dc.rights.license | CC-BY-NC-ND | |
dc.contributor.advisor | Bloothooft, G. | |
dc.contributor.author | Bos, S.J. | |
dc.date.accessioned | 2013-10-22T17:00:56Z | |
dc.date.available | 2013-10-22 | |
dc.date.available | 2013-10-22T17:00:56Z | |
dc.date.issued | 2013 | |
dc.identifier.uri | https://studenttheses.uu.nl/handle/20.500.12932/15175 | |
dc.description.abstract | De automatische classificatie van muziek in genres is een van de onderwerpen die de laatste tien jaar in het onderzoeksveld van music information retrieval (MIR) veel aandacht heeft gekregen. In de automatische classificatie worden akoestische features gebruikt die de gemiddelde eigenschappen van een muziekstuk beschrijven. In deze scriptie is een methode onderzocht om daarnaast de temporele ontwikkeling van deze features in het muziekstuk te beschrijven en te gebruiken
een dataset met subgenres van elektronische muziek is voor dit onderzoek samengesteld. Op de gebruikte dataset leverden de features die temporele ontwikkeling beschrijven een verbetering van 5% ten opzichte van classificatie zonder gebruik te maken van temporele features. | |
dc.description.sponsorship | Utrecht University | |
dc.format.extent | 1336462 bytes | |
dc.format.mimetype | application/pdf | |
dc.language.iso | nl | |
dc.title | Temporele features in de classificatie van elektronische muziek in genres | |
dc.type.content | Bachelor Thesis | |
dc.rights.accessrights | Open Access | |
dc.subject.keywords | classificatie, muziek, mir, music information retrieval, temporele features, temporele ontwikkeling | |
dc.subject.courseuu | Kunstmatige Intelligentie | |