Ідентифікація музичного твору на основі аудіо контенту. Застосування кластерного аналізу під час формування шаблонів музичних творів в базах даних, що дозволяє зменшити обсяги пам"яті для їх зберігання. Порівняння фрагменту музичного твору з шаблонами.
При низкой оригинальности работы "Підхід до оцінювання тривалості фрагмента для пошуку музичного твору за заданим шаблоном", Вы можете повысить уникальность этой работы до 80-100%
МІЖНАРОДНИЙ НАУКОВО-ТЕХНІЧНИЙ ЖУРНАЛ “ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ ТА КОМПЮТЕРНА ІНЖЕНЕРІЯ” Вінницький національний технічний університет, м.Застосовано кластерний аналіз під час формування шаблонів музичних творів в БД, що дозволяє зменшити обсяги памяті для їх зберігання. Визначено мінімальну тривалість фрагменту, що дозволяє суттєво зменшити складність обчислень в процесі ідентифікації музичного твору. Статья относится к области информационных технологий, в частности идентификации музыкального произведения по аудио контенту. Теоретически обоснована возможность идентификации музыкального произведения по его фрагменту. Применен кластерный анализ при формировании шаблонов музыкальных произведений в БД, что позволяет уменьшить объемы памяти для их хранения.Виходячи з вищесказаного, суть пошуку музичного твору на основі аудіо контенту полягає в тому, щоб автоматично отримувати файли аудіо записів музичних творів, подібних до заданого аудіо запису під час запиту. Разом з тим зменшення тривалості фрагменту може зумовити зростання ймовірності помилки під час ідентифікації музичного твору. Метою даної статті є теоретичне обґрунтування можливості ідентифікації музичного твору за його фрагментом та мінімальної тривалості фрагменту, що дозволяє зменшити складність обчислень в процесі автоматизованої ідентифікації музичного твору. Для реалізації системи ідентифікації музичного твору необхідно розвязати такі задачі: 1) обрати параметри, які дозволили б однозначно та компактно описати музичний твір; 2) створити швидкий та надійний метод порівняння за обраними параметрами вхідного фрагменту музичного твору та попередньо створених еталонів (шаблонів), що зберігаються в базі даних; 3) обґрунтувати мінімальну тривалість фрагменту, який дозволяє ідентифікувати музичний твір; 4) провести експериментальну Після визначення параметрів для опису музичних творів, необхідно перейти до етапу пошуку музичного твору серед шаблонів БД, тобто порівняння невідомого музичного твору з шаблонами та визначення шаблону, розходженням з яким буде мінімальним.В роботі теоретично обґрунтовано можливість ідентифікації музичного твору за його фрагментом на основі приведеної власної відстані (МО похибки кластеризації), значення якої не залежить від кількості фреймів (тривалості запису).
Вывод
В роботі теоретично обґрунтовано можливість ідентифікації музичного твору за його фрагментом на основі приведеної власної відстані (МО похибки кластеризації), значення якої не залежить від кількості фреймів (тривалості запису). Запропоновано аналітичний вираз для визначення власного шаблону музичного твору на основі його фрагменту. Визначено мінімальну тривалість фрагменту (5с), що дозволяє зменшити складність обчислень в десятки разів в процесі автоматизованої ідентифікації музичного твору. Проведені експериментальні дослідження підтвердили справедливість наведених теоретичних положень.
Список литературы
1. Cano P. A review of audio fingerprinting / P. Cano, E. Batlle, T. Kalker, and J. Haitsma // Journal of VLSI Signal Processing. - 2005. - no. 41. - pp. 271-284.
2. Downie J.S. Music information retrieval / J.S. Downie // Annual Review of Information Science and Technology. - 2003. - no. 37. - pp. 295-340.
3. Hoashi K. Personalization of user profiles for content-based music retrieval based on relevance Feedback / K. Hoashi, K. Matsumoto, and N. Inoue // Proceedings of the ACM International Conference on Multimedia. - 2003. - pp. 110-119.
39
ISSN 1999-9941, “ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ ТА КОМПЮТЕРНА ІНЖЕНЕРІЯ”, 2014, № 1
4. Wang Y. Multimedia content analysis using both audio and visual cues / Y. Wang, Z. Liu, and J. C. Huang // IEEE signal processing magazine. - 2000. - no. 17. - pp. 12-36.
5. Grosche P. Audio content-based music retrieval / P. Grosche, M. Muller, J. Serra // Dagstuhl Follow-Ups Multimodal Music Processing. - V. 3. - Dagstuhl, Germany. - 2012. - pp. 157-175.
6. Ganchev T. Comparative evaluation of various mfcc implementations on the speaker verification task / T. Ganchev, N. Fakotakis, and G. Kokkinakis // Proceedings of 9th International Conference on Speech and Computer, SPECOM’05. - 2005. - pp. 191-194.
7. Logan B. A music similarity function based on signal analysis / B. Logan and A. Salomon // Proc. IEEE Int. Conf. Multimedia Expo. - 2001. - pp. 745-748.
8. Tzanetakis G. Musical genre classification of audio signals / G. Tzanetakis and P. Cook // IEEE Trans. Speech Audio Process. - No. 5. - V. 10. - 2002. - pp. 293-301.
9. Senin P. Dynamic time warping algorithm review / P. Senin - Honolulu, USA. - 2008.
10.Gersho A. Vector Quantization and Signal Compression. / A. Gersho, R. M. Gray. - Boston: Kluwer Academic. - 1992. - 760 p.
11.Jain A. K. Algorithms for Clustering Data / A. K. Jain, R. C. Dubes. - Englewood Cliffs, N.J.: Prentice Hall. - 1988. - 334 p.
12.Ткаченко О.М. Метод кластеризації на основі послідовного запуску k-середніх з удосконаленим вибором кандидата на нову позицію вставки / О. М. Ткаченко, О. Ф. Грійо Тукало, О. В. Дзісь, С. М. Лаховець // Електронний журнал «Наукові праці ВНТУ». - №2. - В.2. - Вінниця: ВНТУ. - 2012. ?
13.Lartillot O. A Matlab Toolbox for Musical Feature Extraction From Audio / O. Lartillot, P. Toiviainen // International Conference on Digital Audio E ects. - Bordeaux, France. - 2007.
Стаття надійшла:20.02.2014.
Інформація про авторів
Ткаченко Олександр Миколайович - к.т.н., доцент кафедри обчислювальної техніки, Вінницький національний технічний університет, Хмельницьке шосе, 95, м. Вінниця, alextk1960@gmail.com.
Грійо Тукало Оксана Франсисківна - аспірант кафедри обчислювальної техніки, Вінницький національний технічний університет, Хмельницьке шосе, 95, м. Вінниця, xxmargoxx@gmail.com.
40
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
