Kullanım Kılavuzu
Neden sadece 3 sonuç görüntüleyebiliyorum?
Sadece üye olan kurumların ağından bağlandığınız da tüm sonuçları görüntüleyebilirsiniz. Üye olmayan kurumlar için kurum yetkililerinin başvurması durumunda 1 aylık ücretsiz deneme sürümü açmaktayız.
Benim olmayan çok sonuç geliyor?
Birçok kaynakça da atıflar "Soyad, İ" olarak gösterildiği için özellikle Soyad ve isminin baş harfi aynı olan akademisyenlerin atıfları zaman zaman karışabilmektedir. Bu sorun tüm dünyadaki atıf dizinlerinin sıkça karşılaştığı bir sorundur.
Sadece ilgili makaleme yapılan atıfları nasıl görebilirim?
Makalenizin ismini arattıktan sonra detaylar kısmına bastığınız anda seçtiğiniz makaleye yapılan atıfları görebilirsiniz.
 Görüntüleme 15
 İndirme 1
Ses analizi ile müzik türlerinin sınıflandırılmasına yönelik kapsamlı bir çalışma
2024
Dergi:  
Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi
Yazar:  
Özet:

Ses analizi hastalık tespiti, duygu analizi, müzik türleri sınıflandırma gibi birçok alanda uygulanabilen bir analiz türüdür. Ses karakteristik özellikleri ile probleme göre görüntü analizi, veri analizi uygulanarak sınıflandırma yapılabilmektedir. Bu çalışmada, ses karakteristik özellikleri çıkarılarak müzik türlerinin sınıflandırması gerçekleştirilmiştir. Veri seti olarak 10 müzik türü etiketinden oluşan GTZAN kullanılmıştır. Analiz aşamasında, ses bölütleme işlemi ve özellik seçme yöntemlerinin de müzik türünü sınıflandırmaya etkisi araştırılmıştır. Sınıflandırma için makine öğrenme yöntemleri ve derin sinir ağlarından yararlanılmıştır. Analizin ilk aşamasında, sadece ses bölütleme işlemi uygulanmasıyla doğruluk değeri %10.58 artış göstermiştir. Çalışmanın sonucunda, ses bölütleme işlemi ve özellik seçme yöntemleri uygulanması sonrasında öğrenme yöntemlerinden Derin Sinir Ağları yöntemi %95.19 doğruluk değeriyle %14.19 başarı artışı sağlamıştır.

Anahtar Kelimeler:

A Comprehensive Study Of Classification Of Music Genres With Voice Analysis
2024
Yazar:  
Özet:

Voice analysis is a type of analysis that can be applied in many areas such as disease detection, emotion analysis, and classification of music genres. Classification can be made by applying image or data analysis according to the problem with voice characteristics. In this study, the classification of music genres was performed by extracting the voice characteristics. GTZAN, which consists of 10 music genre tags, was used as the dataset. In the analysis phase, the effects of audio segmentation and feature selection methods on the classification of music genres were investigated. Machine learning methods and deep neural networks were used for classification. In the first stage of the analysis, the accuracy value increased by 10.58% by applying only the audio segmentation. As a result of this study, after the application of audio segmentation and feature selection methods, Deep Neural Network provided an increase of 14.19% with an accuracy of 95.19%.

Anahtar Kelimeler:

Atıf Yapanlar
Bilgi: Bu yayına herhangi bir atıf yapılmamıştır.
Benzer Makaleler








Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi

Alan :   Mühendislik

Dergi Türü :   Uluslararası

Metrikler
Makale : 448
Atıf : 210
Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi