.png){kind=icon}
返回
Optimization based ensemble methods for music genre classification
.png){kind=icon}
PRE
AI
DOI：10.1080/24725854.2026.2638451.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着音乐流媒体服务和歌曲种类日益丰富，音乐产业对自动化工具的需求比以往任何时候都更为迫切。本文提出了一种基于优化的集成方法来解决自动音乐流派分类问题。我们特别设计了利用歌曲多个片段异质性的解决方案。为此，我们将每首歌曲分割成不相交的片段，并使用每个片段特定的流派分类概率。然后，所提出的优化算法旨在寻找最佳权重组合，将片段的流派分类概率整合为整首歌曲的聚合类别概率。我们使用公开数据集，并将所提算法的性能与简单和复杂的集成方法进行比较。结果表明，与简单（复杂集成）基准相比，我们的解决方案将分类准确率提高了约3%-6%（降低了2.33%）。我们提出的方法在模型准确性和模型可解释性之间提供了良好的平衡。最后，它们在用于多流派分类任务时也表现出良好的性能。
Keyword:
Data analytics
music information retrieval
genre classification
mathematical programming
decision support systems
