Resumen

Con el rápido crecimiento de la música digital hoy en día, debido a la complejidad de la música en sí misma, la ambigüedad de la definición de categoría musical y la limitada comprensión de las características de la percepción auditiva humana, la investigación sobre temas relacionados con la segmentación automática de la música aún está en pañales, mientras que la música automática todavía está en pañales. La segmentación es un requisito previo para la recuperación rápida y efectiva de recursos musicales, y sus necesidades potenciales de aplicación son enormes. Por lo tanto, los temas relacionados con la segmentación automática de la música tienen un importante valor de investigación. Este artículo estudia un algoritmo mejorado basado en la maximización de la entropía negativa para la separación bien planteada de voz y música. Con el objetivo de abordar el problema de que el rendimiento de separación del método de maximización de entropía negativa depende de la selección de la matriz inicial, se utiliza el método de descenso de Newton en lugar del método de iteración de Newton como algoritmo de optimización para

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Crecimiento; Música digital; Segmentación automática; Investigación; Algoritmo; Separación
• Keywords:Growth; Digital music; Automatic segmentation; Research; Algorithm; Separation