[发明专利]基于Gamma分布分析的音乐连续情感特征分析评价方法

摘要

本发明提供一种基于Gamma分布分析的音乐连续情感特征分析评价方法，首先建立音乐连续情感特征的Gamma分布分析评价方法，通过该方法在时序上找到与情感响应最相似的情感特征。其次，建立基于情感感知矩阵的情感特征分析方法，通过该方法从情感感知能力上对上述特征进行评价，找到感知能力最好的情感特征。最后基于Gamma分布的情感预测方法，实现音乐情感的实时、自动分析。本方法可对音乐情感自动分析，情感标签实时自动预测，为音乐情感的评价和选择提供依据，对人工智能、情绪感知等方面具有推动作用。

主权项

一种基于Gamma分布分析的音乐连续情感特征分析评价方法，其特征在于，具体步骤如下：步骤一：计算音乐特征和情感标签之间的相关性；设音乐信号为Ai,1≤i≤N，N为样本个数，在用户听音乐的过程中的Valence和Arousal情感标签为L，其采样率为2Hz，(1)首先对音乐信号进行加窗、分帧，音乐情感分析长度取窗长w为4秒，帧移为0.5秒；(2)其次，音频特征提取，设特征Fij,1≤j≤M，M为特征维数，提取音高、响度等音乐底层特征，以及旋律、节奏等高层语义特征；(3)计算每一维特征Fij与打分L的Pearson相关系数，得到Pearson相关系数矩阵R，计算公式如下：rij=cov(Li,Fij)σLiσFij]]>步骤二：基于Gamma分布的特征筛选方法；由于相关系数是从0到1之间，且分布离1越近表示相关性大，分布离0越近表示相关性小，因此进行两次Gamma分布拟合去掉相关性小的，保留相关性较大的特征，(1)首先，计算每一维特征在所有样本上相关系数的直方图；(2)其次，对相关系数直方图进行Gamma分布拟合，在这里特定特征的相关系数为ri,i＝1,2,…,n,其中n为样本个数，先对相关系数直方图进行Gamma分布拟合，根据Gamma分布的定义，得到概率密度函数拟合公式如下：f(r)=r(α-1)λαe-λXΓ(α),r>0]]>其中α为Gamma分布的形状参数，决定Gamma分布的陡峭程度，λ＝1/β为Gamma分布的尺度参数，决定Gamma分布的散布程度；(3)再对相关系数直方图进行轴对称操作，即对轴对称后的相关系数直方图进行Gamma分布分析，得到拟合参数和(4)根据两次Gamma拟合的参数构造相关性影响因子IF：IF=βα]]>对所有特征按IF从大到小排序，筛选出前K个最相关特征构成特征子集Fs,s＝1,…,K；步骤三：建立情感感知概率矩阵EDM(1)建立特征相似度矩阵FDM首先对上一步筛选出的K维特征及情感打分进行分帧，取帧长为4秒，帧移为3秒，对情感特征的每一帧和对应的情感打分构建N×N的相似度矩阵FDM，构建方法如下：设第t帧样本为A1,A2,…,AN，且顺序确定，其特征为F1,F2,…,FK，则：FDMpg＝dist(Fpk,Fqk),1≤p,q≤N其中Fik表示第i个样本的第k维特征的特征向量，表示X和Y的欧式距离，经过这一步计算，得到K个特征相似度矩阵FDMi,i＝1,…,K。同样方法，设第t帧样本对应的打分为L1,L2,…,LK，对打分也求得一个相似度矩阵LDM；LDMpg＝dist(Lp,Lq),1≤p,q≤N(2)情感感知概率矩阵EDM为了衡量相应的特征差异，对每一帧的FDMi和LDM计算矩阵相似度作，计算方法如下：ρk=cov(LDM,FDMk)σLDMσFDMk]]>ρk′=ρk-min(ρk)max(ρk)-min(ρk)]]>那么，在T帧中，用每一帧都用如上方法计算特征差异概率，并归一化，就构成了情感感知概率矩阵EDM，计算方法如下：EDMtk＝ρ′k(t)步骤四：计算情感变化最长路径，构造回归预测模型对维度情感进行预测；(1)情感最大路径计算方法在T帧中，用每一帧的特征矩阵与概率矩阵EDM相乘，构成新的情感特征矩阵FDM‘，在情感特征矩阵中，用最大权值路径作为特征向量，求解最大权值路径的问题，转化为求子问题的最优解，使用动态规划算法，记录了已求解过的子问题结果，设Pathi,j是对矩阵的描述，则其状态转移方程写为：MPi,j＝max{MPi‑1,j,MPi,j+1}+MPi,j其中MPi,j表示走到第i行第j列的最大权值，那么MPi,j的最优解包含子问题MPi‑1,j和MPi,j+1的最优解，其中MP0,n‑1＝Path0,n‑1，最大的路径权值通过比较底层的分数求得；(2)基于Lasso回归的音乐连续情感预测方法首先，在前面特征选择的基础上，设最优特征集为Fk,k＝1,2,…,K，在最优特征集上，分别对Valence和Arousal建立回归预测方程：Y＝Xβ+μ其中X为特征集，Y为Valence或Arousal的平均打分，μ为随机误差项；其次，基于Lasso回归模型，对预测方程进行求解，求得取得最小时的拟合系数；β^=argmin{(y-FKβ)2+λ|β|}]]>在求解拟合系数时，约束条件取最小的λ或SE值，取最小值为约束条件；最后，在最优拟合系数的基础上对新的未知样本经行Valence和Arousal的预测。