基于深度学习LeNet模型的音乐分类方法设计.pdf

湖南商务职业技术学院毕业设计

目录

1引言1

1.1项目背景1

1.2开发环境与工具2

1.2.1python简介2

1.2.2Pycharm简介2

1.2.3Python第三方库简介3

2需求分析3

2.1可行性需求分析3

2.2数据集采集功能分析4

2.3关键数据分析4

2.3.1LeNet技术4

2.3.2Numpy技术分析4

2.3.3pandas技术分析5

2.3.4LeNet算法原理5

3数据采集5

3.1数据需求分析5

3.2数据集获取分析6

3.3数据集下载7

4数据集处理7

4.1导入所需库7

4.2切分数据集、验证集以及测试集8

4.3查看数据集大小8

5模型构建及评估分析9

5.1模型构建9

5.1.1模型网络结构9

5.1.2创建LeNet模型10

I

湖南商务职业技术学院毕业设计

5.1.3定义函数和网络模型11

5.2模型编译11

5.2.1优化器设置、损失函数设置11

5.2.2模型编译12

5.3模型训练与调优12

5.3.1学习率调优12

5.3.2batch_size设置13

5.4模型部署13

5.4.1系统前端设计13

5.4.2系统展示和评价分析13

6小结14

参考资料16

II

湖南商务职业技术学院毕业设计

基于深度学习LeNet模型的音乐分类方法设计

1引言

由于我国网民的大量增加，在某一层面上极大程度促进了网络音乐产业的

发展。在这个网络大环境下，音乐行业方面的竞争也越来越激烈，而现在作为

一个新兴事物的音乐分类系统，它的出现开始迅速获得人们的关注，一方面是

因为它可以使用户很方便地找到所需要、所需求的音乐作品，一方面还是因为

音乐分类系统能帮助人们快速准确地查询到自己想要了解的音乐信息。目前，

国内外对网络音乐进行分类层面已经有了很多科研成果，但由于各种原因，这

些成果往往只能停留于理论层面，无法真正应用。因此，如何结合理论和实践，

以解决实际、根本问题是本文要重点所考察的对象之一。针对以上情况，项目

首先对当前音乐分类系统进行概述，分析了其中音乐分类系统中存在的不足及

产生的根源；其次从多个角度介绍了数据挖掘技术的基本概念，特点及其常用

的方法，为下文奠定了基础；再次根据音乐分类系统的要求，提出了一种基于

关联规则算法和聚类分析算法的混合分类模型；最后通过实验验证该模型能够

有效提高音乐分类的准确率以及效率。

之所以音乐艺术经历千百年流传而经久