Change search
ReferencesLink to record
Permanent link

Direct link
Perceptuell identifiering av musikgenre
KTH, School of Computer Science and Communication (CSC).
2014 (Swedish)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE creditsStudent thesis
Abstract [en]

This is a study in the field of Music Information Retrieval (MIR) concerning classification of musicgenre. The study uses a music listening experiment and machine learning methods to determinewhether or not the drum sounds from different songs contain sufficient information to classifygenre.MIR methods are used to extract data from the audio signals. The data is used together with theclassification results of the listening experiment to train different machine learning algorithms toclassify the songs in different genres.The results indicate that using only drum sounds for genre classifications works well, both forlisteners and for machine learning methods.

Abstract [sv]

Detta är en studie inom fältet Music Information Retrieval (MIR) som behandlar klassificering avmusikgenre. Studien använder ett lyssningsexperiment och maskininlärningsmetoder för attavgöra huruvida trumstämmorna från olika musikstycken innehåller tillräckligt information för attklassificera genre.MIRmetoderanvänds för att extrahera data från musikstycken baserade på innehållet iljudsignalen. Dessa data används tillsammans med klassificeringsresultat från lyssningsexperimentet för att träna olika maskin- inlärningsmetoder till att klassificeramusikstyckena i olika genrer. Resultaten visar att det fungerar väl att använda enbart trumljud för genreklassificering, både för lyssnare och för maskininlärningsmetoder

Place, publisher, year, edition, pages
National Category
Computer Science
URN: urn:nbn:se:kth:diva-157143OAI: diva2:769375
Available from: 2014-12-08 Created: 2014-12-08 Last updated: 2014-12-08Bibliographically approved

Open Access in DiVA

fulltext(589 kB)49 downloads
File information
File name FULLTEXT01.pdfFile size 589 kBChecksum SHA-512
Type fulltextMimetype application/pdf

By organisation
School of Computer Science and Communication (CSC)
Computer Science

Search outside of DiVA

GoogleGoogle Scholar
Total: 49 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

Total: 137 hits
ReferencesLink to record
Permanent link

Direct link