Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Nonlinear Forecasting of Energy Futures Kapitel lesen Erstes Kapitel lesen

2019 | OriginalPaper | Buchkapitel

Classification of Music Genres by Means of Listening Tests and Decision Algorithms

verfasst von : Aleksandra Dorochowicz, Piotr Hoffmann, Agata Majdańczuk, Bożena Kostek

Erschienen in: Intelligent Methods and Big Data in Industrial Applications

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The paper compares the results of audio excerpt assignment to a music genre obtained in listening tests and classification by means of decision algorithms. A short review on music description employing music styles and genres is given. Then, assumptions of listening tests to be carried out along with an online survey for assigning audio samples to selected music genres are presented. A framework for music parametrization is created resulting in feature vectors, which are checked for data redundancy. Finally, the effectiveness of the automatic music genre classification employing two decision algorithms is presented. Conclusions contain the results of the comparative analysis of the results obtained in listening tests and automatic genre classification.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel An HMM-Based Framework for Supporting Accurate Classification of Music Datasets
Nächstes Kapitel Handwritten Signature Verification System Employing Wireless Biometric Pen
Literatur
1.
Abramowitz, M., Stegun, I.A.: Handbook of Mathematical Functions with Formulas, Graphs, and Mathematical Tables, 9th printing. Dover, New York (1972)MATH
2.
3.
Benward, B., Saker, M.: Music: In Theory and Practice, 7th ed., vol. I, p. 12 (2003)
4.
Candel, D., Nanculef, R., Concha, C., Allende, H.: A Sequential Minimal Optimization Algorithm for the All-Distances Support Vector Machine, CIARP 2010, LNCS, vol. 6419, pp. 484–491. Springer, Berlin, 2010CrossRef
5.
6.
Dorochowicz, A., Majdańczuk, A.: Conducting subjective listening tests of an audio graphic equalizer with automatic music genre recognition. M.Sc., Faculty of ETI, Gdansk University of Technology, Gdańsk, 2016 (in Polish)
7.
Friedman, N., Geiger, D., Goldszmidt, M.: Bayesian network classifiers. Mach. Learn. 29, 139–164
8.
9.
10.
11.
Kostek, B., Hoffmann, P., Kaczmarek, A., Spaleniak, P.: Creating a Reliable Music Discovery and Recommendation System, pp. 107–130. Springer (2013)
12.
13.
14.
Pascall, R.: The New Grove Dictionary of Music and Musicians, red. Stanley Sadie, 24, 2/London, pp. 638–642 (2001)
15.
Platt, J.: Sequential Minimal Optimization: A Fast Algorithm for Training Support Vector Machines, Microsoft Research MSR-TR-98-14 (1998)
16.
17.
18.
Seidel, W., Leisinger, U.: Die Musik in Geschichte und Gegenwart, ed. Ludwig Finscher, Sachteil, 8, Kassel-Basel-etc., pp. 1740–1759 (1998)
19.
Tofallis, A.: A better measure of relative prediction accuracy for model selection and model estimation. J. Oper. Res. Soc. (2015)
20.
Williams, L.J., Abdi, H.: Principal component analysis. Wiley Interdiscip. Rev.: Comput. Stat. 2 (2010)
Metadaten
Titel
Classification of Music Genres by Means of Listening Tests and Decision Algorithms
verfasst von
Aleksandra Dorochowicz
Piotr Hoffmann
Agata Majdańczuk
Bożena Kostek
Copyright-Jahr
2019
Buch
Intelligent Methods and Big Data in Industrial Applications

Print ISBN: 978-3-319-77603-3

Electronic ISBN: 978-3-319-77604-0

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-3-319-77604-0_21