《表2 SVM和HMM的F量度数值》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《钢琴踏板动作与技巧的测量、识别与可视化研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。