第六届“认证杯”数学中国数学建模网络挑战赛承诺书我们仔细阅读了第六届“认证杯”数学中国数学建模网络挑战赛的竞赛规则。我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。我们知道，抄袭别人的成果是违反竞赛规则的,如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。我们允许数学中国网站(wwmadio)公布论文，以供网友之间学习交流，数学中国网站以非商业目的的论文交流不需要提前取得我们的同意。我们的参赛队号为：1129参赛队员（签名）：队员1：队员2：队员3：参赛队教练员(签名)：参赛队伍组别：组---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---第六届“认证杯”数学中国数学建模网络挑战赛编号专用页参赛队伍的参赛队号（请各个参赛队提前填写好）：#1129竞赛统一编号（由竞赛组委会送至评委团前编号）：竞赛评阅编号（由竞赛评委团评阅前进行编号）：竞赛评阅编号（由竞赛评委团评阅前进行编号）:参赛队号#1129---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---2013年第六届“认证杯”数学中国数学建模网络挑战赛题目流行音乐发展简史关键词神经网络;分类器;反文档频率;LSA;LDA摘要：音乐风格划分是音乐推荐、欣赏的基础。本模型考虑各个音乐流派的声学、标签和主旋律特征。用Audition等软件处理音乐获取数据，在利用神经网络等方法进行数据处理最终对音乐进行风格划分。第一针对声学特征，先利用软件处理音乐，然后运用神经网络结构给出误差反传训练算法的分类器，最后对分类器进行训练和音乐风格划分。第二针对标签特征，从音乐网站上利用Audioscrobbler抽取音乐标签，通过反文档频率和LSA方法对音乐——标签向量进行降维预处理，最后使用LDA模型处理降维的向量,将标签属于每个流派的概率转换为对应的音乐属于每个流派的概率。第三针对旋律特征，以MIDI乐曲为数据源提取出乐曲的旋律，然后对旋律数字化，通过经验公式对两首音乐进行旋律重合匹配，得出不同风格音乐的旋律。最后利用分类器进行音乐风格划分。最终将基于三种特点所求得的分类结果进行加权结合,得到音乐流派分类的最优解。参赛队号:#1129所选题目:B题参赛密码____________---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---（由组委会填写）一、问题重述随着互联网的发展，流行音乐的主要传播媒介从传统的电台和唱片逐渐过渡到网络下载和网络电台等。网络电台需要根据收听者的已知喜好，自动推荐并播放其它音乐。由于每个人喜好的音乐可能横跨若干种风格，区别甚大，需要分别对待。这就需要探讨如何区分音乐风格的问题。在流行音乐中，传统的风格概念包括Pop（流行）、Country（乡村）、Jazz（爵士）、Rock（摇滚）、RB（节奏布鲁斯）、NewAge（新世纪）等若干大类，它们分别可以细分成许多小类，有些小类甚至可以做更进一步的细分。而每首歌曲只能靠人工赋予风格标签。这样的做法有许多不足：有的类别之间关系不清楚，造成混乱；有的类别过度粗略或精细；有的类别标签没有得到公认；有的音乐归属则存在争议或者难以划归。所以需要建立合理的数学模型，对流行音乐的风格给出一个自然、合理的分类方法，以便给网络电台的推荐功能和其它可能的用途提供支持。首先对上述问题需要解决不同风格音乐特点的分析，然后建立模型给出一个自然理的分类方法。二、问题分析随着互联网的发展，网络电台需要根据收听者的喜好，自动推荐并播放其它音乐。而每首歌曲只能靠人工赋予风格标签。这样的做易造成混乱、过度粗略或精细、音乐归属则存在争议或者难以划归。因此,音乐流派的准确分类对于现代音乐信息检索系统来说是至关重要的。人工标注的速度显然已经不能满足网络中音乐资源飞速增长的需求。为此,人们开始自动音乐流派分类的研究，之前...