基于特征旋律挖掘的二階馬爾可夫鏈在算法作曲中的研究與應用.pdf

1、算法作曲是如今國內外許多研究者和作曲家都十分關注和頗感興趣的一個新興跨學科領域。本文首先針對算法作曲領域內已有的各類研究做了資源整合、歸納與知識分享工作，即對與該領域相關的文獻進行了較為詳細的分類介紹與優(yōu)劣述評，并在此基礎上，結合自己的探究與思考而嘗試設計和提出一種新的用于音樂片段分析與特征旋律挖掘的ISM算法，即音程序列挖掘算法。該算法是從用于關聯規(guī)則挖掘的Apriori算法思想中獲得啟發(fā)，并結合相關樂理知識和作曲家作曲的心理過程來進

2、行設計的，它以挖掘到的音樂片段中出現次數最多并相對較長的音程子序列作為該音樂片段的特征旋律。
　　算法作曲領域可以大致分為兩個方向，一個方向是如何用算法分析已有的音樂作品，另一個方向是如何用算法生成新的音樂作品。本文所提出的ISM算法屬于前者，對于后者本文采用的主要模型是馬爾可夫鏈模型，它常被用于生成新的音樂片段。本文以Max/MSP軟件為算法作曲平臺，該軟件在國外已較為成熟，但在國內的使用范圍還不是很廣，筆者經學習發(fā)現其實用性較

3、強，而且界面設計也十分友好，故花了一定的篇幅對其基本操作方法進行介紹。之后，在其上分別實現了一階和二階馬爾可夫鏈模型，并進行相應的驗證性實驗。從實驗結果來看，二階馬爾可夫鏈模型生成新樂曲的旋律線與用于訓練模型的原曲旋律線吻合度更高，效果更好。
　　本文不僅提出了ISM算法，還進一步將該算法和二階馬爾可夫鏈模型相結合，用實驗驗證了其在生成具有給定訓練樂曲音樂風格的新音符序列時的有效性，并以二者結合的方法探索性地創(chuàng)作了一曲名為《巴赫創(chuàng)