음악 장르 분류를 위한 새로운 자동 Taxonomy 구축 알고리즘 (New Automatic Taxonomy Generation Algorithm for the Audio Genre Classification)

서지정보

· 발행기관 : 한국음향학회
· 수록지 정보 : 한국음향학회지 / 27권 / 3호 / 111 ~ 118페이지
· 저자명 : 최택성, 문선국, 박영철, 윤대희, 이석필

초록

본논문에서는음악장르분류를위한새로운자동Taxonomy구축알고리즘을제안한다. 제안된알고리즘은모든가능한
노드들의분류확률을예측하여예측된분류성능값이가장좋은조합을Taxonomy로구축하는것이다.제안된알고리즘에
서의 분류 확률 예측은 훈련 데이터를 k-fold cross validation을 이용하여 분류기에 적용함으로써 이루어진다. 제안된
알고리즘을기반으로한분류성능측정은2 클래스로이루어진각각의노드에2개범주분류에효과적인support vector
machine을 적용함으로써 이루어진다. 제안된 알고리즘의 성능 검증을 위해 음색, 리듬, 피치 등 오디오 신호의 특징을
나타내는 다양한 파라미터를 오디오 신호로부터 추출하여 제안된 알고리즘과 기존의 다중 범주 분류기들을 이용하여 분류
성능을평가하였다.다양한실험결과제안된알고리즘은기존의알고리즘에비하여5%에서25%정도의분류성능이향상된
것을확인할수있었고특히낮은차원의특징벡터를이용한분류실험에서는10%에서25%향상된좋은성능을보였다

영어초록

In this paper, we propose a new automatic taxonomy generation algorithm for the audio genre classification. The
proposed algorithm automatically generates hierarchical taxonomy based on the estimated classification accuracy
at all possible nodes. The estimation of classification accuracy in the proposed algorithm is conducted by applying
the training data to classifier using k-fold cross validation. Subsequent classification accuracy is then to be tested
at every node which consists of two clusters by applying one-versus-one support vector machine. In order to assess
the performance of the proposed algorithm, we extracted various features which represent characteristics such as
timbre, rhythm, pitch and so on. Then, we investigated classification performance using the proposed algorithm
and previous flat classifiers. The classification accuracy reaches to 89 percent with proposed scheme, which is 5
to 25 percent higher than the previous flat classification methods. Using low-dimensional feature vectors, in
particular, it is 10 to 25 percent higher than previous algorithms for classification experiments

참고자료

· 없음