4、音乐和声与数据分类方法的探索

音乐和声与数据分类方法的探索

1 音乐和声生成的相关研究

1.1 和声生成质量评估

在音乐和声生成方面，和声老师给出的高分表明，绝大多数生成的和声不仅在理论上正确，在音质上也表现出色。不过，有七个和声存在一些小瑕疵，部分问题可通过扩展适应度函数轻松解决。而且，专家认为生成的和声没有自动生成的特征，完全可与人类和声作品相媲美。例如，对于 D7 和弦，虽然当前的解决方案并非错误，但将其根音置于最低声部可能会产生更好的音效。

1.2 算法运行时间

算法的运行时间总结在下表中，按不同组分别统计。从表中可以看出，运行时间不取决于示例的复杂度，仅与长度有关。对第 1、2 和 4 组的时间关系进行粗略比较，表明其与和声长度呈准线性关系。
| 分组 | 平均值（秒） | 最小值（秒） | 最大值（秒） |
| ---- | ---- | ---- | ---- |
| 1 | 531.9 | 485.5 | 567.0 |
| 2 | 225.8 | 180.7 | 252.1 |
| 3 | 536.2 | 508.7 | 582.4 |
| 4 | 5633.2 | 5126.5 | 6357.8 |

1.3 解决方案建模

适应度函数由 22 个较小的函数组成，每个函数针对和声的一个特定方面进行评估。这些评估结果会乘以相应的权重（负权重表示惩罚，正权重表示奖励）。通过修改这些权重，可以调整某个方面相对于其他方面的相关性，从而对解决方案进行建模。

例如，对同一条旋律线进行两种不同的和声处理，分别强调开放位置和弦的奖励。第一种情况使用基本适应度函