《表4 正确率对比%：基于DBN的多模态音乐情感分类研究》
提示：宽带有限、当前游客访问压缩模式
本文采用了基于DBN的音乐情感分类算法将音乐进行了4种情感的划分，并且将其与传统的分类方法做了比较，其各种方法的平均正确率如表4所示。
| 图表编号 | XD0033266700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.02.25 |
| 作者 | 赵勇飞、王宇、周义凯、袁燕 |
| 绘制单位 | 河海大学计算机与信息学院、河海大学计算机与信息学院、河海大学计算机与信息学院、河海大学计算机与信息学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 蠕变持久试验结果：基于优化残差网络的多模态音乐情感分类》2020.12.01
- 《表2 DBN不同隐层层数的分类准确率》2021.01.15
- 《表4 灯光控制方案表：基于音乐情感识别的舞台灯光控制方法研究》2020.11.25
- 《表3 类别分类结果：基于音乐情感识别的舞台灯光控制方法研究》2020.11.25
- 《表1 训练集与测试集：基于音频与歌词双重模态的音乐情感分类方法设计》2020.05.25
- 《表6 对比结果分析：基于音频与歌词双重模态的音乐情感分类方法设计》2020.05.25
- 《表2 音频特征：基于音频与歌词双重模态的音乐情感分类方法设计》2020.05.25
- 《表1 接触类图片分类：本土学校和国际学校网页图片的多模态对比研究》2020.04.01
- 《表1 音乐情感分布表：基于动态脑网络的长时音乐情感研究》2020.06.01
- 《表4 情感分类表：基于网络文本分析的桂林旅游感知形象与投射形象对比研究》2020.06.30
- 《表1 分类结果准确率：基于深度置信网络的多特征融合音乐分类算法》2020.02.20
- 《表3 与RNN对比结果：基于Bi-LSTM的财金文本情感分类研究》2020.04.01
- 《表4 DBN与其他特征学习方法的准确率对比》2020.02.15
- 《表3 基于小波分析和DBN的故障诊断模型分类准确率》2019.10.05
- 《表3 分组分类正确率%：基于DBN的多模态音乐情感分类研究》2019.02.25
- 《表1 音频特征构成：基于DBN的多模态音乐情感分类研究》2019.02.25
- 《表4 训练与测试时间：基于优化的LSTSVM的多模态生理信号情感识别》2018.03.06
- 《表2 情感隐喻：隐喻观视域下的多模态话语研究——以进博会主旋律宣传片为例》2019.11.05
- 《表1 测试数据：基于前向神经网络的音乐情感识别分类算法》2019.12.25
- 《表2 分类结果对比：基于前向神经网络的音乐情感识别分类算法》2019.12.25