Введение 5
1. Задача распознавания аккордов 6
1.1. Мотивировка 6
1.2. Постановка задачи 6
1.3. Математическая интерпретация 7
2. Обзор методов распознавания аккордов 8
3. Теоретические основы музыки 10
4. Подходы к решению задачи 12
4.1. Машинное обучение 12
4.2. Извлечение признаков 12
4.3. Алгоритмы 13
4.3.1. Наивный Байесовский классификатор 14
4.3.2. Метод ближайших соседей 15
4.3.3. Метод опорных векторов 15
5. Эксперименты 17
5.1. Данные 17
5.1.1. Описание входных данных 17
5.1.2. Обработка коллекции 18
5.2. Методы оценки точности алгоритмов машинного обучения 19
5.2.1. Кросс-валидация по музыкальным композициям . 19
5.2.2. Accuracy 20
5.2.3. Chord Symbol Recall 20
5.3. Применение алгоритмов машинного обучения для музыкальной коллекции 22
5.3.1. Результаты метода кросс-валидации по музыкаль
ным композициям 22
5.3.2. Результаты оценки CSR 27
6. Заключение
Список литературы
Объем цифрового контента, проходящего и хранящегося в интернете, растет ежегодно. По данным J’son & Partners Consulting на сегодняшний день самыми быстрорастущими жанрами цифрового контента стали видео и музыка. Лавинообразный рост видео и музыкальной информации, который на 2012 год составил 62% и 99% соответственно, приводит к необходимости анализа данных и, в частности, музыкального контента [12].
Задача научного исследования музыки определяет ряд направлений, таких как классификация музыки по жанрам, определение музыкальных инструментов, звучащих в произведении, распознавание голоса или звуков отдельных музыкальных инструментов в аудиозаписи и извлечение их партии из музыкального произведения. Последнее актуализирует задачу восстановления отдельных нот музыкального произведения и автоматической идентификации аккордов в цифровом звуке.
Задачей настоящей работы является автоматическое восстановление последовательности аккордов по цифровой записи музыкальной композиции.
В ходе настоящей работы были получены следующие результаты:
1. Изучена предметная область (музыкальная теория), исследованы подходы к решению настоящей задачи, и выбран метод машинного обучения;
2. Подобран и приведен к необходимому формату набор данных (размеченных мелодий);
3. Применены три основных алгоритма машинного обучения для решения настоящей задачи;
4. Реализованы две различные оценки точности работы алгоритмов;
5. Проведен сравнительный анализ результатов работы алгоритмов машинного обучения.
