Geri Dön

Boosting classifiers for automatic music genre classification

Müzik türlerinin otomatik sınıflandırılması için yükseltgeme (boosting) sınıflandırıcılarının kullanımı

  1. Tez No: 198559
  2. Yazar: ULAŞ BAĞCI
  3. Danışmanlar: YRD. DOÇ. DR. ENGİN ERZİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2005
  8. Dil: İngilizce
  9. Üniversite: Koç Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 66

Özet

Müzik türlerinin sınıflandırılması, müzik bilgi erişimi sistemlerinde ve farklı medya or-u u u sütamlarında ünemli bir araş olarak kullanılmaktadır. Oznitelik şıkarma ve sınıflandırıcıo c ctasarımı müzik türlerinin sınıflandırılmasında iki onemli problem olarak karşımıza şıkmaktadır.u u s cBu tezde, istatistiksel olarak daha iyi sınıflandırıcı oluşturabilmek icin Gauss karışımı modellis s(GMM) sınıflandırıcıların farklılıklar güzetilerek yükseltilmesi (Boosting) ve müzik türleri-o u u uarası benzerliklerini(IGS) kullanarak yükseltme algoritmasına alternatif bir yüntem sunul-u omaktadir. Sınıflandırıcı yükseltilmesi, her bir eğitilmiş sınıflandırıcıda sınıflandırılmasi zoru g solan ürneklerin yeniden modellenmesi ve yeni modellenen bu sınıflandırıcıların ardısık olarakobirleştirilmesi ile sağlanır. Bu tezde, gauss karışım modellerinin en büyük olabilirlik kestirimines g s uudayanan eğitim yünteminin sınıflandırıcı yükseltme yapısına uyumunu sağlayan yeni birg o u gteknik sunulmaktadir. Sınıflandırıcı yükseltilmesi düsüncesinden yola cıkarak geliştirdiğimizu uu s gIGS düzeneğinde ise, benzer kesişim üznitelik vektürleri olarak adlandırdığımız yanlış sınıflandırılanu 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 classification is an important tool for music information retrieval systemsand has been finding important applications in various media platforms. Two importantproblems of the automatic music genre classification are feature extraction and classifier de-sign. There are recent works on these problems with promising future research directions.This thesis investigates discriminative boosting of classifiers to improve the automatic musicgenre classification performance. Two-class of classifiers, boosting of the Gaussian mixturemodel based classifiers and classifiers that are using the inter-genre similarity information,are proposed. Boosting is a technique that combines sequentially trained classifiers, wherein each new classifier a better modeling of hard-to-classify samples is done, and the over-all performance is boosted in the combined classifier. In this thesis a novel extension isproposed to the maximum-likelihood based training of the Gaussian mixtures to integrateGMM classifier into boosting architecture. Later, the boosting idea is modified to bettermodel the inter-genre similarity information over the mis-classified feature population. Oncethe inter-genre similarities are modeled, elimination of the inter-genre similarities reducesthe inter-genre confusion and improves the identification rates. Finally, an auto-clusteringscheme is build to determine similar music genre types for hierarchical classifier structure.Experimental results with promising identification improvements are provided.ii

Benzer Tezler

  1. Automatic tooth detection and labelling from panaromic radiographic images

    Panaromik radyografik resimlerden dişlerin otomatik tespit edilmesi ve etiketlenmesi

    SELMA GÜZEL

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. KADİR TUFAN

    YRD. DOÇ. DR. A.BETÜL OKTAY

  2. 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

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiBursa Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÖKAY BAYRAK

  3. 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

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. AYBARS UĞUR

  4. 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

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgi Güvenliği Mühendisliği Ana Bilim Dalı

    PROF. DR. AYSUN COŞKUN

  5. Automatic spectrum sensing technique using support vector machine in cognitive radio network

    Başlık çevirisi yok

    MUSTAFA KAMAL YAWER ARKWAZEE

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik MühendisliğiAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUHAMMAD ILYAS