1、“.....该分类器对 来自具体乐器所演奏的音符的平均分进行自动分类，如些元音和字词。在文献中，作者采用种称为的神经网 络来区分五类乐器所演奏的单音符信号，这五类乐器分别为钢琴吉他小号萨克斯和长笛。在文献 中，作者采用频谱研究了如何对吉他键盘乐器和鼓这三种乐器进行自动识别，他们首先采用小波变换 对音频信号进行预处理以提取特征，然后通过个神经网络对测试数据进行分类。他们的方法也可以用来 对些语音数据音色识别方面的研究工作比较少，它 们可以分为以下两种情况 独立演奏情况下的乐器识别大多数关于乐器自动识别的工作都是在独立演奏的假设下完成的，这使得工作变得相对容易了些。 等人分的比例不同......”。

2、“.....对于种具体的乐器来说，这种频谱 的变化又是十分复杂的，同种乐器由于演奏技法的不同其音色也会发生显着的变化。 因此，如何方便而准确地描述音色是个难题。有关乐器识别或于机器来说却十分困难。识别或区分种乐器主要依靠它特有的音色，从物理 学上看音色则是由物体的振动状态所决定的，不同物体的振动状态决定了它的泛音及波形的不同，个固 定音高的音由于其中所含各阶谐频成信号的节奏进行分析并在此基础上提取特征。 基于内容的乐器音色自动分类与识别 如何从段给定的音乐信号中识别出参加演奏的乐器是个非常有趣的问题。这样的任务对于人类来 说也许是非常轻松的，但对复杂性和信息距离的音乐分级聚类方法......”。

3、“.....等则提出了种基于的非监督音乐分类方法，为了获得更好的结果， 他们还对音乐分析，关于针对音乐数据进行聚类分析的研究报导较少，因为聚类结果强烈依 赖于所定义的相似性度量，并且所产生的聚类结果很难满足种具体的应用需要。等提出了种 基于分析，关于针对音乐数据进行聚类分析的研究报导较少，因为聚类结果强烈依 赖于所定义的相似性度量，并且所产生的聚类结果很难满足种具体的应用需要。等提出了种 基于复杂性和信息距离的音乐分级聚类方法，它不使用任何音乐背景知识并可以直接用于 其它领域的聚类分析。等则提出了种基于的非监督音乐分类方法，为了获得更好的结果......”。

4、“..... 基于内容的乐器音色自动分类与识别 如何从段给定的音乐信号中识别出参加演奏的乐器是个非常有趣的问题。这样的任务对于人类来 说也许是非常轻松的，但对于机器来说却十分困难。识别或区分种乐器主要依靠它特有的音色，从物理 学上看音色则是由物体的振动状态所决定的，不同物体的振动状态决定了它的泛音及波形的不同，个固 定音高的音由于其中复杂性和信息距离的音乐分级聚类方法，它不使用任何音乐背景知识并可以直接用于 其它领域的聚类分析。等则提出了种基于的非监督音乐分类方法，为了获得更好的结果， 他们还对音乐信号的节奏进行分析并在此基础上提取特征......”。

5、“.....这样的任务对于人类来 说也许是非常轻松的，但对于机器来说却十分困难。识别或区分种乐器主要依靠它特有的音色，从物理 学上看音色则是由物体的振动状态所决定的，不同物体的振动状态决定了它的泛音及波形的不同，个固 定音高的音由于其中所含各阶谐频成分的比例不同，其音色也不同。对于种具体的乐器来说，这种频谱 的变化又是十分复杂的，同种乐器由于演奏技法的不同其音色也会发生显着的变化。 因此，如何方便而准确地描述音色是个难题。有关乐器识别或音色识别方面的研究工作比较少......”。

6、“.....这使得工作变得相对容易了些。 等人研究了如何对吉他键盘乐器和鼓这三种乐器进行自动识别，他们首先采用小波变换 对音频信号进行预处理以提取特征，然后通过个神经网络对测试数据进行分类。他们的方法也可以用来 对些语音数据进行自动分类，如些元音和字词。在文献中，作者采用种称为的神经网 络来区分五类乐器所演奏的单音符信号，这五类乐器分别为钢琴吉他小号萨克斯和长笛。在文献 中，作者采用频谱特征对来自种乐器所演奏的段音频信号进行了自动分类研究。实验结果表明二 次分类器所取得的效果最好，它要优于目前比较流行的分类器和传统的最近邻分类器。该分类器对 来自具体乐器所演奏的音符的平均分类率为......”。

7、“.....到年，因此我们认为非常有必要对近几年的研究工作 进行下总结。在本文中，我们将对年以来基于内容的音频和音乐分析领域的研究工作进行全面 完整的综述，其中主要介绍最近七八年的研究成果，之前的研究工作请参看文献 此外，具体的有关遗传算法在音乐分析领域中的应用综述请参看文献这个研究领域中比较重要的期 刊和会议包括 和 等。 本文将按照不同的研究工作所处理的具体问题组织全文......”。

8、“..... 基于内容的音频和音乐分类与识别 基于内容的音频数据自动分类是个十分重要的研究方向，它可成为其他许多应用研究的基础，如基 于内容的分割检索等。依据研究对象的不同，我们可以将这个领域的研究工作分为以下三个部分。 针对音乐类数据的自动分类与识别由于音乐类数据具有高度的复杂性，根据研究对象的不同我们可以将这部分工作进步细分为如下几 个问题。 针对不同音乐类型的自动分类 两类分类问题两类分类问题是指，研究对象中仅仅包含有两种不同的混合音乐类型的数据。由于应 用需求的不同，学者们所感兴趣的具体研究对象也是不同的......”。

9、“.....结果表明在这个问题中监督分类方法要明显优于非监督分类方法为了方便进行歌词自动识 别，等人研究了如何区分流行歌曲中的演唱部分和纯伴奏部分，他们利用个在说话人识别 领域中常用的分类器对类似语音的声音信号进行检测。由于具有背景伴奏音乐的歌手演唱信号与般的语 音信号有着很大的不同，对于那些无法直接通过说话人识别分类器来确定类别的声音片段，作者将进 步采用个基于框架的方法来最终判断其类别。 多类分类问题在针对不同音乐类型的自动分类问题中......”。