بهینه سازی پارامترهای ماشین بردار پشتیبان با استفاده از الگوریتم ژنتیک برای تشخیص سیگنال موسیقی

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 866

This Paper With 5 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICEEE08_070

تاریخ نمایه سازی: 11 مرداد 1396

Abstract:

تشخیص خودکار سیگنال آلات موسیقی در بسیاری از سیستم های هوشمند آهنگ سازی و نوازندگی کاربرد فراوان دارد. ماشین بردار پشتیبان با کرنل RBF از موفق ترین روش های دسته بندی در تشخیص خودکار آلات موسیقی شناخته می شود. میزان تشخیص و دقت دسته بندی ماشین بردار پیشتیبان به پارامترهای کرنل RBF وابسته است. بنابراین انتخاب بهترین مقادیر برای پارامتر های کرنل RBF بسیار مهم و اساسی است. روش ارایه شده در این مقاله برای رفع این چالش، استفاده از الگوریتم ژنتیک است. که پارامترها را برای کرنل RBF انتخاب می کند. و با استفاده از پارامترهای انتخاب شده کرنل RBF دسته بندی ماشین بردار پشتیبان آموزش داده میشود. با توجه به نتایج به نتایج بدست آمده استفاده از روش پیشنهادی سبب می شود میزان دقت تشخیص آلات موسیقی به میزان 0.32 درصد افزایش پیدا کرده و به 98.5 درصد رسیده است

Keywords:

اSVM- Music genre classificationclassification , Genetic Algorithm

Authors

محمدرضا ظریف

دانشگاه آزاد اسلامی واحد فردوس، فردوس، ایران

هومن کاشانیان

عضو هیات علمی گروه کامپیوتر دانشگاه آزاد اسلامی واحد فردوس،فردوس، ایران

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 :
  • C. H. Teo, A. Smola, S. V. V ishwanathan, and ...
  • W. M. Campbell, _ covariance kernel for SVM languagerec ognition, ...
  • V. Mitra, H. Franco, M. Graciarena, and A. Mandal, «Normalized ...
  • W. M. Campbell, _ covariance kernel for SVM ...
  • _ angu agerecogniti on, ? Proc.ICASSP 108, pp. 4141-4144, 2008 ...
  • Z. Su and T. Wu, 4Music walk, fractal geometry in ...
  • Athanas iaZlatintsi and PetrosMaragos , 'MUS ICAL INS TRUMENTS SIGNAL ...
  • AthanasiaZlat intsi, Student Member" Multiscale Fractal Analysis of Musical Instrument ...
  • Monica Mundada , Bharti Gawali , Sangramsing Kayte, "Recognition and ...
  • Philip S.J. Weston a, , Michael D. Hunter a, Dilraj ...
  • Navid Khozein Ghanad, Mahsa vafaee "Combination MFCC and LPCC feature ...
  • A. Eronen, ،Musical instrument recognition using ICA-based transform of features ...
  • A. Pikrakis, S. Theodoridis, and D. Kamarotos, «Classification of musical ...
  • A. Eronen, 4Comparison of features for musical instrument recognition, ? ...
  • A. Nielsen, S. Sigurdsson, L. Hansen, and J. Arenas-Garcia, «4On ...
  • Mahmood Hosseini, Morteza Zahedi, "speaker verification using MFCC feature and ...
  • Siddharth Sigtia and Simon Dixon. Improved music feature learning with ...
  • Chang-Hsing Lee, Hwai-San Lin, Ling-Hwei Chen, " Music Classification Using ...
  • نمایش کامل مراجع