MIDI（Musical Instrument Digital Interface）是一种可以用计算机编辑的数字音乐格式,广泛应用于音乐的创作与编辑。随着大数据时代下数字音乐的快速发展,音乐资源呈现爆发式增长,但是大量MIDI音乐资源过于分散,音乐制作人在创作时无法在海量的MIDI音乐库中迅速选择出自己所需要的音乐资源。为了缩短音乐制作人搜索音乐素材的时间,提高工作效率,本文改进了skyline算法,通过多音轨聚类对主旋律进行提取,将MIDI音乐主旋律中的特征量作为BP神经网络的输入进行音乐分类,并结合传统的推荐算法,提出了一种基于用户协同过滤的AHP混合音乐推荐算法。通过合理的需求分析,设计并实现了便于音乐制作人使用的基于混合算法的MIDI音乐推荐系统。具体工作内容如下:（1）通过改进skyline算法,按照音轨块特征量将音轨块生成音符矩阵,提出一种多音轨聚类的主旋律提取算法,并对该算法的准确率进行验证,实验结果证明此算法可以有效地提取出MIDI文件中的主旋律。通过MIDI音乐特征的计算方法,将主旋律中的特征量计算出来。（2）结合MIDI音乐的主旋律特征量对BP神经网络进行深入研究,设计出基于BP神经网络的音乐风格分类流程,建立完整的MIDI音乐风格分类模型,对该分类模型的准确率进行验证,并将实验结果与其他分类算法进行比较,结果证明该分类方法能够较为准确地完成不同风格音乐的分类。（3）针对传统单一推荐算法无法有效解决音乐推荐过程中准确度的问题,提出一种基于用户协同过滤的AHP混合音乐推荐算法。首先通过协同过滤算法确定相似用户,再通过AHP层次分析法计算用户的音乐偏好程度,最后使用特征补充式混合算法将两种推荐算法进行融合,提升推荐效率,从而更加准确地对音乐制作人进行推荐。（4）结合音乐推荐系统的实际需求,在核心算法的基础上进行整体结构设计、数据库设计以及推荐系统各模块的功能设计,最终设计了基于混合算法的MIDI音乐推荐系统,实现了系统基础功能和音乐推荐功能,能够满足音乐制作人的个性化音乐推荐需求。