基于群智優化神經網絡的音樂風格分類模型研究

摘" 要： 針對用戶音樂檢索問題，傳統采用人工標注的音樂風格分類方法已經無法滿足實際需求，提出一種基于群智優化神經網絡的古典音樂風格分類模型。首先，采用Skyline主旋律提取算法對音樂文件進行特征提取;然后，對基于BP神經網絡的分類器訓練和分類流程進行分析，并構建4層BP神經網絡結構;最后，采用果蠅群智優化算法對BP神經網絡的初始化權值參數進行優化，以便提高全局搜索能力。仿真實驗結果顯示，與已有的成果相比，提出的分類模型具有更好的準確率，準確率可達81%，能夠實現音樂風格自動分類。

關鍵詞： 音樂風格分類; 自動分類; BP神經網絡; Skyline主旋律; 果蠅算法; 群智優化

中圖分類號： TN911.1?34" " " " " " " " " " " " "文獻標識碼： A" " " " " " " " " " " " 文章編號： 1004?373X（2019）21?0082?04

Abstract： To solve the problem of user music retrieval， a classical music style classification model based on swarm intelligence optimization neural network is proposed because the traditional music style classification method based on manual annotation has been unable to meet the actual needs. Skyline′s main melody extraction algorithm is used to extract the features of music files. The training and classification process of classifier based on BP neural network are analyzed. Thefour?layer BP neural network structure is constructed. The drosophila swarm intelligence optimization algorithm is used to optimize the initial weight parameters of BP neural network， so as to improve the global search ability. The simulation results show that， compared with the existing results， the proposed classification model has higher accuracy which can reach 84%， and can achieve automatic classification of the music styles.

Keywords：music style classification; automatic classification; BP neural network; Skyline main melody; drosophila algorithm; group intelligence optimization

0" 引" 言

隨著互聯網時代的來臨和多媒體技術的發展，傳統的唱片業已逐漸沒落，數字音樂行業得到蓬勃的發展[1?3]。人們已經逐漸習慣于通過網絡來獲取高質量的音樂文件，例如騰訊音樂、千千音樂、酷狗音樂等網絡音樂平臺。雖然音樂獲取途徑十分方便，但是廣大用戶想要簡單快速地檢索到自己要的音樂卻有點困難。為了方便人們檢索，各大平臺通常將所有的音樂文件按照風格特征進行分類，以便提高用戶搜索的效率。但是，現階段多數平臺的分類工作仍處于人工操作的階段，也就是說使用人工標注的方法進行分類[4]。雖然分類準確率很高，但是人工手動分類耗時耗力，已經無法應對規模巨大的音樂文件數據庫。此外，人工分類操作受主觀影響大，要求工作人員的音樂修養較高。因此傳統人工分類已經不能應對如今對音樂風格正確分類的需求。

近來，一些研究人員提出了基于內容的音樂自動分類技術，通過計算機機器學習自動對輸入的音樂文件內容采用客觀的統一的標準對音樂自動分類，極大地提到了分類的效率[5]。如今，利用人工智能進行音樂風格分類已經成為音樂信息檢索領域的研究熱點[6?10]。文獻[6]提出一種基于文本挖掘與神經網絡的音樂風格分類建模方法，該方法運用機器學習中的BP神經網絡使得音樂風格分類的準確率達到80%。文獻[7]提出基于馬爾可夫模型的音樂分類方法，并從三個方面對模型的參數進行了優化。文獻[8]提出一種基于BP神經網絡的音樂分類模型，克服了單一特征提供信息簡單的局限性。

群體智能優化方法越來越引起人們的關注，如粒子群算法、蟻群算法等。文獻[9]提出基于粒子群優化BP神經網絡的話題趨勢預測方法，充分利用粒子群算法全局尋優的良好性能，解決了BP神經網絡模型易陷入局部最優值的問題。因此，本文對基于BP神經網絡的音樂風格分類模型問題開展研究，并提出采用群體智能優化方法中較為新穎的果蠅算法[10]，對BP神經網絡中的初始化權值參數進行了優化。采用相似度和準確度指標對該模型的準確率進行驗證，并將實驗結果與現有的方法進行比較。仿真實驗結果顯示，提出的分類模型的分類能力更強，驗證了其有效性和可行性。

1" 文件特征提取

音樂文件自動分類的基礎是文件中音樂信號特征的提取，其中主旋律是音樂的主線，也是進行音樂風格判斷的關鍵因素。通常情況下，大部分樂曲的主旋律的音調比伴奏的旋律要高，因此，本文主要通過較為簡單的Skyline主旋律提取算法對音樂文件進行特征提取，其步驟如下：

1） 對音樂文件原始信號進行遍歷。針對具有復調關系的兩個音符，刪除其中音調最高的音符之外的所有音符。復調關系的音符定義如下：

式中：[ST1]和[DT1]分別表示音符1的起始時間和持續時間;[ST2]和[DT2]分別表示音符2的起始時間和持續時間。

2） 在執行步驟1）后，按起始時間從早到晚進行排序，如果兩個相鄰音符符合如下條件：

2" 提出的音樂風格分類模型

2.1" 分類器設計

分類模型的目標是對樂曲進行分類，因此設計了基于BP神經網絡的分類器。該分類器包括兩個階段：監督訓練和分類。在監督訓練階段，分類器的訓練集是音樂文件特征，代表其風格標簽，具體訓練流程如圖2所示。在分類階段，將待分類樂曲的多個特征輸入到網絡模型中，得到相應的多個風格標簽輸出，選擇占比最大的標簽作為實際輸出標簽，具體訓練流程如圖3所示。

2.2" BP神經網絡的建立

采用4層BP神經網絡構建音樂風格分類器[8]。該BP神經網絡具體包括：輸入層、變量層、隱含層和輸出層，如圖4所示。

2.3" 參數優化方法

如文獻[9]所述，BP神經網絡收斂的主要手段為均方誤差梯度下降，因此BP神經網絡對初始化參數中的連接權值十分敏感，常常出現局部最優值，導致無法得到全局最優值，此外，收斂速度不理想。具有較強全局搜索能力的群體智能優化方法越來越引起人們的關注，如粒子群算法、蟻群算法等。其中，基于果蠅覓食行為自然演化的果蠅優化算法是一種較為新穎的群體智能優化算法。

為了得到最優的連接權值，采用果蠅優化方法對其進行優化，以便提高BP神經網絡的分類準確率，采用的優化步驟如下[10]：

1） 設置果蠅種群的數量和迭代次數均為100，果蠅群體的初始化位置隨機分布在[0，2]范圍內，飛行范圍為[-10，10]。

2） 初始化連接權值[W]、最佳位置（[Xbset]，[Ybset]）和果蠅個體飛行范圍。

3） 計算味道濃度數值[S]，計算方式如下：

4） 采用均方根誤差構建自適應度函數[Di]以便判定味道濃度數值[S]，即[Di=F（Si）]。

5） 尋找味道濃度最高的果蠅個體位置，重復執行步驟3）～步驟5），并比較當前和迭代前的最佳味道濃度，若前者大于后者，則執行步驟6），否則繼續迭代。并將具有最佳味道濃度數值和相應的坐標進行保存。

6） 判斷當前迭代次數是否達到最大迭代次數，如果是，則該最佳味道濃度數值就是得到的最優連接權值[W]。

3" 實驗結果與分析

在音樂風格分類方法的Matlab實驗中，對本文提出的蠅優化BP神經網絡音樂風格分類模型進行驗證分析，并與典型BP神經網絡分類模型[8]和PSO?BP神經網絡分類模型[9]進行對比。實驗所用的音樂文件來自千千網絡音樂平臺的1 200首樂曲，共包含6類風格，每類風格有200首。800首用于訓練集數據，另外400首用于測試集數據。

實驗參數為：2.4 GHz雙核CPU、8 GB內存、300 GB硬盤、GTX960顯卡，仿真環境為Matlab R2016a。

3.1" 評估指標

為了對提出分類模型的性能和樂曲特征提取效果進行量化分析，選用2種常用的評價準則[11?12]：相似度和準確率。

相似度[Similarity]的計算公式為：

式中：[NNn]為音符總數量;[mo]和[mn]分別為提取出來的主旋律音符數和標準主旋律音符數;[lev（?）]表示萊文斯坦距離計算。相似度[Similarity]的數值越大，表示模型的主旋律提取效果越好。

3.2" 分類結果分析

由于BP神經網絡結構中網絡隱含層節點數對輸出性能有較大的影響[8]，因此首先就隱含層節點數對BP神經網絡分類模型的影響進行分析，以便確定最佳節點數。設訓練迭代次數為20，第3層網絡隱含層節點數對整個網絡訓練分類結果的影響如圖5所示。

由圖5可以看出，隨著網絡隱含層節點數的增加，訓練分類的錯誤率（100%-準確率）不斷降低。但是考慮到時間成本，較大的網絡隱含層節點數也會導致運行效率大大降低，因此綜合考慮本文將第3層網絡隱含層節點數設為100。

在隱含層節點數設為100的條件下，本文分類模型、典型BP神經網絡分類模型[8]和PSO?BP神經網絡分類模型[9]在測試集上的準確率對比結果如表1所示，可以看出本文訓練出來的分類模型具有更好的準確率，均值超過81%。這是由于與文獻[8]不同的是，本文采用Skyline方法有效地把樂曲的伴奏和主旋律進行了分離并取出主旋律特征。此外，采用果蠅優化方法對BP神經網絡進行優化，提高了全局尋優能力。結果說明，相比PSO?BP神經網絡模型，果蠅優化BP神經網絡模型在樂曲風格分類上效果更好。

4" 結" 論

本文提出一種基于果蠅算法優化BP神經網絡的古典音樂風格分類模型，并在包含6種風格的實際古典音樂數據集上進行了分類訓練和測試。實驗結果顯示，提出的分類模型能夠得到理想的效果，而且相比典型BP神經網絡分類模型和PSO?BP神經網絡分類模型，具有較高的分類準確率。但是由于BP神經網絡的迭代限制，該模型的訓練和測試時間較長，后續將考慮使用RBF神經網絡來實現分類。

參考文獻

[1] IORDACHE M D， BIOUCAS?DIAS J M， PLAZA A， et al. MUSIC?CSR： hyperspectral unmixing via multiple signal classification and collaborative sparse regression [J]. IEEE transactions on geoscience amp; remote sensing， 2014， 52（7）： 4364?4382.

[2] RAO P， ROSS J C， GANGULI K K， et al. Classification of melodic motifs in raga music with time?series matching [J]. Journal of new music research， 2014， 43（1）： 115?131.

[3] DAIMI S N， SAHA G. Classification of emotions induced by music videos and correlation with participants′ rating [J]. Expert systems with applications， 2014， 41（13）： 6057?6065.

[4] HUANG Y F， LIN S M， WU H Y， et al. Music genre classification based on local feature selection using a self?adaptive harmony search algorithm [J]. Data amp; knowledge engineering， 2014， 92（4）： 60?76.

[5] HU X， CHOI K， DOWNIE J S. A framework for evaluating multimodal music mood classification [J]. Journal of the association for information science amp; technology， 2016， 68（2）： 108?117.

[6] 張鍵鋒，王勁.基于文本挖掘與神經網絡的音樂風格分類建模方法[J].電信科學，2015，31（7）：80?85.

ZHANG Jianfeng， WANG Jin. Musical style classification mo?deling method based on text mining and neural network [J]. Telecommunications science， 2015， 31（7）： 80?85.

[7] 肖曉紅，張懿，劉冬生，等.基于隱馬爾可夫模型的音樂分類[J].計算機工程與應用，2017，53（16）：138?143.

XIAO Xiaohong， ZHANG Yi， LIU Dongsheng， et al. Music classification based on hidden Markov model [J]. Computer engineering and applications， 2017， 53（16）： 138?143.

[8] 劉明星.基于BP神經網絡的音樂分類模型[J].現代電子技術，2018，41（5）：136?139.

LIU Mingxing. Music classification model based on BP neural network [J]. Modern electronics technique， 2018， 41（5）： 136?139.

[9] 馬曉寧，王惠.基于PSO優化BP神經網絡的話題趨勢預測[J].計算機工程與設計，2018，39（9）：215?219.

MA Xiaoning， WANG Hui. Topic trend prediction based on BP neural network optimized by PSO [J]. Computer engineering and design， 2018， 39（9）： 215?219.

[10] DAS K N， SINGH T K. Drosophila food?search optimization [J]. Applied mathematics amp; computation， 2014， 231（11）： 566?580.

[11] REN J M， WU M J， JANG J S R. Automatic music mood classification based on timbre and modulation features [J]. IEEE transactions on affective computing， 2015， 6（3）： 236?246.

[12] SONG Yanyan， LU Ying. Decision tree methods： applications for classification and prediction [J]. Shanghai archives of psychiatry， 2015， 27（2）： 130?135.