초록 ▼

음악 장르 분류 방법은 복수의 오디오 파일들에 각각 상응하는 은닉 마코프 모델(HMM, Hidden Markov Model)들을 생성하는 단계 및 생성된 은닉 마코프 모델(HMM)들 간의 유사도를 기초로 오디오 파일들을 클러스터링하여 오디오 파일들을 음악 장르별로 분류하는 단계를 포함하고, 복수의 오디오 파일들에 각각 상응하는 은닉 마코프 모델(HMM)들을 생성하는 단계는 복수의 오디오 파일들을 구성하는 각 오디오 파일에 대하여, 오디오 파일로부터 나온 오디오 신호를 독립성분분석(ICA, independent component an

음악 장르 분류 방법은 복수의 오디오 파일들에 각각 상응하는 은닉 마코프 모델(HMM, Hidden Markov Model)들을 생성하는 단계 및 생성된 은닉 마코프 모델(HMM)들 간의 유사도를 기초로 오디오 파일들을 클러스터링하여 오디오 파일들을 음악 장르별로 분류하는 단계를 포함하고, 복수의 오디오 파일들에 각각 상응하는 은닉 마코프 모델(HMM)들을 생성하는 단계는 복수의 오디오 파일들을 구성하는 각 오디오 파일에 대하여, 오디오 파일로부터 나온 오디오 신호를 독립성분분석(ICA, independent component analysis)하여 오디오 신호에 상응하는 독립 신호들을 생성하는 단계, 생성된 독립 신호들이 가진 에너지를 기초로 독립 신호들 중 적어도 하나의 독립 신호를 주 신호로 선정하는 단계, 주 신호로부터 오디오 특성 파라미터를 추출하는 단계 및 추출된 오디오 특성 파라미터를 기초로 오디오 파일에 대한 은닉 마코프 모델(HMM, Hidden Markov Model)을 생성하는 단계를 포함한다.

대표청구항 ▼

복수의 오디오 파일들에 상응하는 은닉 마코프 모델(HMM, Hidden Markov Model)들을 생성하는 단계; 및상기 생성된 은닉 마코프 모델(HMM)들 간의 유사도를 기초로, 상기 오디오 파일들을 클러스터링하여 상기 오디오 파일들을 음악 장르별로 분류하는 단계를 포함하고,상기 복수의 오디오 파일들에 상응하는 은닉 마코프 모델(HMM)들을 생성하는 단계는상기 복수의 오디오 파일들을 구성하는 각 오디오 파일에 대하여, 상기 오디오 파일로부터 나온 오디오 신호를 독립성분분석(ICA, independent component anal

복수의 오디오 파일들에 상응하는 은닉 마코프 모델(HMM, Hidden Markov Model)들을 생성하는 단계; 및상기 생성된 은닉 마코프 모델(HMM)들 간의 유사도를 기초로, 상기 오디오 파일들을 클러스터링하여 상기 오디오 파일들을 음악 장르별로 분류하는 단계를 포함하고,상기 복수의 오디오 파일들에 상응하는 은닉 마코프 모델(HMM)들을 생성하는 단계는상기 복수의 오디오 파일들을 구성하는 각 오디오 파일에 대하여, 상기 오디오 파일로부터 나온 오디오 신호를 독립성분분석(ICA, independent component analysis)하여 상기 오디오 신호에 상응하는 독립 신호들을 생성하는 단계;상기 생성된 독립 신호들이 가진 에너지를 기초로, 상기 독립 신호들 중 적어도 하나의 독립 신호를 주 신호로 선정하는 단계;상기 주 신호로부터 오디오 특성 파라미터를 추출하는 단계; 및상기 추출된 오디오 특성 파라미터를 기초로, 상기 오디오 파일에 대한 은닉 마코프 모델(HMM, Hidden Markov Model)을 생성하는 단계를 포함하며,상기 생성된 독립 신호들이 가진 에너지를 기초로, 상기 독립 신호들 중 적어도 하나의 독립 신호를 주 신호로 선정하는 단계는, 상기 생성된 독립 신호들이 가지는 에너지들을 비교하여, 상기 생성된 독립 신호들 중 가장 많은 에너지를 가지는 독립 신호를 상기 주 신호로 선정하는 음악 장르 분류 방법.