申请/专利权人：浙江工商大学

申请日：2024-01-25

公开（公告）日：2024-04-26

公开（公告）号：CN117935859A

主分类号：G10L25/51

分类号：G10L25/51;G10L25/30

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本发明属于机器学习和模式识别领域，涉及一种融合特征相似性的偏多标签音乐风格特征选择方法。本发明融合特征相识性构造了一个偏多标签音乐风格特征选择方法，其通过将候选音乐风格标签分为真实音乐风格标签和噪声音乐风格标签，然后分别利用特征相似性限制映射到真实标签的系数矩阵W和映射到噪声标签的系数矩阵S，并利用一个偏多标签分类器限制W和S的和矩阵H，最后，通过W矩阵给特征打分选择相关的音乐风格特征。其降低问题难度，提升了多标签k近邻MLKNN模型的性能。

主权项：1.一种融合特征相似性的偏多标签音乐风格特征选择方法，包括以下步骤：步骤1：抽取音乐特征获取偏多标签音乐分类数据集M并指定的选择特征个数K，其中，集合M中有n个音乐样本，q个标签，d个音乐特征；步骤2：对偏多标签音乐分类数据集M进行划分，将偏多标签音乐分类数据集M分为训练样本集MT和测试样本集MP，这里，使用X表示训练样本集的特征矩阵，Xij表示第i个样本的第j个特征值，Y表示训练样本的候选标签指示矩阵，Yij表示第j个样本的候选标签是否存在第i个标签，1则存在，0则不存在；步骤3：计算每个样本xg的局部格拉姆矩阵表示特征相似性；样本xg的局部格拉姆Wg∈Rdxd矩阵计算方式如下： 其中，δ是邻域粒度的阈值，Δ是距离度量公式；步骤4：定义一个偏多标签分类器，目标函数如下 其中，W和S分别是映射到真实标签和噪声标签的映射矩阵；步骤5：将特征相似性分别限制映射矩阵W和S，这里使用流行正则的思想，定义最终目标函数 其中，Lg＝Dg+Wg，Dg是Wg的每一行元素相加形成的对角矩阵；λ，β，γ，η1和η2为平衡参数；使用交替求解法最小化目标函数求解W和S，对W得每一个列向量计算二范数得到特征的打分值，然后选取最大的K个特征；步骤6：利用选取的K个特征对训练样本集MT和测试样本集MP进行降维，分别得到降维后训练样本集MT′和降维后的测试样本集MP′，然后将降维后的训练样本集MT′输入多标签k近邻ML-KNN模型进行训练，得到训练后的多标签k近邻模型ML-KNN模型。

全文数据：

权利要求：

百度查询： 浙江工商大学 融合特征相似性的偏多标签音乐风格特征选择方法

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