机器学习---音乐分类案例

1、傅里叶变换

时域分析:对一个信号来说,信号强度随时间的变化的规律就是时域特性,例如一个信号的时域波形可以表达信号随着时间的变化。

频域分析:对一个信号来说,在对其进行分析时,分析信号和频率有关的部分,而不是和时间相关的部分,和时域相对。也就是信号是由哪些单一频率的的信号合成的就是频域特性。频域中有一个重要的规则是正弦波是频域中唯一存在的波。即正弦波是对频域的描述,因为时域中的任何波形都可用正弦波合成。

一般来说,时域的表示较为形象直观,频域分析则简练。傅里叶变换是贯穿时域和频域的方法之一,傅里叶变换就是将难以处理的时域信号转换成了易于分析的频域信号。傅里叶原理:任何连续测量的时序信号,都可以表示为不同频率的正弦波信号的无限叠加。

机器学习---音乐分类案例_第1张图片

2、音乐分类的步骤:

1)、通过傅里叶变换将不同7类里面所有原始wav格式音乐文件转换为特征,并取前1000个特征,存入文件以便后续训练使用 

2)、读入以上7类特征向量数据作为训练集 

3)、使用sklearn包中LogisticRegression的fit方法计算出分类模型 

4)、读入黑豹乐队歌曲”无地自容”并进行傅里叶变换同样取前1000维作为特征向量 

5)、调用模型的predict方法对音乐进行分类,结果分为rock即摇滚类 

你可能感兴趣的:(机器学习,机器学习,分类,人工智能)