随着网络音乐资源的爆炸式增长，音乐信息检索发展为热门研究课题，而自动音乐风格分类成为音乐信息检索的一个重要领域。音乐风格分类的任务是通过处理音乐信号的数据把该音乐归类为某一种风格。利用音乐风格分类系统可以帮助用户快速的找到相关风格的音乐，能够实现对音乐数据库更有效的管理。本文成功实现了音乐风格分类的算法，对音乐风格分类系统背景和涉及到的基本理论作了介绍，着重研究了音乐的特征提取和SVM分类器算法，基于特征抽取模块和分类器算法实现了音乐风格分类系统并进行了相关实验。本文的研究内容主要包括了如下的几个方面：（1）研究了基于内容的音乐风格分类的相关理论知识，并给出了音乐风格分类系统的综述和总体框架。（2）创新性地将相对频谱线性预测参数（RASTA-PLP）特征参数结合到音乐信号特征抽取模块中。在选取常用的MFCC特征参数的基础上又引入了强健的感知线性预测特征参数（PLP Perceptual Linear Prediction），并对PLP参数进行Log-RASTA滤波处理以消除帧与帧之间的频谱快速变化。同时求取音乐信号MFCC和RASTA-PLP参数的均值和方差来表征音乐信号。（3）在研究SVM用于多分类方法的基础上，通过比较各种方法的优缺点，选择了其中的“一对其余”策略。针对该策略中存在不可识别区的缺点，利用了模糊隶属函数进行改善，通过音乐风格分类系统相关实验可以看出，引入模糊隶属函数后提高了音乐风格分类的准确率。（4）实现了在MATLAB环境下基于内容的音乐风格分类系统。该系统集成了对音乐信号的特征抽取模块、训练模块和识别模块。测试结果表明，该系统能够有效对音乐风格进行分类。