融合KPCA与改进KNN的蒙古族音乐分类方法

摘要

蒙古族音乐存在传承方式较为落后导致发展缓慢的问题,如何有效利用音乐分类技术对蒙古族音乐进行分类研究,有助于蒙古族音乐的传承与发展。现有的音乐分类方法在特征提取过程中由于特征数量的增多易存在无关和冗余特征,无关和冗余特征反而会带来过拟合的风险,导致分类模型的性能差。针对此问题,本文提出一种融合核主成分分析和改进KNN的分类方法,即KPCA-FSKNN。该方法可以将提取到的特征进行有效降维,避免特征过度冗余,选择出有助于提升分类效果的最佳特征子集。实验结果表明,该方法优于其他分类算法,对蒙古族音乐分类的研究具有重要意义。