ＭｉｃｒｏｃｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓＶｏｌ．３９，Ｎｏ．１，２０２３基金项目微型电脑应用２０２３年第３９卷第１期基金项目：２０２０年陕西高校学生工作研究课题（２０２０ＦＫＴ６７）；《现代职业教育与非遗人才培养研究》子课题（ＺＪＳ－ＦＹ－０２３）作者简介：郭联俊（１９８１－），男，硕士，讲师，研究方向为音乐学；侯峰（１９８５－），男，硕士，讲师，研究方向为音乐教育。文章编号：１００７－７５７Ｘ（２０２３）０１－００２４－０４基于改进深度学习网络的音乐风格分类模型优化方法郭联俊，侯峰（陕西铁路工程职业技术学院，工程管理与物流学院，陕西，渭南７１４０００）摘要：采用目前方法对音乐风格进行分类时，没有对提取的特征和进行融合处理，导致分类有效性差、时间复杂度高。对此基于改进深度学习网络提出一种音乐风格分类模型优化方法。在音高、节奏和音色三个方面对音乐进行特征提取，并在Ｄ－Ｓ证据理论的基础上对提取的特征进行融合处理，将融合后的音乐特征输入改进深度学习网络，构建音乐风格分类模型，实现音乐风格的分类。实验结果表明，所提方法的分类Ｆ１值高、时间复杂度低、ＲＯＣ曲线趋近于１。关键词：改进深度学习网络；音乐风格；特征提取；Ｄ－Ｓ证据理论；分类模型中图分类号：ＴＮ９１２．３４文献标志码：ＡＯｐｔｉｍｉｚａｔｉｏｎＭｅｔｈｏｄｏｆＭｕｓｉｃＳｔｙｌｅＣｌａｓｓｉｆｉｃａｔｉｏｎＭｏｄｅｌＢａｓｅｄｏｎＩｍｐｒｏｖｅｄＤｅｅｐＬｅａｒｎｉｎｇＮｅｔｗｏｒｋＧＵＯＬｉａｎｊｕｎ，ＨＯＵＦｅｎｇ（ＳｃｈｏｏｌｏｆＥｎｇｉｎｅｅｒｉｎｇＭａｎａｇｅｍｅｎｔａｎｄＬｏｇｉｓｔｉｃｓ，ＳｈａａｎｘｉＲａｉｌｗａｙＩｎｓｔｉｔｕｔｅ，Ｗｅｉｎａｎ７１４０００，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｗｈｅｎｔｈｅｃｕｒｒｅｎｔｍｅｔｈｏｄｉｓｕｓｅｄｔｏｃｌａｓｓｉｆｙｍｕｓｉｃｓｔｙｌｅｓ，ｔｈｅｅｘｔｒａｃｔｅｄｆｅａｔｕｒｅｓａｒｅｎｏｔｆｕｓｅｄ，ｒｅｓｕｌｔｉｎｇｉｎｐｏｏｒｃｌａｓ－ｓｉｆｉｃａｔｉｏｎｅｆｆｅｃｔｉｖｅｎｅｓｓａｎｄｈｉｇｈｔｉｍｅｃｏｍｐｌｅｘｉｔｙ．Ａｎｏｐｔｉｍｉｚａｔｉｏｎｍｅｔｈｏｄｆｏｒｍｕｓｉｃｓｔｙｌｅｃｌａｓｓｉｆｉｃａｔｉｏｎｍｏｄｅｌｂａｓｅｄｏｎａｎｉｍ－ｐｒｏｖｅｄｄｅｅｐｌｅａｒｎｉｎｇｎｅｔｗｏｒｋｉｓｐｒｏｐｏｓｅｄ．Ｍｕｓｉｃｆｅａｔ...
