최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국음향학회지= The journal of the acoustical society of Korea, v.30 no.2, 2011년, pp.100 - 106
임신철 (세종대학교 정보통신공학과) , 장세진 (전자부품연구원 디지털미디어연구센터) , 이석필 (전자부품연구원 디지털미디어연구센터) , 김무영 (세종대학교 정보통신공학과)
Music recordings have been digitalized such that huge size of music database is available to the public. Thus, the automatic classification system of music genres is required to effectively manage the growing music database. Mel-Frequency Cepstral Coefficient (MFCC) is a popular feature vector for g...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
음악 데이터 분석에 의한 자동 장르 분류의 장점은? | 장르는 나라마다 혹은 사람마다 경계가 분명치 않고 문화, 가수, 시장에 따라 정의를 내리기 모호한 점이 있다[1]. 음악 데이터 분석에 의한 자동 장르 분류는 효율적인 데이터관리와 음악 추천 등 다양한 어플리케이션에 적용이 가능하다. 또한, 수작업으로 분류를 하지 않아 경제적으로도 효율성이 있다. 음악 데이터 분석에 의한 장르 분류는 특징 벡터 추출, 분류기 등 다양한 방법으로 연구가 진행되고 발전하고 있다 [2-9]. | |
장르 분류 시스템은 어떠한 과정으로 나눌 수 있는가? | 장르 분류 시스템은 그림 1과 같이 특징 추출 (feature extraction), 모델링 (modeling), 분류 (classification) 과정으로 나눌 수 있다. 먼저 음악 데이터베이스에서 특징을 추출한다. | |
장르 분류 시스템은 어떠한 과정을 통해 장르를 분류하게 되는가? | 장르 분류 시스템은 그림 1과 같이 특징 추출 (feature extraction), 모델링 (modeling), 분류 (classification) 과정으로 나눌 수 있다. 먼저 음악 데이터베이스에서 특징을 추출한다. 그 특징들을 모델링하여 모델을 생성한다. 그 후, 입력 음악에서 추출된 특징이 들어오면 생성된 모델을 이용한 분류기를 걸쳐 장르를 분류하게 된다. 음악의 특징 추출, 모델링 방법 그리고 분류 방법에 대한 자세한 내용은 다음과 같다. |
N. Scaringella, G. Zoia, and D. Mlynek, "Automatic genre classification of music content: A survey," IEEE Signal Process., vol. 23, no. 2, pp. 133-141, 2006.
J. Foote, "Content-based retrieval of music and audio," in Proc. SPIE Multimedia Storage Archiving Systems II, vol. 3229, pp. 138-147, 1997.
U. Bagci and E. Erzin, "Automatic Classification of musical Genres using Inter-genre Similarity," IEEE Signal process. Letters, vol. 14, no 8, pp. 521-424, 2007.
G. Tzanetakis and P. Cook, "Musical genre classification of audio signals," IEEE Trans. Speech Audio Process., vol. 10, no. 5, pp. 293-302, 2002.
D. N. Jiang, L. Lu, H. J. Zhang, J. H. Tao, and L. H. Cai, "Music type classification by spectral contrast feature," in Proc. IEEE Int. Conf. Multimedia and Expo, vol. 1, pp. 113- 116, 2002.
Y. Zhang and J. Zhou, "A study on content-based music classification," in Proc. Signal Process. and Its applications, vol. 2, pp. 113-116, 2003.
S. Z. Li, "Content-based classification and retrieval audio using the nearest feature line method," IEEE Trans. Speech and Audio Process., vol. 8, no. 5, pp. 619-625, 2000.
C. Xu, N. C. Maddage, and X, Shao, "Automatic music classification and summarization," IEEE Trans. Speech and Audio Process., vol. 13, no. 3, pp. 441-450, 2005.
박철의, 박만수, 김성탁, 김회린, "피치 히스토그램과 MFCC-VQ 동적 패턴을 사용한 음악검색," 한국음향학회지, 24권, 3호, 178-185쪽, 2005.
J. Ming, T. J. Hazen, J. R. Glass, and D. A. Reynolds, "Robust speaker recognition in noisy conditions," IEEE Trans. Audio, Speech, Language Process., vol. 15, no. 5, pp. 1711-1723, 2007.
J. Jung, K. Kim, and M. Y. Kim, "Noise robust speaker identification based on the advanced missing feature theory," Electronics Letters, vol. 46, no. 14, pp. 1027-1029, 2010.
Y. Wang, "A Tree-Based Multi-class SVM Classifier for Digital Library Document," in Proc. IEEE Int. Conf. Multimedia and Information Technology, pp. 15-18, 2008.
한학용, "패턴인식 개론 : MATLAB 실습을 통한 입체적 학습," 2005.
GTZAN Genre Collection Database, "http://marsyas.info/download/data_sets"
G. Tzanetakis, "MARSYAS SUBMISSIONS TO MIREX 2009," Music Information Retrieval Evaluation eXchange (MIREX), 2009.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.