基于概率神經網絡的流行音樂分類研究

【摘要】在本文中，主要是把我國的流行音樂作為研究的對象，并且就如何的區分音樂風格問題進行分析，進而建立起了概率神經網絡模型，以此來對我國流行音樂風俗給予一個自然以及合理的分類方法，以此來方便為網絡電臺的推薦功能以及一些可用于其他用途提供支出，通過分析概率神經網絡流行音樂分類的研究，進而提出了以下方面內容。

【關鍵詞】流行音樂；概率神經；音樂分類；研究分析

引言

在本文當中主要選取了重要的七個音符在樂譜當中所出現的頻率對應的歌曲風格，并且通過采用試驗的方式驗證了概率神經網絡模型的準確性以及有效性，以此來為音樂風格提供出科學有效的分類方法，進而為以后的應用提供依據。

一、關于研究的背景資料

對于流行音樂來說，主要是起源于十九世紀末期美國，并且從音樂的體系上面看，流行音樂主要是這爵士樂、搖滾樂以及布魯斯等等。我國的流行音樂風格和形態主要是受到了歐洲和美國的影響，在這個基礎上逐漸地形成了本土的音樂，在最近的幾年來，流行音樂刮其了一陣中國風，音樂的風格不同音樂人主要是借助這個元素來向著我國傳統音樂元素進行靠近，從而使流行音樂具有我國獨特的風格。我國的流行音樂元素也在逐漸的增大，比如流行音樂出現了戲曲以及古典元素等等，促進我國的流行音樂得到了更好的發展。

二、關于模型的建立以及求解

（一）對模型數據的處理

主要是選取了我國流行音樂當中的六大類風格音樂作為訓練的樣本，并且選擇的七個音符主要是在樂譜當中數目的百分比能夠更加直接地反映出歌曲的風格。主要是根據數據源去計算出主要音符在樂譜當中所出現的概率。進而從計算的數據當中，能夠很好地看出歌曲樂譜當中的音符數頻，進而很好的使其能夠滿足一定的均勻分布，其主要是基于分布在了0以及1之間，進而我們可以吧數據作為訓練的樣本，在神經網絡系統當中對其進行試驗，進而希望試驗能夠得到一個比較準確的效率。

（二）關于概率神經網絡模型的分析

對于概率神經網絡來說，其主要是一種基于Bayes分類方法規則以及Parzen的窗概率密度函數，為估計的方法發展所出現的算法。在實際進行應用的過程中，特別是在進行解決分類的問題過程中，其優勢主要是能夠用在線性學習算法來對其非線性學習算法中的工作進行完成，與此同時，也能夠保持非線性算法的高精度等等特點。對于概率神經網絡來說主要是能夠用在更多的樣本進行預測過程中，如果在訓練比較大的樣本并且要求其精度比較高的時候，那么網絡通暢情況下不會收斂，同時也將會陷入局部的最優。

圖1 概率網絡神經訓練之后效果圖以及誤差圖

（三）關于概率神經網絡的模型求解分析

主要是采用訓練好的概率神經完了對其訓練的數據進行跌送，進而使其得到了六十個樣本來對其結果進行判斷，如圖1所表示，因此可以知道，只有六個樣本存在著判斷的失誤，其準確的效率能夠達到百分之九十之上，然后采用MATAB軟件來做出其誤差圖，這樣便可以更加清晰地看出該模型所存在著的準確性，在這之中，所出現錯誤的六個樣本主要是因為這些樣本中不僅僅是屬于只有一種風格的屬性，與此同時也存在著其他風格的屬性，由于該模型的決策屬性主要是為音符、空拍以及節拍延長等等，并且主要是在樂譜當中所出現的頻率所組成的，因此難免將會存在著前幾個屬性服從一種風格，然而其他的屬性為另外的一個風格，因此判斷其存在著誤差。

三、關于概率神經模型的推廣分析

（一）對現階段流行音樂市場分析

現階段，隨著我國呼網絡市場的快速發展，在通過采用概率網絡上神經模型分析分類的過程中，主要是可以采用MATLAB來對其進行很好的實現。與此同時也能夠更好的看出分類的準確性，其能夠達到百分之九十五之上，這也表明了這種分類的方法是比較合理的。通過采用這種方法能夠對音樂進行詳細的分類，其搜索的靈敏度比較高，例如網絡電臺對于音樂的推薦將會具有很好的幫助。在音樂電臺當中通常要滿足聽眾的需要會搜索不同的類型歌曲，其歌曲將會因為個人的喜歡具有不同的風格，通過采用概率神經模型的方法能夠將不同類型的歌曲進行詳細的分類，進而使其能夠在電臺中找出聽眾所需要的歌曲，及時的滿足聽眾的需要。

（二）關于流行音樂的大眾審美研究分析

通過采用概率網絡神經模型的方法，能夠很好地對音樂進行更加細致以及準確的分類，進而能夠更好地從內心直覺方面感受到音樂，同時也能夠刺激人們的想象以及聯想，對其音樂進行更好的審美，與此同時，視聽聯覺形象的思維以及創造性思維等方面的培養，也是與音樂的審美存在著直接的關系，因此，我們必須要根據充分的去調動視聽聯覺通過音樂的審美去不斷的鍛煉自己的思維以及想象能力，進而對音樂的審美能力不斷地提高，對其審美特征以方法進行更好地掌握，這樣能夠更好地了解審美音樂的心理要素，并且也能夠對其活動過程進行掌握，使其更加的鍛煉人的思維能力。

總結

通過上述的內容對概率網絡神經模型的分析可以知道，這種方法能夠很好地對歌曲進行分類，與此同時在應用的過程中也具有十分優秀的效果，因此，在日后應該要對其進行加深研究，使其能夠不斷地完善，更好的應用于音樂的分類當中，與此同時也能夠為使用者提供更多的幫助。

參考文獻

[1]芮瑞，鮑長春.基于概率神經網絡的語音與音樂分類[A].中國電子學會信號處理分會、中國儀器儀表學會信號處理分會.第十四屆全國信號處理學術年會（CCSP-2009）論文集[C].中國電子學會信號處理分會、中國儀器儀表學會信號處理分會，2009：4.

[2]林銘德，戴一璟.基于差異演化概率神經網絡的電氣構件分類研究[J].貴州師范大學學報（自然科學版），2013，01：98-102+110.

[3]孫家康.數字音頻系統下音樂情緒分類算法的研究與實現[D].華南理工大學，2012.

作者簡介：鄒昊（1979—），女，漢族，職稱：副教授，學歷：碩士 ，出生地： 江西，工作單位：南昌航空大學，主要研究方向：音樂學。