音乐分类作为音乐信息检索的关键组成部分是处理海量音乐信息的重要手段。随着人们对音乐内容检索需求的提高,近年来音乐分类的研究主要集中在寻找基于音乐内容的流派和情感的分类方法上。然而使用人工标注分类成本高昂且不可扩展,所以实现自动标注分类成为现在主要的研究方向。在自动分类方法中,使用手工提取声学数字特征进行特征提取需要专业的先验知识和复杂的实验操作,工程实现面临着巨大的挑战。结合深度学习技术在图像识别领域的巨大成功,本文利用深度学习技术强大的特征自动提取能力来替代复杂的特征工程,通过改进的卷积神经网络对音乐音频分类进行了系统的研究,为音乐分类研究提供了一种新思路。针对音乐流派分类,本文直接使用声谱图作为模型输入,设计一维卷积神经网络(1 D-CNN)为特征提取模型,以声音轴作为宽度,频率轴作为通道,兼顾了音频时序特性和卷积局部感知特性。本文创造性地提出将密集连接网络的连接方式引入1D-CNN模型,实现了信息的复用和特征的交互。整体模型采用基于音频切片的方式进行卷积网络模型训练,通过平均音频各切片卷积网络输出特征形成音乐特征向量完成特征提取,充分利用了卷积网络特征提取的能力,最后使用支持向量机(SVM)作为分类器来提高特征分类性能。此外,本文提出了时间重叠裁剪和音调偏移方式进行数据增强。本文针对提出的模型(Dense+SVM)进行了详细的介绍,并且通过多组对比实验,证明了 Dense+SVM可以有效提升分类准确率。针对音乐情感分类,本文基于迁移学习来解决标注数据不足的问题,提出了两种迁移方法。第一种方法通过迁移卷积部分模型,实现流派和情感的模型参数知识共享,微调模型提取特征进行SVM分类。第二种方法进行了特征多层次融合迁移,通过将卷积层特征进行拼接形成特征向量,将低级语义信息和高级语义信息结合起来,并且结合了主成分分析(PCA)进行特征主成分选取,减少冗余特征,实现分类器输入特征的有效降维。实验表明,本文提出的特征多层次融合和降维方法可以有效提升情感分类的准确率。