GTZAN数据集

在此示例中使用的数据集是GTZAN类型收集[7] [8]。数据提供为Quiped Tar归档，其约为1.2 GB。未压缩的数据集需要大约3 GB的磁盘空间。从引用中提供的链接中提取压缩的tar文件创建一个包含十个子文件夹的文件夹。每个子文件夹都被命名为它包含的音乐样本类型。类型是：蓝调，古典，国家，迪斯科，嘻哈，爵士，金属，流行，雷鬼和岩石。每个类型的每个类型的示例，每个音频文件都包含在22050Hz上采样约30秒的数据。在原文中，作者使用了许多时域和频域特征，包括从每个音乐示例中提取的MEL频率谱系（MFC）系数和高斯混合模型（GMM）分类，以实现61％的准确度[7]。随后，深度学习网络已应用于此数据。在大多数情况下，这些深度学习方法包括卷积神经网络（CNN），其中MFC系数或谱图作为到深度CNN的输入。 These approaches have resulted in performance of around 84% [4]. An LSTM approach with spectrogram time slices resulted in 79% accuracy and time-domain and frequency-domain features coupled with an ensemble learning approach (AdaBoost) resulted in 82% accuracy on a test set [2][3]. Recently, a sparse representation machine learning approach achieved approximately 89% accuracy [6].

下载数据

第一步是下载GTZAN Genre Collection[7][8]。本例中的说明假设您将数据集下载到临时目录，tempdir在MATLAB®。如果您选择在不同的文件夹中下载数据tempdir，请在后续说明中修改目录名称。使用gunzip下载并解压缩数据集。然后使用untar.提取tar文件的内容。的文件夹类型中创建tempdir。里面类型是十个子文件夹，一个用于每个音乐类型。

dataURL =“http://opihi.cs.uvic.ca/sound/genres.tar.gz”；gunzip (dataURL tempdir)在tempdir中创建genre .tarUntar（fullfile（tempdir，“genres.tar”), tempdir)％创建了Genres文件夹

小波散射框架

在小波时间散射网络中，唯一要指定的参数是时不变的持续时间、小波滤波器组的数目和每倍频程的小波数目。对于大多数应用来说，将数据级联到两个小波滤波器组就足够了。在这个例子中，我们使用默认的散射网络，它使用两个小波滤波器组。第一个滤波器组每八度有8个小波，第二个滤波器组每八度有1个小波。对于本例，将不变比例设置为0.5秒，这对应于给定采样率略多于11000个样本。建立小波时间散射分解网络。

sn = waveletScattering (“SignalLength”，2 ^ 19，“SamplingFrequency”, 22050,......'invariarcescale', 0.5);

为了理解不变性尺度的作用，从第一滤波器组中，取最粗尺度小波的实部和虚部，在时间上绘制尺度滤波器。注意，按设计，缩放滤波器的时间支持基本金宝app上是0.5秒。此外，最粗尺度小波的时间支持不超过小金宝app波散射分解的不变尺度。

[FB，F，FilterParams] = FilterBank（Sn）;PHI = IFFTSHIFT（IFFT（FB {1} .FLIFT））;psil1 = ifftshift（ifft（fb {2} .psift（：，结束）））;dt = 1/22050;时间= -2 ^ 18 * dt：dt：2 ^ 18 * dt-dt;scalplt = plot（时间，phi，“线宽”, 1.5);持有在网格在Ylimits = [-3e-4 3e-4];ylim (ylimits);ylimits情节([-0.25 - -0.25],'k-'）;ylimits情节([0.25 - 0.25],'k-'）;xlim ([-0.6 - 0.6]);包含('秒'）;ylabel（“振幅”）;wavplt = plot(time，[real(psiL1) imag(psiL1)]);传奇([scalplt wavplt (1) wavplt (2)),......{“扩展功能”那'小波真的部分'那“Wavelet-Imaginary部分”}）;标题({“扩展功能”；“最粗尺度小波第一滤波器组”})举行从

音频数据存储

音频数据存储使您能够管理音频数据文件的集合。对于机器或深度学习，音频数据存储不仅管理来自文件和文件夹的音频数据流，音频数据存储还管理标签与数据的关联，并提供将数据随机划分到不同集的能力，以进行训练、验证和测试。在本例中，使用音频数据存储来管理GTZAN音乐类型集合。回忆一下，集合中的每个子文件夹都是以它所代表的类型命名的。设置“IncludeSubFolders”财产真正的来指示音频数据存储使用子文件夹并设置“LabelSource”财产'foldernames'根据子文件夹名称创建数据标签。这个例子假设顶级目录在MATLAB中tempdir目录，称为“流派”。确保位置是计算机上顶级数据文件夹的正确路径。你机器上的顶级数据文件夹应该包含10个子文件夹，每个文件夹都以10种类型命名，并且必须只包含与这些类型相对应的音频文件。

位置= fullfile（tempdir，'penres'）;广告= audioDatastore(位置,“IncludeSubFolders”，真的，......“LabelSource”那'foldernames'）;

运行以下内容以在数据集中获取音乐类型的计数。

CountAckeLabel（广告）

ans =10×2表标签数__________ _____蓝调100古典100国家100迪斯科100个Hiphop 100爵士100爵士100张歌曲100 reggae 100摇滚100

如前所述，有10种类型，每个类型有100个文件。

培训和测试集

创建训练和测试集来开发和测试我们的分类器。我们使用80%的数据进行训练，并保留剩下的20%进行测试。的洗牌音频数据存储的功能随机随机洗牌数据。在通过标签拆分数据之前执行此操作以随机化数据。在此示例中，我们设置了随机数发生器种子以进行再现性。使用音频数据存储splitEachLabel功能要执行80-20匹配。splitEachLabel确保所有类都是平等的。

Rng (100) ads = shuffle(ads);[adsTrain, adsTest] = splitEachLabel(广告,0.8);countEachLabel (adsTrain)

ans =10×2表标签数_________ _____蓝调80古典80乡村80迪斯科80嘻哈80爵士80金属80流行乐80雷鬼80摇滚80

CountAckeLabel（adstest）

ans =10×2表标签数_________ _____蓝调20古典20乡村20迪斯科20嘻哈20爵士20金属20流行20雷鬼20摇滚20

您可以看到训练数据中有800条记录，测试数据中有200条记录。此外，训练集中每种类型有80个例子，测试集中每种类型有20个例子。

要获得散射功能，请使用辅助功能，helperbatchscatfeatures，得到散射特性的自然对数 $$2^{19.}$$每个音频文件的样本，并将散射窗口的数量按6.源代码helperbatchscatfeatures列在附录中。小波散射特征的计算使用批处理大小的64个信号。

如果您有并行计算工具箱™和支持的GPU，请设置金宝appuseGPU到真正的在下面的代码和散射变换将使用GPU计算。使用64个批量大小的NVIDIA Titan V GPU，本例中的散射特性的计算速度大约是使用CPU的9倍。

n = 2 ^ 19;Batchsize = 64;sctrain = [];使用gpu = false;％设置为true以使用gpu而hasdata（adstrain）sc = helperbatchscatfeatures（adstrain，sn，n，batchsize，使用gpu）;Sctrain =猫（3，Sctrain，SC）;结束

记录标签创建的散射变换中的时间窗口数。

numtimewindows =尺寸（sctrain，2）;

在这个例子中，每个散射路径有43个时间窗口或帧。

对测试数据重复相同的特征提取过程。

sct = [];而hasdata(adsTest) sc = helperbatchscatfeatures(adsTest,sn,N,batchsize,useGPU);sct =猫(3 sct sc);结束

确定散射网络中的路径数，并将训练和测试特征重塑为2-D矩阵。

[~, npaths] = sn.paths ();Npaths =总和(Npaths);TrainFeatures = permute(scTrain，[2 3 1]);[], TrainFeatures =重塑(TrainFeatures Npaths, 1);TestFeatures = permute(scTest，[2 3 1]);[], TestFeatures =重塑(TestFeatures Npaths, 1);

每一行的训练费和testfeatures.在每个音频信号的散射变换中的334路径上是一个散射时间窗口。对于每个音乐样本，我们有43个这样的时间窗口。因此，训练数据的特征矩阵是34400-by-334。行的数量等于培训示例（800）的数量乘以每示例的散射窗数（43）。类似地，测试数据的散射特征矩阵为8600×334。每个示例有200个测试示例和43个窗口。为训练数据中的小波散射功能矩阵中的43个窗口中的每一个创建一个类型的标签。

trainlabels = adstrain.labels;numtrainsignals = numel（trainlabels）;Trainlabels = Repmat（Trainlabels，1，NumtimewWindows）;TrainLabels = Reshape（Trainlabels'，Numtrainsignals * Numtimewindows，1）;

对测试数据重复上述过程。

testlabels = adstest.labels;numtestsignals = numel（testlabels）;testlabels = repmat（testlabels，1，numtimewwows）;testlabels =重塑（testlabels'，numtestsignals * numtimewindows，1）;

在此示例中，使用具有立方多项式内核的多级支持向量机（SVM）分类器。金宝app将SVM适合培训数据。

模板= templateSVM (......“KernelFunction”那多项式的那......'polynomialOrder'3,......“KernelScale”那'汽车'那......'boxconstraint'，1，......“标准化”,真正的);类= {'蓝调'那“经典”那'国家'那“迪斯科”那“嘻哈”那'爵士乐'那......'金属'那'流行音乐'那“雷鬼”那'岩石'};classificationSVM = fitcecoc (......TrainFeatures,......Trainlabels，......'学习者'模板,......“编码”那'Onevsone'那“类名”，分类（类））;

测试集预测

使用SVM模型拟合训练数据的散射变换来预测测试数据的音乐类型。回想一下散射变换中每个信号都有43个时间窗。使用简单多数投票来预测类型。辅助函数helperMajorityVote获得所有43个散射窗口的类型标签模式。如果没有唯一的模式，helperMajorityVote返回由指示的分类错误'nounquemode'。这导致混淆矩阵中的额外列。源代码helperMajorityVote列在附录中。

predlabels = predict（分类，testfeatures）;[testvotes，testcounts] = HelpermajorityVote（Predlabels，Adstest.Labels，分类（类））;testaccuracy = sum（eq（testvotes，adstest.labels）/ numtestsignals * 100

testAccuracy = 87.5000

测试精度，testaguracy.，约为88％。这种准确性与GTZAN数据集的领域相当。

显示混淆矩阵以检查类型的类型逐个精度速率。回想一下每个班级中有20个例子。

ConfusionChart（TestVotes，Adstest.Labels）

从混淆矩阵图的对角线可以看出，分类准确率总体上很好。分别提取这些体裁的准确性和情节。

厘米= confusionmat (TestVotes adsTest.Labels);厘米(:,结束)= [];genreAccuracy =诊断接头(cm)。/ 20 * 100;图;栏(genreAccuracy)集(gca,“XTickLabels”、类);甘氨胆酸xtickangle (30);标题('通过类型的百分比正确 - 测试集'）;

总结

此示例展示了使用小波时间散射和音乐类型分类中的音频数据存储。在该示例中，小波时间散射实现了与GTZAN数据集的最新性能的状态相当的分类精度。与需要提取多个时域和频域特征的其他方法相反，小波散射仅需要单个参数的规格，时间不变。音频数据存储使我们能够有效地管理从磁盘到MATLAB的大型数据集的传输，并允许我们通过分类工作流程准确地保留随机数据的类型成员资格。

参考文献

附录—支持功能金宝app

helperMajorityVote- 此函数返回在多个特征向量上预测的类标签的模式。在小波时间散射中，我们为每个时间窗口获得一个类标签。如果没有找到唯一模式的标签'nounquemode'返回以表示分类错误。

类型helperMajorityVote

函数[classvotes，classcounts] = HelpermajorityVote（predlabels，Origlabels，类）％此功能仅支持小波散射示例。金宝app它可能会更改或在将来的释放中删除。％制作分类阵列如果标签尚未分类预测标签=分类（预测）;origlabels =分类（origlabels）;％期望Predlabels和Origlabels都是NPRED = NUM​​EL（预标签）的分类向量;norig = numel（origlabels）;nwin = npred / norig;predlabels =重塑（Predlabels，Nwin，Norig）;classcounts = countcats（predlabels）;[mxcount，idx] = max（classcounts）; ClassVotes = classes(idx); % Check for any ties in the maximum values and ensure they are marked as % error if the mode occurs more than once tmpsum = sum(ClassCounts == mxcount); ClassVotes(tmpsum > 1) = categorical({'NoUniqueMode'}); ClassVotes = ClassVotes(:);

helperbatchscatfeatures-该函数返回给定输入信号的小波时间散射特征矩阵。在这种情况下，我们使用小波散射系数的自然对数。计算了散射特征矩阵 $$2^{19.}$$信号的样本。散射特征是由6倍的限量。如果useGPU被设置为真正的，在GPU上计算散射变换。

函数SC = Helperbatchscatfeatures（DS，Sn，N，Batchsize，DeveryGPU）％此函数仅旨在支持小波中的示例金宝app％ 工具箱。它可以在将来的释放中更改或删除。%从音频数据存储读取批数据批= helperReadBatch (ds, N, batchsize);如果使用gpu batch = gpuarray（批量）;结束获得散射特征S = sn.featureMatrix(批处理,'转变'那'日志'）;聚集（批量）;s =聚集（s）;％subsamplpple1:6 sc = S (::,:);结束

HelperReadbatch.- 此函数从数据存储读取指定大小的批量，并以单精度返回输出。输出的每列是来自数据存储的单独信号。如果数据存储区没有足够的记录，则输出可能比批量化更少。

函数batchout = helperReadBatch (N, ds batchsize)%这个函数只支持小波工具箱的例子。金宝app它可能%更改或在未来的版本中删除。％％batchout = ReadReadbatch（DS，N，Batchsize），其中DS是数据存储和% ds是数据存储％batchsize是批量化kk = 1;而(hasdata(ds)) && kk <= batchsize tmpRead = read(ds);batchout (:, kk) =投(tmpRead (1: N),“单一”）;% #好< AGROW >kk = kk + 1;结束结束