prikaz prve stranice dokumenta Klasifikacija glazbenih djela po žanrovima
  Download
PDF 1.72 MB
master's thesis
Klasifikacija glazbenih djela po žanrovima
2021. urn:nbn:hr:200:229480
Bošnjak, Dominik
Josip Juraj Strossmayer University of Osijek
Faculty of Electrical Engineering, Computer Science and Information Technology Osijek
Department of Computer Engineering and Automation
Chair of Automation and Robotics

Cite this document

Bošnjak, D. (2021). Klasifikacija glazbenih djela po žanrovima (Master's thesis). Retrieved from https://urn.nsk.hr/urn:nbn:hr:200:229480

Bošnjak, Dominik. "Klasifikacija glazbenih djela po žanrovima." Master's thesis, Josip Juraj Strossmayer University of Osijek, Faculty of Electrical Engineering, Computer Science and Information Technology Osijek, 2021. https://urn.nsk.hr/urn:nbn:hr:200:229480

Bošnjak, Dominik. "Klasifikacija glazbenih djela po žanrovima." Master's thesis, Josip Juraj Strossmayer University of Osijek, Faculty of Electrical Engineering, Computer Science and Information Technology Osijek, 2021. https://urn.nsk.hr/urn:nbn:hr:200:229480

Bošnjak, D. (2021). 'Klasifikacija glazbenih djela po žanrovima', Master's thesis, Josip Juraj Strossmayer University of Osijek, Faculty of Electrical Engineering, Computer Science and Information Technology Osijek, accessed 25 May 2022, https://urn.nsk.hr/urn:nbn:hr:200:229480

Bošnjak D. Klasifikacija glazbenih djela po žanrovima [Master's thesis]. Osijek: Josip Juraj Strossmayer University of Osijek, Faculty of Electrical Engineering, Computer Science and Information Technology Osijek; 2021 [cited 2022 May 25] Available at: https://urn.nsk.hr/urn:nbn:hr:200:229480

D. Bošnjak, "Klasifikacija glazbenih djela po žanrovima", Master's thesis, Josip Juraj Strossmayer University of Osijek, Faculty of Electrical Engineering, Computer Science and Information Technology Osijek, Osijek, 2021. Available at: https://urn.nsk.hr/urn:nbn:hr:200:229480

Please login to the repository to save this object to your list.
Metadata
TitleKlasifikacija glazbenih djela po žanrovima
Title (english)Music Genre Classification
AuthorDominik Bošnjak
MentorEmmanuel Karlo Nyarko (mentor)
Committee memberEmmanuel Karlo Nyarko (predsjednik povjerenstva)
Committee memberRatko Grbić (član povjerenstva)
Committee memberPetra Pejić (član povjerenstva)
GranterJosip Juraj Strossmayer University of Osijek
Faculty of Electrical Engineering, Computer Science and Information Technology Osijek
(Department of Computer Engineering and Automation)
(Chair of Automation and Robotics)
Osijek
Defense date and country2021-10-05, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Artificial Intelligence
Abstract
Kroz rad diskutiran je problem klasifikacije glazbenih djela po žanrovima. Postavljena je problematika te su sagledani mogući pristupi rješavanju problema. Dani su dostupni podatkovni skupovi za problematiku te je obrazložen proces izabiranja značajki koje bi mogle dostatno prikazati različite aspekte glazbe ovisno o žanru. Nadalje, uspoređeno je nekoliko mogućih metoda za klasifikaciju, konkretno metoda K najbližih susjeda, stroj sa potpornim vektorima te neuronske mreže. Za svaku od metoda pružen je kratki opis te proces treniranja. Nakon treniranja prikazani su dobiveni rezultati te je odrađena usporedba koja je pokazala uspješnost modela. Neuronske mreže pokazale su se najuspješnijima, za njima slijedi stroj sa potpornim vektorima te je „najlošije“ rezultate dala metoda K najbližih susjeda. Također, usporedbom je utvrđeno kako postoje određeni trendovi vezani za klasifikaciju žanrova pa je tako bez obzira na metodu, Klasična glazba uvijek bila najtočnije klasificirana, dok su najgori rezultati dobiveni za Rock žanr. U konačnici, pokazano je kako odabrane metode daju podjednake rezultate iz čega slijedi zaključak da za poboljšanje rezultata nisu potrebi novi, sofisticiraniji algoritmi i tehnologije, već da bi se fokus trebao prebaciti na kreiranje cjelovitijih podatkovnih skupova te na proces izvlačenja značajki koje bi vjernije prikazivale glazbeni žanr u pogledu numeričkih vrijednosti.
Abstract (english)
The problem of music genre classification is discussed in this paper. The scope of the problem is given along with possible solutions. Next, available datasets are listed and feature extraction process for sufficient music genre representation is explained. Furthermore, several classification methods are compared, specifically K Nearest Neighbors, Support Vector Machines and Neural Networks. For each method a short description along with training process is provided. Afterwards, obtained results are compared between methods. Neural Networks have proven to be most successful, followed by Support Vector Machines and finally K Nearest Neighbors with the lowest success rate. Likewise, comparison has shown that there are some trends within the dataset samples hence no matter which method was used, Classical music always had the highest, while Rock music showed the lowest accuracy amongst the genres. Ultimately it has been shown how the evaluated methods give similar results from which it can be concluded that for obtaining higher accuracies there is no need for more sophisticated algorithms or new technologies, but more effort needs to be invested in creating better datasets. Likewise, features for better musical genre representation could be considered.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:200:229480
Study programmeTitle: Graduate University Study Programme in Computer Engineering
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsOpen access
Terms of useLicence In copyright icon
Created on2021-11-24 12:54:11