Boosting classifiers for automatic music genre classification
Müzik türlerinin otomatik sınıflandırılması için yükseltgeme (boosting) sınıflandırıcılarının kullanımı
- Tez No: 198559
- Danışmanlar: YRD. DOÇ. DR. ENGİN ERZİN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2005
- Dil: İngilizce
- Üniversite: Koç Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 66
Özet
Müzik türlerinin sınıï¬andırılması, müzik bilgi erişimi sistemlerinde ve farklı medya or-u u u sütamlarında ünemli bir araş olarak kullanılmaktadır. Oznitelik şıkarma ve sınıï¬andırıcıo c ctasarımı müzik türlerinin sınıï¬andırılmasında iki onemli problem olarak karşımıza şıkmaktadır.u u s cBu tezde, istatistiksel olarak daha iyi sınıï¬andırıcı oluşturabilmek icin Gauss karışımı modellis s(GMM) sınıï¬andırıcıların farklılıklar güzetilerek yükseltilmesi (Boosting) ve müzik türleri-o u u uarası benzerliklerini(IGS) kullanarak yükseltme algoritmasına alternatif bir yüntem sunul-u omaktadir. Sınıï¬andırıcı yükseltilmesi, her bir eğitilmiş sınıï¬andırıcıda sınıï¬andırılmasi zoru g solan ürneklerin yeniden modellenmesi ve yeni modellenen bu sınıï¬andırıcıların ardısık olarakobirleştirilmesi ile sağlanır. Bu tezde, gauss karışım modellerinin en büyük olabilirlik kestirimines g s uudayanan eğitim yünteminin sınıï¬andırıcı yükseltme yapısına uyumunu sağlayan yeni birg o u gteknik sunulmaktadir. Sınıï¬andırıcı yükseltilmesi düsüncesinden yola cıkarak geliştirdiğimizu uu s gIGS düzeneğinde ise, benzer kesişim üznitelik vektürleri olarak adlandırdığımız yanlış sınıï¬andırılanu g so o g svektürler biraraya geldikten sonra gauss karışımlarıyla yeniden modellenir ve müzik türlerio s u uarasındaki bozulma oranının düsük olması işin test aşamasında yanlış tanınan ürnekleruu c s s osistemden atılır. Tezin son kısmında ise müzik türlerinin birbirine benzerliklerini Euclidian-u uuzaklığı esas alarak otomatik bir şekilde bulan bir yüntem geliştirilmiştir.g s o s sii
Özet (Çeviri)
Music genre classiï¬cation is an important tool for music information retrieval systemsand has been ï¬nding important applications in various media platforms. Two importantproblems of the automatic music genre classiï¬cation are feature extraction and classiï¬er de-sign. There are recent works on these problems with promising future research directions.This thesis investigates discriminative boosting of classiï¬ers to improve the automatic musicgenre classiï¬cation performance. Two-class of classiï¬ers, boosting of the Gaussian mixturemodel based classiï¬ers and classiï¬ers that are using the inter-genre similarity information,are proposed. Boosting is a technique that combines sequentially trained classiï¬ers, wherein each new classiï¬er a better modeling of hard-to-classify samples is done, and the over-all performance is boosted in the combined classiï¬er. In this thesis a novel extension isproposed to the maximum-likelihood based training of the Gaussian mixtures to integrateGMM classiï¬er into boosting architecture. Later, the boosting idea is modiï¬ed to bettermodel the inter-genre similarity information over the mis-classiï¬ed feature population. Oncethe inter-genre similarities are modeled, elimination of the inter-genre similarities reducesthe inter-genre confusion and improves the identiï¬cation rates. Finally, an auto-clusteringscheme is build to determine similar music genre types for hierarchical classiï¬er structure.Experimental results with promising identiï¬cation improvements are provided.ii
Benzer Tezler
- Automatic tooth detection and labelling from panaromic radiographic images
Panaromik radyografik resimlerden dişlerin otomatik tespit edilmesi ve etiketlenmesi
SELMA GÜZEL
Yüksek Lisans
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. KADİR TUFAN
YRD. DOÇ. DR. A.BETÜL OKTAY
- Mikroşebekelerde ada mod çalışmanın tespiti ve güç kalitesi olaylarının sınıflandırılması için yapay zekâ tabanlı kontrol yöntemlerinin geliştirilmesi
Development of artificial intelligence based control methods for detection of islanding conditions and classification of power quality events in microgrids
ALPER YILMAZ
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiBursa Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKAY BAYRAK
- Topluluk öğrenme yöntemini kullanarak twitter verisi üzerinde duygu algılama ve tanıma
Emotion detection and recognition on twitter using ensemble learning
SEBİLE TELLİ
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AYBARS UĞUR
- Mobil uygulama ağ trafiğinin derin öğrenme yöntemleri kullanılarak sınıflandırılması
Classification of mobile application network traffic using deep learning methods
İMREN DAŞDEMİR YAŞAR
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgi Güvenliği Mühendisliği Ana Bilim Dalı
PROF. DR. AYSUN COŞKUN
- Automatic spectrum sensing technique using support vector machine in cognitive radio network
Başlık çevirisi yok
MUSTAFA KAMAL YAWER ARKWAZEE
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMAD ILYAS