《表4 SVM的分类结果:基于客观特征的民族乐器音色分析》
具体到音色,最优分类器(即SVM)的分类结果如表4所示.在训练数据中,标签为纤细的数据量较多,其中不同类型的乐器都出现了标签为纤细的样本,如数据集I中拉弦类乐器高胡、簧管类吹奏乐器高音笙、弹拨类乐器琵琶、打击类乐器编钟.然而事实上,由于乐器类别不同,这些乐器在整体音色感知上是有一定区别的,这导致纤细类别召回率最高,但精确度较低.其他3类精确度较高,但召回率较低.其中,嘶哑的精确度达到1.00,而召回率仅为0.67.音色类别为嘶哑的乐器多集中在簧管类吹奏乐器上,类型比较集中.另外,标签为嘶哑的数据量较少,且嘶哑聚类中的描述词间隔也较远,使用聚类中心词描述会引入一些偏差,使得召回率变低.具体到乐器类别,最优分类器(即SVM)的分类结果中,拉弦乐器的预测准确率达到85%,边棱类吹奏乐器准确率达到83.33%.
图表编号 | XD00151627400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.01 |
作者 | 江益靓、孙校珩、梁晓晶、李子晋、李伟 |
绘制单位 | 复旦大学计算机科学技术学院、复旦大学计算机科学技术学院、中国音乐学院音乐学系、中国音乐学院音乐学系、复旦大学计算机科学技术学院、复旦大学上海市智能信息处理重点实验室 |
更多格式 | 高清、无水印(增值服务) |