基于集成学习的音乐识别方法研究

随着信息和多媒体的发展，音乐数据变得更加丰富。如何能够高效地检索和管理音乐数据是一个挑战。音乐分类是音乐信息检索领域的一个关键问题，可以很好地管理不同类别的音乐数据。基于k-mcmns聚类的循环静态选择策略是一种双层选择集成模型，它的第一层是通过基于聚类的选择策略在全部的基分类器中筛选出相互之间差异性较大的候选基分类器集合，然后通过第二层的循环静态选择策略进行第二轮的选择操作，并进行投票集成，以达到更好的集成效果。通过两组标准的音乐数据集验证了该策略的有效性。