С 17 марта 2020 г. для ресурсов (учебные, научные, материалы конференций, статьи из периодических изданий, авторефераты диссертаций, диссертации) ЭБ СПбПУ, обеспечивающих образовательный процесс, установлен особый режим использования. Обращаем внимание, что ВКР/НД не относятся к этой категории.

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: PDF
Language: Russian
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: Свободный доступ из сети Интернет (чтение, печать, копирование)

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

Annotation

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.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read Print Download
Internet Authorized users Read Print Download
-> Internet Anonymous

Document usage statistics

stat Document access count: 149
Last 30 days: 4
Detailed usage statistics