申请/专利权人：哈尔滨理工大学

申请日：2021-07-08

公开（公告）日：2021-09-10

公开（公告）号：CN113377994A

主分类号：G06F16/632(20190101)

分类号：G06F16/632(20190101);G06F16/65(20190101);G06K9/62(20060101)

优先权：

专利状态码：失效-发明专利申请公布后的视为撤回

法律状态：2023.03.10#发明专利申请公布后的视为撤回;2021.09.28#实质审查的生效;2021.09.10#公开

摘要：本申请涉及一种基于旋律特征聚类与优化的哼唱检索方法，包括：对训练数据进行旋律特征提取，该特征为音高向量；对音高向量进行聚类并利用聚类标签训练DBN网络；利用训练好的DBN模型对测试数据提取特征；与训练集旋律特征库中的旋律特征进行匹配并找到所属类别，在类内继续匹配输出检索结果。本方法将优化初始聚类中心的k‑means算法引入到哼唱检索中，其能够依据高密度优先聚类的思想，有效提升密度差异较大数据集的聚类效果，聚类后同簇的旋律特征具有更高的结构相似性。本发明不仅检索稳定高效，而且检索精度高。

主权项：1.一种基于旋律特征聚类与优化的哼唱检索方法，其特征在于，包括以下几个步骤：S1、对歌曲库MIDI文件提取音高向量；S2、利用基于优化初始聚类中心的k-means算法，对步骤S1中提取的音高向量进行聚类，获取聚类标签；S3、利用步骤S1中提取的音高向量及步骤S2中获取的聚类标签训练DBN模型；S4、利用步骤S3中得到的DBN模型，提取步骤S1中音高向量所对应的高层旋律特征及其类别信息，利用这些信息构成歌曲特征库；S5、对哼唱WAV文件提取音高向量；S6、利用步骤S3中得到的DBN模型，提取步骤S5中音高向量所对应的高层旋律特征及其类别信息；S7、利用步骤S6中得到的类别信息，将步骤S6中提取的高层旋律特征与步骤S4歌曲特征库中同类别的高层旋律特征进行匹配，最终得到匹配结果。

全文数据：

权利要求：

百度查询： 哈尔滨理工大学 一种基于旋律特征聚类与优化的哼唱检索方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD