《表2 SVM和HMM的F量度数值》
之前讨论的真值数据集包含踏板深度的标签。利用该数据集进行单组交叉验证,比较分类器的性能。这种方法不同于在音乐信息检索领域应用较为广泛的交叉验证。在“留一法”交叉验证(leave-one-group out)方案中,根据音乐片段对样本进行分组。在需要分类数据的每个音乐片段中,对分类器进行验证,其余的片段构成训练集。图5为不同内核和参数的SVM分类器平均F量度数值。惩罚参数C=1000的线性核支持向量机得分最高。这在很大程度上证实了我们所使用的特征空间中,大部分零件的踏板数据是线性可分的。采用该SVM模型,并与HMM进行了比较。表2为评价的F量度数值,我们可以看到SVM在每个音乐片段上都优于HMM,而HMM和SVM的F量度数值平均分分别为0.801和0.930。
图表编号 | XD00166834300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.15 |
作者 | 乔治·法泽卡斯、马克·桑德勒、康啸 |
绘制单位 | 伦敦玛丽皇后大学、伦敦玛丽皇后大学、中国音乐学院 |
更多格式 | 高清、无水印(增值服务) |