Klasifikacija žanra pjesme

undergraduate thesis

• Title (english): Music Genre Classification
• Author: Ivan Strizrep
• Mentor: Ana Sović Kržić (mentor)
• Committee member: Ana Sović Kržić (predsjednik povjerenstva)
• Committee member: Ivan Ralašić (član povjerenstva)
• Committee member: Matea Đonlić (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2017-07-10, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing

Abstract

U radu je opisan postupak klasifikacije hrvatske tradicijske glazbe obzirom na regionalnu pripadnost. Navedene su sve regije, pjesme koje ih predstavljaju i karakteristike glazbe pojedine regije. Zatim je opisan postupak ekstrakcije značajki iz pjesama te su definirane sve značajke dobivene ekstrakcijom. Primarno korištenu značajku predstavljaju mel-frekvencijski kepstralni koeficijenti. Također korištene značajke su broj prolazaka kroz nulu i glasnoća zvuka. Svi izračunati koeficijenti poslužili su za strojno učenje. Metodom potpornih vektora pjesme su klasificirane sa uspješnošću od 81%.

Abstract (english)

This work describes the classification process of Croatian traditional music considering their regional affiliation. All regions, songs that represent them and characteristics of music of particular region are listed. Afterwards, the extraction procedure of the features from the songs is described and all the features obtained by extraction are defined. The primary used feature is mel-frequency cepstral coefficients. As well used features are zero crossing rate and sound volume. All calculated coefficients were used for machine learning. By the support vector machine songs are classified with a performance of 81%.

• Keywords: žanr; klasifikacija; glazba; ekstrakcija; mel-frekvencijski kepstralni koeficijenti; broj prolazaka kroz nulu; glasnoća zvuka; strojno učenje; metoda potpornih vektora
• Keywords (english): genre; classification; music; extraction; mel-frequency cepstral coefficients; zero crossing rate; volume; machine learning; support vector machine
• Language: croatian
• URN:NBN: urn:nbn:hr:168:725269
• Study programme: Title: Computing; Study programme type: university; Study level: undergraduate; Academic / professional title: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2019-03-14 01:00:16