音乐情感认知的研究,旨在通过一系列方法使得计算机能够对音乐情感进行自动识别,并赋予计算机认知音乐情感的能力。音乐情感认知研究的目的是更加有效地利用音乐情感,并将其认知理论应用于其他多媒体研究领域。目前,这一研究主要应用于音乐情感检索和音乐管理,根据音乐行为学的研究发现,“音乐情感”已成为人们最常用的音乐检索方式之一。然而传统的音乐检索方法大多根据音乐风格、歌曲名、专辑名等人工设定的分类进行检索,无法根据音乐的实质情感信息来检索。因此,根据“音乐情感类别检索”是目前的应用需求。音乐情感认知研究,兼具较高的科学理论研究价值,以及广阔的应用前景。自20世纪以来,音乐情感认知的命题得到了越来越多科学家的关注,并引发了多学科,多层面的研究探讨,领域涉及认知行为学、计算机科学、神经科学、心理学、医学以及生物学。其中,人工智能领域的机器学习方法为音乐情感的研究创造了更多技术可能性,通过用音乐特征提取工具获得音乐片段中的情感特征,再利用机器学习算法构建音乐情感认知数据模型,实现计算机智能识别音乐情感。学者们通过尝试不同的方法以及多学科的交叉研究创造了许多优秀的研究成果,极大促进了音乐情感认知理论及其应用的发展。然而,音乐情感认知研究仍然处于初期阶段,若要构建出表现出色的音乐情感认知算法模型,研究还需建立在更庞大的音乐数据库、更多维度的音乐特征信息的基础上。本论文从机器学习的角度研究音乐情感认知问题,探索音乐特征信息与音乐情感认知之间的函数关系,基于创建的中国民族音乐情感数据库,比较支持向量机算法、BP神经网络算法以及线性回归算法在音乐情感认知上的模型表现,最后通过表现最优的支持向量机算法构建音乐情感认知模型,有效地识别音乐情感。本论文结合计算机科学、音乐学、人工智能方法、认知心理学以及中国文化特征等多学科的研究工作,经过中国民族音乐搜集、中国民族音乐数据库构建、音乐特征信息提取、音乐情感特征建模的研究工作,最终构建开发了基于情感的中国民族音乐检索系统,以及应用于音乐治疗的医疗音乐DJ系统,具体的研究成果及创新点包括以下内容：(1) 在计算机音乐的相关研究基础上,针对中国民族音乐展开深入研究。首先对中国民族音乐资源进行广泛搜集,建立中国民族音乐库。接着基于Hevner音乐情感模型,组织实验对中国民族音乐曲目进行音乐情感人工标注,获得首个中国民族音乐情感特征库。(2) 基于中国民族音乐情感特征库,引入机器学习方法,对音乐情感特征进行建模,并比较多种算法,寻找出一个具有较高识别率的模型,同时进一步提高模型抗噪能力和泛化能力,最终建立了一个表现较好的音乐情感认知模型。(3) 利用中国民族音乐情感识别模型以及中国民族音乐库,开发了一个中国民族音乐情感检索系统。系统能够通过情感关键词的检索方式对中国民族音乐库进行检索,用户可以选择情感类别以及情感强度来得到相应的检索反馈。此外,鉴于音乐治疗方面的相关研究,引入生理特征信息,分析音乐情感对生理信息的影响,构建出应用于医疗领域的音乐推荐系统,旨在构建一个可预测、可分析的医疗音乐推荐系统。音乐情感认知的研究成果具有扩展性和推广性,对于信号处理、模式识别、人机交互、多媒体技术、人工智能领域的技术完善和发展具有重要的指导意义。