کلاس بندی سبک موسیقی متال و راک با استفاده از الگوریتم جستجوی هارمونی خود تطبیقی وPSO abstract
هدف از پژوهش حاضر کلاس بندی سبک موسیقی متال و راک با استفاده از الگوریتم جستجوی هارمونی خود تطبیقی و PSOمی باشد. داده های این پژوهش، ۴۰ قطعه موسیقی در ۲ ژانر مختلف راک و متال میباشند. این مجموعه از منابع اینترنت دانلود شده است. قطعات موسیقی برش داده شده و طول زمانی آنها ۳۰ ثانیه بوده و برخی از قطعات فقط بخشی از یک موسیقی اجراشده میباشند به این معنی که دارای ابتدا و انتهای اصل قطعه موسیقی نیستند. با این روش، میتوان هر بخش از هر قطعه موسیقی را پردازش کرده و ژانر آن را تشخیص داد. نوآوری این پژوهش، استخراج ویژگیهای قطعات موسیقی در ژانرهای مختلف با استفاده از قطعه بندی سیگنال موسیقی میباشد. در ابتدا قطعات موسیقی نامگذاری میشوند. این سیگنالها در حوزه زمان، قطعهبندی میگردند. سپس فراخوانی شده و ویژگیهای آنها استخراج میگردد. ویژگیهای عبور از صفر، ثقل طیفی، بیشینه نرخ هارمونی، هموارسازی طیف، ثقل تونال، همبستگی تمپو و طیف تمپو بهمنظور تشخیص گام، طنین، تونالیته و ریتم موسیقی استخراج میشوند. شماره دسته های صدا به روزرسانی شده تا تمامی قطعات موسیقی فراخوانی شده پردازش گردند. الگوریتم بهینه سازی ازدحام ذرات وارد عمل شده تا با جستجوی پاسخ بهینه، موثرترین ویژگی ها را در دسته بندی ژانر انتخاب نماید تا از این طریق سیستم بهینهشده و کاهش ابعاد داده رخ دهد. نتایج نشان داد عملکرد سیستم پیشنهادی برای دسته بندی ژانرهای در نظر گرفته شده مناسب بوده و
دسته بند SVM همانند مقاله پایه به خوبی این دسته بندی را انجام داده است.