文件名称：harmonyos2-music-outliers:音乐异常值
文件大小：12.52MB
文件格式：ZIP
更新时间：2024-07-21 09:19:44
系统开源
和声2 音乐异常值 期刊出版物的数据和代码：Panteli, M., Benetos, E., Dixon, S. 世界音乐异常值的计算研究。 PLoS 一，12（12）：e0189399。 听音乐就在这。 有关演示的更多信息。 提取的音频特征和上传的附加数据。 将这些复制到 以重现结果。 概述 这个项目： 提取一组世界音乐录音的音频特征 学习线性投影和 使用预测录音来源国的分类任务评估音乐相似性 使用（最佳）学习空间来检测异常记录和 探索世界不同地理区域之间音乐差异的关系。 要求 此代码要求： Python2.7 和 requirements.txt 中列出的库 声波注释器： Melodia 鞋面插件： 语音/音乐分段器 Vamp 插件： 请按照上面提供的链接中的说明安装 Sonic Annotator 以及 Melodia 和 Speech/Music Segmenter Vamp Pplugins。 sonic annotator 的路径默认为此存储库的根目录。 如果您在不同的位置安装了声波注释器，请更新脚本中的变量 PATH_TO_SONIC_ANNOTATOR。 安装 pyt
【文件预览】：
music-outliers-master
----requirements.txt(174B)
----data()
--------Chroma()
--------metadata.csv(3.24MB)
--------methodology.png(384KB)
--------confusion_matrix.csv(202KB)
--------confusion_matrix_labels.csv(1KB)
--------Melspec()
--------Audio()
--------Melodia()
--------Speech()
--------cluster_freq.csv(28KB)
----LICENSE(1KB)
----notebooks()
--------correlation_n_outliers.ipynb(16KB)
--------results_outliers.ipynb(96KB)
--------sensitivity_experiment_outliers.ipynb(8KB)
--------explain_LDA_components.ipynb(1.82MB)
--------results_classification.ipynb(416KB)
--------hubness.ipynb(79KB)
----scripts()
--------hierarchical_cluster.R(787B)
--------classification.py(8KB)
--------map_and_average.py(10KB)
--------__init__.py(0B)
--------util_feature_learning.py(6KB)
--------outliers.py(6KB)
--------interactive_plot.py(8KB)
--------nmftools.py(4KB)
--------load_dataset.py(7KB)
--------utils.py(4KB)
--------util_data()
--------load_features.py(15KB)
--------extract_primary_features.py(6KB)
--------PitchBihist.py(4KB)
--------utils_spatial.py(5KB)
--------MFCC.py(3KB)
--------OPMellin.py(8KB)
--------util_filter_dataset.py(4KB)
--------smoothiecore.py(9KB)
----README.md(5KB)
----demo()
--------README.md(3KB)
--------pics()
--------outliers.html(11.45MB)
----tests()
--------test_classification.py(731B)
--------test_load_features.py(10KB)
--------test_OPMellin.py(2KB)
--------test_map_and_average.py(2KB)
--------test_utils.py(2KB)
--------test_load_dataset.py(971B)
--------test_PitchBihist.py(3KB)
--------test_outliers.py(1KB)
--------run_tests.sh(109B)
--------test_util_feature_learning.py(282B)