基于云模型的音乐情感表示与识别研究

With the development of Music Information Retrieval and Computation Intelligence，Artificial Intelligence has been widely used to solve the problem of music emotion recognition in academia and industry. However, the research is still in its infancy, and there are many research problems, like lack of effective methods to represent music emotion and to detect the emotion in music. To solve those problems, Cloud Model is used to represent the emotion in music, which fully expressed the fuzziness and randomness of music emotion, and Deep Learning is utilized to extract the music emotional features to build a database of music emotion, which effectively solve the problem of music expression; Then, the model for music emotion recognition based on cloud Gene Expression Programming,unique fitness function and ensemble method, was presented to solve the problem of music emotion recognition. It's worth to mentioning that it is the first time that Cloud Model has been used in the field of music emotion research. Comprehensive utilization of the Deep Learning, Ensemble Method and Gene Expression Programming is an integrated innovation, the research results can be applied to music emotion exploring and indexing, etc., will have important theoretical value and application prospect.

近年来，利用人工智能方法来研究音乐情感，得到了学术界和工业界的广泛关注。然而，目前相关的研究还刚刚起步，亟需有效的音乐情感表示方法和识别模型。 针对上述问题，本项目利用云模型在知识表达时具有不确定中带有确定性、稳定之中又有变化的特点，首次将云模型引入音乐情感研究领域。首先，利用云模型表示和解释音乐情感的模糊性和随机性，研究基于深度机器学习选择音乐情感特征参数，构建音乐情感数据库，有效地解决音乐情感表示问题；其次，利用模式云表示基因表达式编程中的精英群体，并基于泛函分析构造适应值函数，提出了云基因表达式编程，并进行收敛性、时间复杂性分析；最后，利用差分进化算法优化云基因表达式编程的集成学习系数，基于音乐情感数据库，构建音乐情感识别模型，有效地解决音乐情感识别问题。 本项目综合利用云模型、机器学习和基因表达式编程等，部分解决了音乐情感表示与情感识别等科学问题，具有重要的理论意义与应用价值。

本项目通过引入人体生理信号数据，研究了人体生理信号数据与主观情感之间的映射关系，提出了一个基于人体生理信号数据的音乐情感自动标注方法，有助于更加真实、实时地获取情感状态，构建了多维特征融合的数据库，与经典的主观问卷调查方法形成了互补，大大提高了中国民族音乐数据库的客观性和准确性；其次，对音乐和图像中的情感特征信息进行了综合分析，利用偏微分进化算法对SVM算法的核心参数进行优化，采用情感相似性实现了音画跨媒体情感化检索；最后，基于以上成果，研制出了一套基于生理信号的助力装置（外骨骼产品），该装置通过实时检测人体生理信号，构建生理信号与疲劳度和主观舒适度（感觉）之间的函数关系，实时调控，从而大大缓解使用者的疲劳度，提高其主观舒适度。同时，提出了运动想象脑电信号分类方法，使得该装置可以通过人体生理信号数据，实时预测使用者的运动意图，实现对使用者的主动助力。此外，项目组还开展了基因表达式编程相关算法的理论及拓展应用研究，提出了基于基因表达式编程算法的意象进化认知算法和基于热力学模型的进化算法等，用于解决情感识别、数值优化和产品意象识别等问题。..相关成果在Neurocomputing、Soft Computing、Sensors、International Journal of Industrial Ergonomics、Computers in Human Behavior、《计算机学报》和《计算机集成制造系统》等期刊上发表学术论文11篇，其中SCI 收录期刊论文7 篇、SSCI收录期刊论文1篇，EI 收录期刊论文2篇；完成音乐情感识别研究相关学术著作1部（译著，待出版）；获授权发明专利1项、软件著作权1 项、实用新型专利2项；培养研究生3名。..本项目完成了预定计划和目标，拓展了人工智能、机器学习和数据挖掘的应用领域，为音乐情感表示与识别及其拓展应用提供了可行的方法，具有一定的推广应用价值。