{"title":"数据挖掘应用于音乐类型的自动分类","authors":"P. Moreira, D. F. Tsunoda","doi":"10.5335/RBCA.V11I3.9157","DOIUrl":null,"url":null,"abstract":"Tem por objetivo classificar gêneros musicais automaticamente por meio de algoritmos de Mineração de Dados, considerando descritores extraídos do sinal de áudio. Identifica na Last.fm as 150 músicas mais populares de sete gêneros musicais (Rock, Jazz, POP, Música Clássica, MPB, Heavy Metal e Samba). Mediante a extração de descritores relacionados ao sinal de áudio destas músicas, aplica os algoritmos Random Forest; Bayes Net; C4.5; KNN e as estratégias Bagging e Boosting para a classificação. Obtém como melhor resultado 66,67% de acerto com o algoritmo C4.5 para classificação entre Samba e MPB. Constata que a classificação de gêneros musicais se apresenta como um \"problema interessante\" para estudos que envolvem técnicas de Machine Learning. Estimula a continuidade de estudos semelhantes aplicando algoritmos baseados em Redes Neurais e Algoritmos Genéticos.","PeriodicalId":41711,"journal":{"name":"Revista Brasileira de Computacao Aplicada","volume":null,"pages":null},"PeriodicalIF":0.2000,"publicationDate":"2019-09-10","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"https://sci-hub-pdf.com/10.5335/RBCA.V11I3.9157","citationCount":"0","resultStr":"{\"title\":\"Mineração de dados aplicada à classificação automática de gêneros musicais\",\"authors\":\"P. Moreira, D. F. Tsunoda\",\"doi\":\"10.5335/RBCA.V11I3.9157\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Tem por objetivo classificar gêneros musicais automaticamente por meio de algoritmos de Mineração de Dados, considerando descritores extraídos do sinal de áudio. Identifica na Last.fm as 150 músicas mais populares de sete gêneros musicais (Rock, Jazz, POP, Música Clássica, MPB, Heavy Metal e Samba). Mediante a extração de descritores relacionados ao sinal de áudio destas músicas, aplica os algoritmos Random Forest; Bayes Net; C4.5; KNN e as estratégias Bagging e Boosting para a classificação. Obtém como melhor resultado 66,67% de acerto com o algoritmo C4.5 para classificação entre Samba e MPB. Constata que a classificação de gêneros musicais se apresenta como um \\\"problema interessante\\\" para estudos que envolvem técnicas de Machine Learning. Estimula a continuidade de estudos semelhantes aplicando algoritmos baseados em Redes Neurais e Algoritmos Genéticos.\",\"PeriodicalId\":41711,\"journal\":{\"name\":\"Revista Brasileira de Computacao Aplicada\",\"volume\":null,\"pages\":null},\"PeriodicalIF\":0.2000,\"publicationDate\":\"2019-09-10\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"https://sci-hub-pdf.com/10.5335/RBCA.V11I3.9157\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Revista Brasileira de Computacao Aplicada\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.5335/RBCA.V11I3.9157\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"Q4\",\"JCRName\":\"COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Revista Brasileira de Computacao Aplicada","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5335/RBCA.V11I3.9157","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS","Score":null,"Total":0}
Mineração de dados aplicada à classificação automática de gêneros musicais
Tem por objetivo classificar gêneros musicais automaticamente por meio de algoritmos de Mineração de Dados, considerando descritores extraídos do sinal de áudio. Identifica na Last.fm as 150 músicas mais populares de sete gêneros musicais (Rock, Jazz, POP, Música Clássica, MPB, Heavy Metal e Samba). Mediante a extração de descritores relacionados ao sinal de áudio destas músicas, aplica os algoritmos Random Forest; Bayes Net; C4.5; KNN e as estratégias Bagging e Boosting para a classificação. Obtém como melhor resultado 66,67% de acerto com o algoritmo C4.5 para classificação entre Samba e MPB. Constata que a classificação de gêneros musicais se apresenta como um "problema interessante" para estudos que envolvem técnicas de Machine Learning. Estimula a continuidade de estudos semelhantes aplicando algoritmos baseados em Redes Neurais e Algoritmos Genéticos.
京公网安备 11010802042870号
京ICP备2023020795号-1
分享
求助内容：
应助结果提醒方式：
扫码关注我们
