A comparision of different classification systems for automatic singer identification
Otomatik şarkıcı tanımada farklı sınıflandırma sistemlerinin karşılaştırılması
- Tez No: 276570
- Danışmanlar: YRD. DOÇ. DR. DAMLA KUNTALP
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Gauss karışım modeli, Gaussian mixture model
- Yıl: 2009
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu projede otomatik şarkıcı tanıma problemi için yöntemler incelenmiş ve 15 şarkıcı için bir otomatik şarkıcı tanıma sistemi oluşturulmuştur. Sistem iki aşamadan oluşmaktadır. Öncelikle sistem girdisi olarak kullanılan şarkı vokal kısım yani şarkıcının sesiyle beraber enstrüman seslerinin olduğu ve vokal olmayan kısım yani sadece enstrüman seslerinin olduğu kısım olarak ikiye ayrılır. Daha sonra şarkıcı tanıma ve sınıflandırma için tanıma aşaması gerçekleştirilir. Her iki aşamada da ses öznitelikleri çıkarma ve sınıflandırma işlemleri uygulanmaktadır. Öznitelik çıkarma işleminden önce şarkıya örnekleme düşürme, normalleştirme, çerçeveleme ve pencereleme gibi ön işlemler uygulanır. Öznitelik olarak enerji, spektral akı, sıfır geçiş oranı, mel frekansı cepstrum katsayıları (MFCC) ve doğrusal öngörülü cepstrum katsayıları (LPCC) kullanılır. Daha sonra bu öznitelikler kullanılarak şarkıcıyı belirlemek için destek vektör makineleri (SVM), çoklu gauss karışım modelleri (GMM) ve çok katmanlı algılayıcılarla (MLP) sınıflandırıcılar oluşturulur.
Özet (Çeviri)
In this project, methods for automatic singer identification problem are investigated, and a singer identification system for 15 singers is implemented. The system consists of two parts. Firstly, the song as the input of the system is segmented into two parts: vocal part, which consists of the singers? voice and instrument sounds, and non-vocal part which consists of only instruments? sounds. Then, the identification step for modeling and classification of singer is applied. Both steps consist of the audio feature extraction and classification methods. In the beginning of feature extraction, preprocessing is applied to data such as down-sampling, normalization, pre-emphasizing, frame blocking and windowing. Energy, spectral flux, zero crossing rate, mel frequency cepstrum coefficients (MFCC) and linear prediction cepstrum coefficients (LPCC) are used for feature extraction. Then, support vector machine (SVM), gaussian mixture model (GMM) and multilayer perceptron (MLP) classifiers are constructed for classification of the singer with using all these extracted features.
Benzer Tezler
- Yeni nesil telsiz haberleşme sistemleri için otomatik modülasyon tanıma
Automatic modulation identification for new generation wireless communication systems
YEŞİM HEKİM TANÇ
Doktora
Türkçe
2015
Elektrik ve Elektronik Mühendisliğiİstanbul ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AYDIN AKAN
- A system implementation for analyzing and tracking motile objects in biomedical images
Biyomedikal görüntülerde hareketli nesnelerin analizi ve takibi için bir sistem gerçeklemesi
HAMZA OSMAN İLHAN
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NİZAMETTİN AYDIN
- Yapay Zeka'nın robot görmesi üzerine uygulanması
An Application of robot vision in artificial intelligence
FUNDA PEHLİVAN
- Markov zincirleri ile pazar payı tahmini ve renkli televizyon pazarına ilişkin bir uygulama
Market share estimation of colored TV with markov chains for the period of 1990-1995
BÜLENT MENGÜÇ