허밍 질의 기반 음악 검색을 위한 동적 타임 워핑의 성능 향상 방법 :Query By Humming By Using Scaled Dynamic Time Warping

김윤지

추천

검색

자료유형: 학위논문

저자정보: 김윤지 (충남대학교, 忠南大學校大學院)

지도교수: 朴貞姬

발행연도: 2014

저작권: 충남대학교 논문은 저작권에 의해 보호받습니다.

이용수0

이 논문의 연구 히스토리 (2)

2014

허밍 질의 기반 음악 검색을 위한 동적 타임 워핑의 성능 향상 방법

김윤지 , 박정희 정보과학회논문지 : 소프트웨어 및 응용 2014.04 학술저널

허밍 질의 기반 음악 검색을 위한 동적 타임 워핑의 성능 향상 방법

김윤지 컴퓨터공학과 2014.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

Query by Singing/Humming(QBSH) is to retrieve songs in the music database using user’s singing or humming. (Open-End) Dynamic Time Warping((OE)DTW) is one of the methods which are commonly used in QBSH studies. This paper proposes a method for improving (OE)DTW performance using an optimal scaling factor taken from Linear Scaling phase. By using linear scaling, the optimal scaling factor is found and the scaled query and mean shifted target song are generated for (OE)DTW input. The proposed method is effective in minimizing the influence of global variation for inaccurate input queries and gives better performance in terms of search accuracy. The experimental results demonstrate that the proposed method can improve Top-1 hit rate compared with the original (OE)DTW.

1. 서 론 1
2. 관련연구 4
2.1. 노트(note) 기반 방법 4
2.1.1 Hidden Markov Model(HMM) 4
2.1.2 Earth Mover’s Distance(EMD) 6
2.2. 프레임(frame) 기반 방법 7
2.2.1 Linear Scaling(LS) 7
2.2.2 Recursive Alignment(RA) 8
2.2.3 Dynamic Time Warping(DTW) 9
2.2.4 Open-End DTW(OEDTW) 10
2.3. 다양한 방법의 결합 12
3. 제안하는 방법 13
3.1. 제안하는 방법 : Scaled (OE)DTW 14
3.1.1 단계1?LS를 이용하여 최적의 스케일링 팩터 구하는 방법 14
3.1.2 단계2?최적의 스케일링 팩터를 적용한 S(OE)DTW 방법 15
3.2. 매칭 시간을 줄이기 위한 방법 18
4. 실험 및 결과분석 20
4.1. 데이터 전처리 과정 20
4.2. 스케일링 팩터의 비교 및 분포 22
4.3. 다양한 매칭 방법으로 측정한 성능 분석 26
4.4. 매칭 시간 단축 방법 비교 실험 30
5. 결 론 32
참고문헌 33

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)