Klasifikace hudebních žánrů pomocí MFCC
MFCC Based Music Genre Classification
Typ dokumentu
bakalářská prácebachelor thesis
Autor
Melechovský Jan
Vedoucí práce
Rund František
Oponent práce
Pobořil Adam
Studijní obor
Multimediální technikaStudijní program
Komunikace, multimédia a elektronikaInstituce přidělující hodnost
katedra radioelektronikyObhájeno
2017-06-21Práva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznamAbstrakt
Tato bakalářská práce se zabývá problematikou automatické klasifikace hudebních žánrů. Cílem je vytvořit algoritmus schopný třídit hudbu dle hudebních žánrů. Audio signál se nejdříve dělí na kratší časové úseky zvané segmenty a dále na kratší minisegmenty, ve kterých je spočteno několik koeficientů MFCC. Koeficienty jsou zpracovány pomocí statistických veličin aritmetického průměru a směrodatné odchylky. Klasifikaci realizuje klasifikátor k-NN. Algoritmus rozpoznává 8 žánrů: Classical, Electro, Folk, Hip Hop, Jazz, Metal, Pop, Reggae. Bylo dosaženo úspěšnosti 68,8 % v pomalé verzi a 67,2 % v rychlé verzi algoritmu. This bachelor's thesis deals with automatic music genre classification. The goal is to create an algorithm able to distinguish music by music genres. At first, the audio signal is divided into smaller frames called segments and further into even smaller frames called minisegments. The MFCCs are taken from each minisegment. Using mean and standard deviation, the coefficients are integrated in a segment. We further use the k-NN algorithm to classify music genres. The following music genres are distinguished: Classical, Electro, Folk, Hip Hop, Jazz, Metal, Pop, Reggae. A total of 68,8 % success rate has been reached for the slower version and 67,2 % for the faster version of the algorithm.
Kolekce
- Bakalářské práce - 13137 [297]