지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록· 키워드
오류제보하기
음원의 디지털화가 진행되면서 음악 데이터베이스가 방대해지고 있다. 따라서, 음악 데이터를 보다 효과적으로 관리하기 위해 음악의 특성에 따라 장르별로 자동 분류해주는 시스템이 필요하다. 기존 장르 분류 시스템은 대부분 Mel-Frequency Cepstral Coefficient (MFCC)를 특징 벡터로 이용하고 있다. 본 논문에서는 Auditory Filter Bank를 이용한 Decorrelated Filter Bank (DFB)와 Octave-based Spectral Contrast (OSC)에 texture window를 적용하여 특징을 추출한 후, Support Vector Machine (SVM)을 이용하여 장르 분류를 시도하였다. 기존의 Marsyas 장르 분류 시스템과 비교한 결과 DFB와 OSC로 복합적인 특징 벡터를 구성하면 더 적은 차수의 특징벡터를 사용함에도 4.2 %의 향상된 분류 성공률을 얻을 수 있었다.
목차
등록된 정보가 없습니다.
참고문헌 (15)
참고문헌 신청
N. Scaringella / 2006 / Automatic genre classification of music content: A survey / IEEE Signal Process 23(2):133~141
J. Foote / 1997 / Content-based retrieval of music and audio / Proc. SPIE Multimedia Storage Archiving Systems II :138~147
U. Bagci / 2007 / Automatic Classification of musical Genres using Inter-genre Similarity / IEEE Signal process. Letters 14(8):521~424
G. Tzanetakis / 2002 / Musical genre classification of audio signals / IEEE Trans. Speech Audio Process 10(5):293~302
D. N. Jiang / 2002 / Music type classification by spectral contrast feature / Proc. IEEE Int. Conf. Multimedia and Expo :113~116
J. Foote / 1997 / Content-based retrieval of music and audio / Proc. SPIE Multimedia Storage Archiving Systems II :138~147
U. Bagci / 2007 / Automatic Classification of musical Genres using Inter-genre Similarity / IEEE Signal process. Letters 14(8):521~424
G. Tzanetakis / 2002 / Musical genre classification of audio signals / IEEE Trans. Speech Audio Process 10(5):293~302
D. N. Jiang / 2002 / Music type classification by spectral contrast feature / Proc. IEEE Int. Conf. Multimedia and Expo :113~116
이 논문의 저자 정보
최근 본 자료
댓글(0)
0