Abstrakt
The aim of this paper is to investigate music genre recognition in the rough set-based environment. Experiments involve a parameterized music data-base containing 1100 music excerpts. The database is divided into 11 classes cor-responding to music genres. Tests are conducted using the Rough Set Exploration System (RSES), a toolset for analyzing data with the use of methods based on the rough set theory. Classification effectiveness employing rough sets is compared against k-Nearest Neighbors (k-NN) and Local Transfer function classifiers (LTF-C). Results obtained are analyzed in terms of global class recognition and also per genre.
Cytowania
-
5
CrossRef
-
0
Web of Science
-
5
Scopus
Autorzy (2)
Cytuj jako
Pełna treść
pełna treść publikacji nie jest dostępna w portalu
Słowa kluczowe
Informacje szczegółowe
- Kategoria:
- Aktywność konferencyjna
- Typ:
- publikacja w wydawnictwie zbiorowym recenzowanym (także w materiałach konferencyjnych)
- Tytuł wydania:
- Pattern Recognition and Machine Intelligence strony 377 - 386
- Język:
- angielski
- Rok wydania:
- 2015
- Opis bibliograficzny:
- Hoffmann P., Kostek B.: Music Genre Recognition in the Rough Set-Based Environment// Pattern Recognition and Machine Intelligence/ ed. Marzena Kryszkiewicz : Springer, 2015, s.377-386
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1007/978-3-319-19941-2_36
- Weryfikacja:
- Politechnika Gdańska
wyświetlono 120 razy