随着互联网的发展,数字音乐成为了音乐记录和传播的重要手段。计算机技术和数字信号处理技术的发展,也使得在计算机上分析和处理音乐信号成为了非常热门的研究话题。结合机器学习技术的音乐分类和识别是当前音乐信号研究中的重要方向。已有许多研究从多种不同的角度利用多种机器学习方法得到了丰富的研究成果。本文将结合信号处理和机器学习技术对音乐的演奏风格进行分析。选取的研究对象为小提琴独奏音乐。小提琴是当今世界上非常流行的乐器,因其丰富的演奏技巧和表现力而受到许多人的喜爱。本文将探索小提琴的四种基本弓法的特点,并利用机器学习算法使得计算机能够分析和识别这些弓法。需要研究的主要问题有两点,即如何得到能够区分各个类别的特征参数,以及如何进行识别。对于特征参数,本文首先分析了常用的特征参数,然后详细分析和比较每一种类型的特点,根据不同类型的特点定制特征参数,最终提取了 11种特定的特征参数用于区分各个类型。对于识别方法,本文选取了决策树和支持向量机这两种成熟的机器学习算法进行训练,通过对算法参数进行大量的对比和调整来寻求更好的分类结果,并且在训练的基础上对特征参数进行了调整,优化了特征参数的结构。最后,设计了一种应用系统,尝试将本文的研究结果应用化。仿真结果显示在去掉了其中一种特征参数的情况下,通过选取适当的参数可以达到84.5313%的交叉验证正确率,表明本文设计的特征参数和算法参数对该问题有一定的适用性。