论文部分内容阅读
针对传统模型无法准确实现电子音乐分类和识别的难题,提出改进极限学习机的电子音乐分类模型。首先对电子音乐数据进行采集,并提取其倒谱系数特征,并采用核主成分分析对特征进行筛选;然后采用遗传算法对极限学习机的参数进行选择,并用于构建电子音乐的分类器;最后采用多种类型的电子音乐进行仿真实验,改进极限学习机的电子音乐平均分类率达到了95%以上,电子音乐的错分率要远远低于当前其他电子音乐分类模型。实验结果验证了该电子音乐分类模型的可行性以及优越性。