Детальная информация
Название | Разработка и реализация алгоритма идентификации жанра музыкального произведения на основе аудиозаписи: выпускная квалификационная работа бакалавра: 02.03.02 - Фундаментальная информатика и информационные технологии ; 02.03.02_02 - Информатика и компьютерные науки |
---|---|
Авторы | Сашко Олеся Александровна |
Научный руководитель | Сениченков Юрий Борисович |
Организация | Санкт-Петербургский политехнический университет Петра Великого. Высшая школа программной инженерии |
Выходные сведения | Санкт-Петербург, 2018 |
Коллекция | Выпускные квалификационные работы ; Общая коллекция |
Тематика | машинное обучение ; классификация жанра ; алгоритм К ближайших соседей ; мел-частотные кепстральные коэффициенты (MFCC) |
Тип документа | Выпускная квалификационная работа бакалавра |
Тип файла | |
Язык | Русский |
Уровень высшего образования | Бакалавриат |
Код специальности ФГОС | 02.03.02 |
Группа специальностей ФГОС | 020000 - Компьютерные и информационные науки |
Ссылки | Отзыв руководителя |
DOI | 10.18720/SPBPU/2/v18-4945 |
Права доступа | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
Ключ записи | RU\SPSTU\edoc\57315 |
Дата создания записи | 20.11.2018 |
Разрешенные действия
–
Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Группа | Анонимные пользователи |
---|---|
Сеть | Интернет |
Музыкальный жанр - это некая описательная категория, которая чаще всего применяется для характеристики музыки, и несущая в себе значимую информацию для поиска музыкальной записи. В данной работе представлена реализация алгоритма идентификации жанра музыкального произведения с использованием модифицированного подхода классификации KNN для набора данных .Ballroom.. В качестве векторов признаков использовались коэффициенты MFCC, их производные первого и второго порядка и темп, вычисленный с помощью Librosa, одной из библиотек Python. Предлагаемый подход обеспечивает точность классификации 92,1%, что превосходит результаты, представленные в обзоре.
Место доступа | Группа пользователей | Действие |
---|---|---|
Локальная сеть ИБК СПбПУ | Все |
|
Интернет | Авторизованные пользователи СПбПУ |
|
Интернет | Анонимные пользователи |
|
Количество обращений: 170
За последние 30 дней: 0