prikaz prve stranice dokumenta Klasifikacija glazbenih djela po žanrovima
  Preuzmi
PDF 1.72 MB
diplomski rad
Klasifikacija glazbenih djela po žanrovima
Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2021. urn:nbn:hr:200:229480
Bošnjak, Dominik
Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
Zavod za računalno inženjerstvo i automatiku
Katedra za automatiku i robotiku

Institucijski repozitorij: Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek

Citirajte ovaj rad

Bošnjak, D. (2021). Klasifikacija glazbenih djela po žanrovima (Diplomski rad). Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:200:229480

Bošnjak, Dominik. "Klasifikacija glazbenih djela po žanrovima." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2021. https://urn.nsk.hr/urn:nbn:hr:200:229480

Bošnjak, Dominik. "Klasifikacija glazbenih djela po žanrovima." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2021. https://urn.nsk.hr/urn:nbn:hr:200:229480

Bošnjak, D. (2021). 'Klasifikacija glazbenih djela po žanrovima', Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, citirano: 27.11.2024., https://urn.nsk.hr/urn:nbn:hr:200:229480

Bošnjak D. Klasifikacija glazbenih djela po žanrovima [Diplomski rad]. Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek; 2021 [pristupljeno 27.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:229480

D. Bošnjak, "Klasifikacija glazbenih djela po žanrovima", Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, Osijek, 2021. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:229480

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:200:229480
Podaci o radu
NaslovKlasifikacija glazbenih djela po žanrovima
Naslov (engleski)Music Genre Classification
AutorDominik Bošnjak
MentorEmmanuel Karlo Nyarko (mentor)
Član povjerenstvaEmmanuel Karlo Nyarko (predsjednik povjerenstva)
Član povjerenstvaRatko Grbić (član povjerenstva)
Član povjerenstvaPetra Pejić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
(Zavod za računalno inženjerstvo i automatiku)
(Katedra za automatiku i robotiku)
Osijek
Datum i država obrane2021-10-05, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Umjetna inteligencija
Sažetak
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.
Sažetak (engleski)
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.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:200:229480
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2021-11-24 12:54:11