[发明专利]一种基于属性偏序理论的五音疗法曲子分类方法

说明书

本发明公开了一种基于属性偏序理论的五音疗法曲子分类方法，本发明首先通过matlab程序编译生成每首曲子的谱密度图像对比1/f规律找到相对符合1/f分布规律的曲子，然后对初步筛选好的这些曲子通过编译的频谱分析软件得到每首曲子的频谱图和频率数据值，最后对得到的数据进行形式背景的构建，进而生成属性偏序图，得到每首曲子的偏序结构图，对同一音调的曲子进行分析，进一步知识发现。本发明实现了五音对应五脏曲子系统化分类并可对每首曲子进行可视化；构建偏序图后也可以针对中西方、不同乐器等各个方面进一步对比后进行知识发现。

技术领域

本发明涉及音乐疗法技术领域，特别是一种基于属性偏序理论的五音疗法曲子分类方法。

背景技术

随着社会的进步和飞速发展，传统的医学从以生物本身为主导的医学模式向“生物-环境-社会-医疗”的新模式转变。在生活压力大、节奏快的今天，有关使用音乐来治疗疾病的研究不断受到人们的关注。国外，如美国早在1944年和1946年先后建立了专门的音乐治疗课程来训练专门的音乐治疗师。德国、英国及俄国的科学家已经在水果上有成功的音乐疗法的案例。在选曲算法领域现阶段，已经有越来越多的研究人员将K-means算法、高斯混合模型、马尔科夫模型、贝叶斯算法等统计学习方法成功实践于音乐分类当中。但这些算法一般通过相关性描述曲子之间的联系及曲子分类，对于曲子自身的信息可视化问题并不能很好的展示。

发明内容

本发明的目的是要解决现有技术中存在的不足，提供一种基于属性偏序理论的五音疗法曲子分类方法，解决了不同曲子对身体五脏及各个身体机能不同影响的可视化问题。

为达到上述目的，本发明是按照以下技术方案实施的：

一种基于属性偏序理论的五音疗法曲子分类方法，包括以下步骤：

步骤一、首先利用matlab程序编译音乐频谱分析软件，得到每首曲子相应的频率数据值，以坐标点的形式体现出每首曲子的频谱图；

步骤二、分别对初步筛选好的曲子生成对应的谱密度图像，将每首曲子的谱密度图像和频谱图像结合在一起对比，初步筛选既满足1/f波动规律，低频又相对比较集中的曲子，即选出人体听起来相对比较舒服的曲子，对筛选后的曲子进行构建形式背景后生成属性偏序结构图，对曲子按照五音对应五脏的特点进行分类；

步骤三、通过步骤二对每首曲子构建属性偏序结构图，将五音的曲子分别构建形式偏序图后进行对比分析，进行知识发现。

进一步，所述步骤一中，以坐标点的形式体现出每首曲子的频谱图具体步骤为：设曲子共取得点数N，其中每秒取44100个点，泄露问题选择重叠数据为100，加窗hamming(1024)，矩阵的列数为：(N-100)/924。

进一步，所述步骤二中，构建形式背景之前，首先针对不同曲子时间长短进行缩减，形式背景的对象为约减后的点数，属性目前以五脏的共振频率范围为基准。

与现有技术相比，本发明首先通过matlab程序编译生成每首曲子的谱密度图像对比1/f规律找到相对符合1/f分布规律的曲子，然后对初步筛选好的这些曲子通过编译的频谱分析软件得到每首曲子的频谱图和频率数据值，最后对得到的数据进行形式背景的构建，进而生成属性偏序图，得到每首曲子的偏序结构图，对同一音调的曲子进行分析，进一步知识发现。本发明实现了五音对应五脏曲子系统化分类并可对每首曲子进行可视化；构建偏序图后也可以针对中西方、不同乐器等各个方面进一步对比后进行知识发现。

附图说明

图1为本发明实施例中《梅花三弄》的频谱分析图。

图2为本发明实施例中《梅花三弄》的谱密度分析图。

图3为本发明实施例中《梅花三弄》的属性偏序结构图。

图4为本发明实施例中《红豆》的频谱分析图。