کلاس بندی سبک موسیقی کلاسیک و جاز با استفاده از الگوریتم جستجوی هارمونی خود تطبیقی وpso

از آنجای که ژانر موسیقی رایج ترین روش مورد استفاده برای مدیریت پایگاه های داده موسیقی دیجیتال است تشخیص ژانر موسیقی وظیفه ای مهم است که از سوی انجمن تحقیقاتی بازیابی اطلاعات موسیقی از سال ۲۰۰۲ انجام شده است.در این راستا،یم سیستم کلاس بندی ژانر موسیقی خودکار،بر اساس یک تراژدی انتخاب ویژگی محلی به وسیله الگوریتم جستجوی هارمونی خود تطبیقی که در نهایت با دسته بند ماشین بردار پشتیبان به تشخیص و کلاس بندی ژانر موسیقی می پردازد،مورد ارزیابی قرار گرفته است.هدف از انتخاب ویژگی انتخاب مهم ترین و مرتبط ترین ویژگی هایی است که موجب تسهیل کلاس بندی می شوندو این کار با استفاده از الگوریتم های انتخاب زیر مجموعه انجام می شود.هدف این پژوهش مقایسه حداقل یک الگوریتم با دیگر الگوریتم SAHS لست برای دستیبی به نتیج بهتر که برای این منظور از الگوریتم ازدحام ذرات که از دسته الگوریتم های فرا اکتشافی است و مانند SAHS به انتخاب ویژگی ها می پردازد،استفاده شده است.در این الگوریتم جواب هایی تصادفی تولید می گردد که به آن ها ذره گفته می شود،هر ذره ویژگی های را انتخاب می کند سپس در تابع هدف گذاشته و میزان خطا را می یابد.همچنین با استفاده از قطعه بندی سیگنال ،سیگنال موسیقی به بخش های کوچکی در حوزه زمان تقسیم می گردد،سپس ویژگی های موسیقی (مانند شدت،گام،رنگ صدا،تونالیته و ریتم)استخراج شد. نتایج نشان داد که PSO در مقایسه با SAHS قوی تر و بهتر عمل کرده استفرا

Keywords:

ژانر موسیقی , الگوریتم جستجوی هارمونی خود تطبیقی SAHS , الگوریتم بهینه سازی ادحام ذرات PSO