错,这个是每首歌曲的I

[MIREX] MIREX评测介绍

MIREX作为国际最权威音频检索评测大赛,竟然在百度上找不到任何介绍,只有几个与什么搜狗.腾讯获得什么成绩相关的检索内容,相比而言,TRECVID的内容收到重视多了...由于研究生阶段主要研究音频领域,需要对整个领域有一个大致的了解,感觉还是从MIREX入手比较合适,所以借此机会也与大家分享一记. MIREX全称Music Information Retrieval Evaluation eXchange,即音乐信息检索评测,至于eXchange放在这不太清楚什么意思,或许与“交流”类似的含义吧

人工智能时代该如何夺回我们的“不知情权”

导语:美国科学杂志nautil.us<鹦鹉螺>作者Christina Leuker Wouter Van Den Bos近日发表了针对人工智能时代下如何保护人类的“不知情权”的深度报道.人工智能的出现能以无法预知的方式改变了现实生活中需要在选择知道和不知道的平衡,同时让我们在决定什么时候保持不知情的问题上变得复杂,研究故意不知情的心理将有助于设计适用于人工智能的不知情权法律,不过,这一严谨的科学研究话题长期以来一直被忽略. 以下为文章全文: 柏林墙倒塌后,东德公民终于有机会阅读到斯塔西(Sta

[机器学习] 1、《机器学习系统设计》学后总结

<机器学习系统设计>是一本不错的机器学习实战入门的书籍.第一章介绍了用于机器学习的Python相关工具,接下来分别用实战型例子讲解聚类.分类.回归.模式识别.降维等机器学习的主要的几种方法. 机器学习就是教机器自己来完成任务,机器学习的目标就是通过若干示例让机器学会完成任务. 像其他工程一样,设计一个机器学习系统工作一般花在一些极其平凡的任务上: (1)读取和清洗数据: (2)探索和理解输入数据: (3)分析如何最好地将数据呈现给学习算法: (4)选择正确的学习算法和模型: (5)正确地评估性