基于pso-bp神经网络的中国民族乐器识别研究

摘要

针对传统的中国民族乐器识别准确率较低的问题,本文综合分析了群体智能优化算法的特性以及神经网络分类模型的误差率和训练效率,提出了一种基于粒子群优化算法(particle swarm optimization,pso)优化改进的bp神经网络分类模型,采用梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficients,MFCC)作为中国民族乐器音乐识别的分类特征,实验结果表明该分类模型具有较高的分类准确率和适用性,其准确率达到99.78%.