بازیابی موسیقی بر اساس تشخیص ژانر
Publish place: 12th Iranian Conference on Intelligent Systems
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 991
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICS12_016
تاریخ نمایه سازی: 11 مرداد 1393
Abstract:
یک سامانه بازیابی موسیقی، سیگنال پرس و جو را از کاربر دریافت کرده و پس از انجام پردازش های لازم و استخراج اطلاعات از آن، شبیه ترین داده های موجود در سامانه را پیدا می کند. در واقع می توان گفت یک سامانه بازیابی موسیقی به صورت بنیادی،وظیفه پردازش و بازیابی الگوی موسیقی و داده کاوی و دانش یابی موسیقایی را بر عهده دارد. در این مقاله ، روشی برا ی بازیابی موسیقی ارائه می شود که سیگنال پرس و جو در آن، یک قطعه چند ثانیه ای از موسیقی مطلوب است. در بخش استخراج ویژگی، از گوناگونی استفاده می شود که یک مرحله همجوشی ویژگی روی آنها انجام می شود . برای تشخیص ژانر از دو روش طبق ه بند یاستفاده شده است: 1) نزدیکترین همسایه 2) درخت تصمیم. در مرحله بعد از فاصله اقلیدسی برای بازیابی نهایی قطعات در ژانر مربوطه استفاده می شود. نتایج آزمایش روش پیشنهادی روی مجموعه ای از 1000 قطعه موسیقی از 10 ژانر و محاسبه پارامترهایrecall و precision بر پایه آن نتایج، نشان دهنده کارآمدی روش بازیابی موسیقی بر اساس تشخیص ژانر و دستیابی به دقت قابل قبول و عملکرد مطلوب از نظر کاربر است. به علاوه استفاده از تشخیص ژانر در روش پیشنهادی باعث کاهش قابل توجه حجم محاسبات و در نتیجه زمان پاسخ نسبت به دیگر روشهای بازیابی موسیقی که از این مشخصه استفاده نمی کنند می شود. نتایج روش پیشنهادی، صحت 98 % در بازیابی موسیقی با مجموعه ای از سیگنالهای پرس و جو تصادفی را نشان می دهد
Keywords:
Authors
نسترن برجیان
دانشجوی دکتری، دانشگاه تربیت مدرس ، تهران
احسان اله کبیر
استاد، دانشگاه تربیت مدرس ، تهران
الیپس مسیحی
استادیار، دانشگاه تربیت مدرس ، تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :