项目概述：

本选取了抖音当下最热门的 400 首音乐，通过一系列方法提取每首歌的波形特征，再经过降维以及机器学习等手段，进行无监督学习对音乐数据进行聚类的同时训练并使用监督学习分类器进行音乐流派分类，并通过可视化方法呈现分类聚类效果。

关键词：特征提取，PCA 主成分分析，Normalization 归一化，sklearn 机器学习，pytorch 神经网络，k-means 聚类，Librosa 音频处理，HMM 隐马尔可夫模型，midi 音序

二、引言

“短视频红了之后，所有人听歌都只是听那一段。老一辈人说老歌好听，新人听歌只有 15 秒。”

随着移动网络与数字多媒体技术的飞速发展，基于快餐文化而快速崛起的短视频平台已经充斥在人们生活的各个角落，而随着人们的生活进行的“越来越快”，人们的时间貌似也越来越值钱，原本十几分钟才能讲完的事情，被浓缩到几分钟，甚至是十几秒就要讲完。

文本变为视频，无疑是满足了人们对于外界认知的获取速率的要求，但短视频平台产生的海量，庞大的视频数据确实大大超出了受众的需求和接收能力，因此，在一个月活五亿的平台上脱颖而出，抓住观众的感官，让视频观看量达到成