Details
| Title | 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 |
|---|---|
| Creators | Сашко Олеся Александровна |
| Scientific adviser | Сениченков Юрий Борисович |
| Organization | Санкт-Петербургский политехнический университет Петра Великого. Высшая школа программной инженерии |
| Imprint | Санкт-Петербург, 2018 |
| Collection | Выпускные квалификационные работы ; Общая коллекция |
| Subjects | машинное обучение ; классификация жанра ; алгоритм К ближайших соседей ; мел-частотные кепстральные коэффициенты (MFCC) |
| Document type | Bachelor graduation qualification work |
| File type | |
| Language | Russian |
| Level of education | Bachelor |
| Speciality code (FGOS) | 02.03.02 |
| Speciality group (FGOS) | 020000 - Компьютерные и информационные науки |
| Links | Отзыв руководителя |
| DOI | 10.18720/SPBPU/2/v18-4945 |
| Rights | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
| Record key | RU\SPSTU\edoc\57315 |
| Record create date | 11/20/2018 |
Allowed Actions
–
Action 'Read' will be available if you login or access site from another network
Action 'Download' will be available if you login or access site from another network
| Group | Anonymous |
|---|---|
| Network | Internet |
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.
| Network | User group | Action |
|---|---|---|
| ILC SPbPU Local Network | All |
|
| Internet | Authorized users SPbPU |
|
| Internet | Anonymous |
|
Access count: 170
Last 30 days: 0
