摘要
随着信息和多媒体的发展,音乐数据变得更加丰富。如何能够高效地检索和管理音乐数据是一个挑战。音乐分类是音乐信息检索领域的一个关键问题,可以很好地管理不同类别的音乐数据。基于K-Means聚类的循环静态选择策略是一种双层选择集成模型,它的第一层是通过基于聚类的选择策略在全部的基分类器中筛选出相互之间差异性较大的候选基分类器集合,然后通过第二层的循环静态选择策略进行第二轮的选择操作,并进行投票集成,以达到更好的集成效果。通过两组标准的音乐数据集验证了该策略的有效性。
With the development of information and multimedia technologies,music data beoame more and more diversity.It is a challenge to retrieve and manage the music data.Music classification is the key issue of music information retrieval and can help us manage different kinds of music data.The static selective strategy of circulating combination based on K-Means clustering is a double-layer selective ensemble model.In the first layer,clustering algorithm is employed to choose the classifiers with high diversity.Then,via the circulating framework,classifier candidates are generated by the static selective strategy and voted for the last result.Experiments on two bench music datasets verify the performance of the proposed strategy.
出处
《计算机科学》
CSCD
北大核心
2012年第12期184-187,203,共5页
Computer Science
基金
国家自然科学基金(61001013
61102136)
福建省自然科学基金(2011J05158)资助
关键词
音乐信息检索
音乐分类
选择性集成学习
聚类
机器学习
Music information retrieval
Music classification
Selective ensemble learning
Clustering
Machine learning
