Ανάλυση στιγμών αισθητικής σημασίας σε ακουσματική μουσική με τη χρήση μεθόδων Μηχανικής Μάθησης και ανάλυση σήματος μουσικής

Οι τελευταίες δεκαετίες χαρακτηρίζονται από την ιλιγγιώδη ταχύτητα ανάπτυξης διαφόρων επιστημών χάρη στην παράλληλη πρόοδο της τεχνολογίας. Ένας από τους πιο δημοφιλής τομείς είναι αυτός της Συναισθηματικής Ανάλυσης σε συνδυασμό με τη Μηχανική Μάθηση. Με την παροχή διαφόρων εργαλείων πλέον ο άνθρωπο...

Πλήρης περιγραφή

Αποθηκεύτηκε σε:
Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Ντόμπρη, Μαρία Καλλιόπη
Άλλοι συγγραφείς: Κωστούλας, Θεόδωρος
Γλώσσα:el_GR
Δημοσίευση: 2023
Θέματα:
Διαθέσιμο Online:http://hdl.handle.net/11610/24962
Ετικέτες: Προσθήκη ετικέτας
Δεν υπάρχουν, Καταχωρήστε ετικέτα πρώτοι!
_version_ 1828461829738725376
author Ντόμπρη, Μαρία Καλλιόπη
author2 Κωστούλας, Θεόδωρος
author_facet Κωστούλας, Θεόδωρος
Ντόμπρη, Μαρία Καλλιόπη
author_sort Ντόμπρη, Μαρία Καλλιόπη
collection DSpace
description Οι τελευταίες δεκαετίες χαρακτηρίζονται από την ιλιγγιώδη ταχύτητα ανάπτυξης διαφόρων επιστημών χάρη στην παράλληλη πρόοδο της τεχνολογίας. Ένας από τους πιο δημοφιλής τομείς είναι αυτός της Συναισθηματικής Ανάλυσης σε συνδυασμό με τη Μηχανική Μάθηση. Με την παροχή διαφόρων εργαλείων πλέον ο άνθρωπος είναι ικανός να πειραματιστεί και επεξεργαστεί μεγάλο όγκο δεδομένων εφαρμόζοντας μεθόδους από πολλά ερευνητικά πεδία ταυτόχρονα. Η παρούσα μεταπτυχιακή διπλωματική εργασία πραγματεύεται την αναγνώριση και κατηγοριοποίηση του συναισθήματος που προκαλεί η ακουσματική μουσική. Η αναγνώριση βασίστηκε πρώτα σε εκείνα τα γνωρίσματα που προκύπτουν από την ανάλυση ψηφιακού σήματος ακουσματικής μουσικής. Ειδικότερα, η εξαγωγή και επεξεργασία των χαρακτηριστικών αυτών έγινε με την εισαγωγή του ακουσματικού κομματιού στο εργαλείο openSMILE με τη χρήση της βάσης audiovisual-audio. Τα δεδομένα που προκύπτουν είναι η βάση, ώστε να ακολουθήσει η κατηγοριοποίηση δεδομένων αυτών με βάση τα συναισθήματα που προέκυψαν από κάποιους ακροατές, των οποίων η επεξεργασία γίνεται στο περιβάλλον της Matlab μέσω των μετρικών διέγερσης-arousal και valence. Σε ένα επόμενο πλαίσιο γίνεται συγκριτική ανάλυση μιας σειράς αλγορίθμων Μηχανικής Μάθησης με το εργαλείο εξόρυξης δεδομένων, την WEKA. Οι αλγόριθμοι που θα αναλυθούν και δοκιμαστούν είναι τα Δέντρα Απόφασης (J48), Μηχανές Διανυσμάτων Υποστήριξης (SVM) και οι K-πλησιέστεροι γείτονες (KNN). Συγκεκριμένα, στοχεύεται κατά πόσο αυτοί οι αλγόριθμοί διαφοροποιούνται στα αποτελέσματα τους, ενώ παραθέτονται συγκεντρωτικά διαγράμματα των αποδόσεων τους.
id oai:hellanicus.lib.aegean.gr:11610-24962
institution Hellanicus
language el_GR
publishDate 2023
record_format dspace
spelling oai:hellanicus.lib.aegean.gr:11610-249622023-03-29T10:04:49Z Ανάλυση στιγμών αισθητικής σημασίας σε ακουσματική μουσική με τη χρήση μεθόδων Μηχανικής Μάθησης και ανάλυση σήματος μουσικής Ντόμπρη, Μαρία Καλλιόπη Κωστούλας, Θεόδωρος Πληροφοριακά και Επικοινωνιακά Συστήματα ακουσματική μουσική μηχανική μάθηση ψηφιακό σήμα accousmatic music machine learning digital signals Machine learning Music--Acoustics Signal processing--Digital techniques Οι τελευταίες δεκαετίες χαρακτηρίζονται από την ιλιγγιώδη ταχύτητα ανάπτυξης διαφόρων επιστημών χάρη στην παράλληλη πρόοδο της τεχνολογίας. Ένας από τους πιο δημοφιλής τομείς είναι αυτός της Συναισθηματικής Ανάλυσης σε συνδυασμό με τη Μηχανική Μάθηση. Με την παροχή διαφόρων εργαλείων πλέον ο άνθρωπος είναι ικανός να πειραματιστεί και επεξεργαστεί μεγάλο όγκο δεδομένων εφαρμόζοντας μεθόδους από πολλά ερευνητικά πεδία ταυτόχρονα. Η παρούσα μεταπτυχιακή διπλωματική εργασία πραγματεύεται την αναγνώριση και κατηγοριοποίηση του συναισθήματος που προκαλεί η ακουσματική μουσική. Η αναγνώριση βασίστηκε πρώτα σε εκείνα τα γνωρίσματα που προκύπτουν από την ανάλυση ψηφιακού σήματος ακουσματικής μουσικής. Ειδικότερα, η εξαγωγή και επεξεργασία των χαρακτηριστικών αυτών έγινε με την εισαγωγή του ακουσματικού κομματιού στο εργαλείο openSMILE με τη χρήση της βάσης audiovisual-audio. Τα δεδομένα που προκύπτουν είναι η βάση, ώστε να ακολουθήσει η κατηγοριοποίηση δεδομένων αυτών με βάση τα συναισθήματα που προέκυψαν από κάποιους ακροατές, των οποίων η επεξεργασία γίνεται στο περιβάλλον της Matlab μέσω των μετρικών διέγερσης-arousal και valence. Σε ένα επόμενο πλαίσιο γίνεται συγκριτική ανάλυση μιας σειράς αλγορίθμων Μηχανικής Μάθησης με το εργαλείο εξόρυξης δεδομένων, την WEKA. Οι αλγόριθμοι που θα αναλυθούν και δοκιμαστούν είναι τα Δέντρα Απόφασης (J48), Μηχανές Διανυσμάτων Υποστήριξης (SVM) και οι K-πλησιέστεροι γείτονες (KNN). Συγκεκριμένα, στοχεύεται κατά πόσο αυτοί οι αλγόριθμοί διαφοροποιούνται στα αποτελέσματα τους, ενώ παραθέτονται συγκεντρωτικά διαγράμματα των αποδόσεων τους. 2023-03-22T12:54:39Z 2023-03-22T12:54:39Z 2022-02-21 http://hdl.handle.net/11610/24962 el_GR Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές http://creativecommons.org/licenses/by-nc-sa/4.0/ 84 σ. application/pdf Σάμος
spellingShingle ακουσματική μουσική
μηχανική μάθηση
ψηφιακό σήμα
accousmatic music
machine learning
digital signals
Machine learning
Music--Acoustics
Signal processing--Digital techniques
Ντόμπρη, Μαρία Καλλιόπη
Ανάλυση στιγμών αισθητικής σημασίας σε ακουσματική μουσική με τη χρήση μεθόδων Μηχανικής Μάθησης και ανάλυση σήματος μουσικής
title Ανάλυση στιγμών αισθητικής σημασίας σε ακουσματική μουσική με τη χρήση μεθόδων Μηχανικής Μάθησης και ανάλυση σήματος μουσικής
title_full Ανάλυση στιγμών αισθητικής σημασίας σε ακουσματική μουσική με τη χρήση μεθόδων Μηχανικής Μάθησης και ανάλυση σήματος μουσικής
title_fullStr Ανάλυση στιγμών αισθητικής σημασίας σε ακουσματική μουσική με τη χρήση μεθόδων Μηχανικής Μάθησης και ανάλυση σήματος μουσικής
title_full_unstemmed Ανάλυση στιγμών αισθητικής σημασίας σε ακουσματική μουσική με τη χρήση μεθόδων Μηχανικής Μάθησης και ανάλυση σήματος μουσικής
title_short Ανάλυση στιγμών αισθητικής σημασίας σε ακουσματική μουσική με τη χρήση μεθόδων Μηχανικής Μάθησης και ανάλυση σήματος μουσικής
title_sort ανάλυση στιγμών αισθητικής σημασίας σε ακουσματική μουσική με τη χρήση μεθόδων μηχανικής μάθησης και ανάλυση σήματος μουσικής
topic ακουσματική μουσική
μηχανική μάθηση
ψηφιακό σήμα
accousmatic music
machine learning
digital signals
Machine learning
Music--Acoustics
Signal processing--Digital techniques
url http://hdl.handle.net/11610/24962
work_keys_str_mv AT ntomprēmariakalliopē analysēstigmōnaisthētikēssēmasiasseakousmatikēmousikēmetēchrēsēmethodōnmēchanikēsmathēsēskaianalysēsēmatosmousikēs