基于概率神经网络的流行音乐分类研究

【摘要】在本文中，主要是把我国的流行音乐作为研究的对象，并且就如何的区分音乐风格问题进行分析，进而建立起了概率神经网络模型，以此来对我国流行音乐风俗给予一个自然以及合理的分类方法，以此来方便为网络电台的推荐功能以及一些可用于其他用途提供支出，通过分析概率神经网络流行音乐分类的研究，进而提出了以下方面内容。

【关键词】流行音乐；概率神经；音乐分类；研究分析

引言

在本文当中主要选取了重要的七个音符在乐谱当中所出现的频率对应的歌曲风格，并且通过采用试验的方式验证了概率神经网络模型的准确性以及有效性，以此来为音乐风格提供出科学有效的分类方法，进而为以后的应用提供依据。

一、关于研究的背景资料

对于流行音乐来说，主要是起源于十九世纪末期美国，并且从音乐的体系上面看，流行音乐主要是这爵士乐、摇滚乐以及布鲁斯等等。我国的流行音乐风格和形态主要是受到了欧洲和美国的影响，在这个基础上逐渐地形成了本土的音乐，在最近的几年来，流行音乐刮其了一阵中国风，音乐的风格不同音乐人主要是借助这个元素来向着我国传统音乐元素进行靠近，从而使流行音乐具有我国独特的风格。我国的流行音乐元素也在逐渐的增大，比如流行音乐出现了戏曲以及古典元素等等，促进我国的流行音乐得到了更好的发展。

二、关于模型的建立以及求解

（一）对模型数据的处理

主要是选取了我国流行音乐当中的六大类风格音乐作为训练的样本，并且选择的七个音符主要是在乐谱当中数目的百分比能够更加直接地反映出歌曲的风格。主要是根据数据源去计算出主要音符在乐谱当中所出现的概率。进而从计算的数据当中，能够很好地看出歌曲乐谱当中的音符数频，进而很好的使其能够满足一定的均匀分布，其主要是基于分布在了0以及1之间，进而我们可以吧数据作为训练的样本，在神经网络系统当中对其进行试验，进而希望试验能够得到一个比较准确的效率。

（二）关于概率神经网络模型的分析

对于概率神经网络来说，其主要是一种基于Bayes分类方法规则以及Parzen的窗概率密度函数，为估计的方法发展所出现的算法。在实际进行應用的过程中，特别是在进行解决分类的问题过程中，其优势主要是能够用在线性学习算法来对其非线性学习算法中的工作进行完成，与此同时，也能够保持非线性算法的高精度等等特点。对于概率神经网络来说主要是能够用在更多的样本进行预测过程中，如果在训练比较大的样本并且要求其精度比较高的时候，那么网络通畅情况下不会收敛，同时也将会陷入局部的最优。

图1 概率网络神经训练之后效果图以及误差图

（三）关于概率神经网络的模型求解分析

主要是采用训练好的概率神经完了对其训练的数据进行跌送，进而使其得到了六十个样本来对其结果进行判断，如图1所表示，因此可以知道，只有六个样本存在着判断的失误，其准确的效率能够达到百分之九十之上，然后采用MATAB软件来做出其误差图，这样便可以更加清晰地看出该模型所存在着的准确性，在这之中，所出现错误的六个样本主要是因为这些样本中不仅仅是属于只有一种风格的属性，与此同时也存在着其他风格的属性，由于该模型的决策属性主要是为音符、空拍以及节拍延长等等，并且主要是在乐谱当中所出现的频率所组成的，因此难免将会存在着前几个属性服从一种风格，然而其他的属性为另外的一个风格，因此判断其存在着误差。

三、关于概率神经模型的推广分析

（一）对现阶段流行音乐市场分析

现阶段，随着我国呼网络市场的快速发展，在通过采用概率网络上神经模型分析分类的过程中，主要是可以采用MATLAB来对其进行很好的实现。与此同时也能够更好的看出分类的准确性，其能够达到百分之九十五之上，这也表明了这种分类的方法是比较合理的。通过采用这种方法能够对音乐进行详细的分类，其搜索的灵敏度比较高，例如网络电台对于音乐的推荐将会具有很好的帮助。在音乐电台当中通常要满足听众的需要会搜索不同的类型歌曲，其歌曲将会因为个人的喜欢具有不同的风格，通过采用概率神经模型的方法能够将不同类型的歌曲进行详细的分类，进而使其能够在电台中找出听众所需要的歌曲，及时的满足听众的需要。

（二）关于流行音乐的大众审美研究分析

通过采用概率网络神经模型的方法，能够很好地对音乐进行更加细致以及准确的分类，进而能够更好地从内心直觉方面感受到音乐，同时也能够刺激人们的想象以及联想，对其音乐进行更好的审美，与此同时，视听联觉形象的思维以及创造性思维等方面的培养，也是与音乐的审美存在着直接的关系，因此，我们必须要根据充分的去调动视听联觉通过音乐的审美去不断的锻炼自己的思维以及想象能力，进而对音乐的审美能力不断地提高，对其审美特征以方法进行更好地掌握，这样能够更好地了解审美音乐的心理要素，并且也能够对其活动过程进行掌握，使其更加的锻炼人的思维能力。

总结

通过上述的内容对概率网络神经模型的分析可以知道，这种方法能够很好地对歌曲进行分类，与此同时在应用的过程中也具有十分优秀的效果，因此，在日后应该要对其进行加深研究，使其能够不断地完善，更好的应用于音乐的分类当中，与此同时也能够为使用者提供更多的帮助。

参考文献

[1]芮瑞，鲍长春.基于概率神经网络的语音与音乐分类[A].中国电子学会信号处理分会、中国仪器仪表学会信号处理分会.第十四届全国信号处理学术年会（CCSP-2009）论文集[C].中国电子学会信号处理分会、中国仪器仪表学会信号处理分会，2009：4.

[2]林铭德，戴一璟.基于差异演化概率神经网络的电气构件分类研究[J].贵州师范大学学报（自然科学版），2013，01：98-102+110.

[3]孙家康.数字音频系统下音乐情绪分类算法的研究与实现[D].华南理工大学，2012.

作者简介：邹昊（1979—），女，汉族，职称：副教授，学历：硕士 ，出生地： 江西，工作单位：南昌航空大学，主要研究方向：音乐学。