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 музы-кальной коллекции 22
5.3.1. Результаты метода кросс-валидации по музыкаль¬
ным композициям 22
5.3.2. Результаты оценки CSR 27
6. Заключение 29
Список литературы 31
Объем цифрового контента, проходящего и хранящегося в интер¬нете, растет ежегодно. По данным J’son & Partners Consulting на сего¬дняшний день самыми быстрорастущими жанрами цифрового контента стали видео и музыка. Лавинообразный рост видео и музыкальной ин¬формации, который на 2012 год составил 62% и 99% соответственно, приводит к необходимости анализа данных и, в частности, музыкаль¬ного контента [12].
Задача научного исследования музыки определяет ряд направле¬ний, таких как классификация музыки по жанрам, определение музы¬кальных инструментов, звучащих в произведении, распознавание голо¬са или звуков отдельных музыкальных инструментов в аудиозаписи и извлечение их партии из музыкального произведения. Последнее акту-ализирует задачу восстановления отдельных нот музыкального произ-ведения и автоматической идентификации аккордов в цифровом звуке.
Задачей настоящей работы является автоматическое восстановление последовательности аккордов по цифровой записи музыкальной компо-зиции.
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 ре-шения настоящей задачи;
4. Реализованы две различные оценки точности работы алгоритмов;
5. Проведен сравнительный анализ результатов работы алгоритмов машинного обучения.
