Resumen

Los multimedia musicales son uno de los tipos de música digital más populares. Este artículo se basa en el modelo oculto de Markov (HMM, por sus siglas en inglés) y propone este tipo de método de clasificación automática de multimedia musical. El método no solo analiza detalladamente las características de la música tradicional, sino que también considera plenamente las características importantes de otros tipos de música. Al mismo tiempo, utiliza bagging para entrenar dos grupos de HMMs y clasificarlos automáticamente para lograr un mejor efecto de clasificación. Este artículo optimiza los parámetros variables desde diferentes aspectos como la estructura del modelo, la forma de los datos y el cambio de modelo para obtener el valor óptimo de los parámetros de HMM. Este método no solo considera el conocimiento previo de las palabras características, la frecuencia de las palabras y el número de documentos, sino que también fusiona el significado de las palabras características en el modelo de clasificación oculta de Markov. Finalmente, al probar el modelo oculto de Markov utilizado en este artículo en el conjunto de datos de multimedia musical, los resultados experimentales muestran

• Materias:Método de monitoreo Acoplamientos multimodales Ecuaciones simultáneas Anomalías de datos Procesamiento de robots
• Subjects:Monitoring method Multimodal couplings Simultaneous equations Data anomalies Robot processing
• Palabras claves:Multimedia musical; Modelo oculto de Markov (HMM); Método de clasificación automática; Ensacado; Palabras características; Resultados experimentales
• Keywords:Music multimedia; Hidden Markov model (HMM); Automatic classification method; Bagging; Feature words; Experimental results