基于 XGBoost 结合特征融合的乐器识别
声音
2022-06-03 v1 音频与语音处理
摘要
乐器分类是音乐信息检索（MIR）的研究重点之一。为解决当前乐器分类模型性能不佳的问题，我们提出了一种基于多通道特征融合与 XGBoost 的乐器分类算法。基于数据集的音频特征提取与融合，将特征输入 XGBoost 模型进行训练；其次，我们通过比较不同特征组合以及朴素贝叶斯等若干经典机器学习模型，验证了该算法在乐器分类任务中的优越性能。该算法在 Medley-solos-DB 数据集上达到了 97.65% 的准确率，优于现有模型。实验为乐器分类特征工程中的特征选择提供了参考。
引用
@article{arxiv.2206.00901,
title = {Musical Instrument Recognition by XGBoost Combining Feature Fusion},
author = {Yijie Liu and Yanfang Yin and Qigang Zhu and Wenzhuo Cui},
journal= {arXiv preprint arXiv:2206.00901},
year = {2022}
}