Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/29125| Título: | Classificação automática de instrumentos musicais utilizando uma abordagem de classificação multivariada de séries temporais |
| Título(s) alternativo(s): | Automatic musical instruments classification using a multivariate time series classification approach |
| Autor(es): | Babinski, Welliton Jhonathan Leal |
| Orientador(es): | Casanova, Dalcimar |
| Palavras-chave: | Instrumentos musicais Análise de séries temporais Aprendizado de máquinas Musical instruments Time-series analysis Machine learning |
| Data do documento: | 27-Jun-2022 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Pato Branco |
| Citação: | BABINSKI, Welliton Jhonathan Leal. Classificação automática de instrumentos musicais utilizando uma abordagem de classificação multivariada de séries temporais. 2022. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Computação) - Universidade Tecnológica Federal do Paraná, Pato Branco, 2022. |
| Resumo: | Este trabalho apresenta o desenvolvimento de um algoritmo essencial para sistemas inteligentes de mixagem e reparo automático de áudio, é um modelo de aprendizado de máquina que classifica automaticamente instrumentos musicais utilizando de uma abordagem de classificação multivariada de séries temporais. A partir de dois bancos de dados de sinais de áudio digital com diversas amostras de instrumentos musicais, o objetivo inicial foi extrair características temporais e espectrais instantâneas ao longo do tempo, que são representadas por séries temporais. As características são utilizadas para treinar de modelos de aprendizado de máquina supervisionado, que identificam padrões de séries temporais utilizando de algoritmos adaptados para essa tarefa, como o K-Nearest Neightbours em conjunto com o algoritmo de alinhamento Dynamic Time Warping, ou o Support Vector Machines em conjunto com o algoritmo de alinhamento Global Alignment Kernel. O objetivo final foi utilizar esses modelos para realizar a tarefa de classificação de novas bases de sinais de áudio de instrumentos musicais desconhecidos, como também realizar análises para entender quais efeitos diferentes durações de sinais e parâmetros de extração de características tem sobre os resultados. |
| Abstract: | This work presents a development of an essential algorithm to automatic audio mixing and repair intelligent systems, is a machine learning model that classifies automatically musical instruments using a multivariate time series classification approach. Starting from two databases of audio digital signals with various musical instruments samples, the first goal is to extract both temporal and spectral instantaneous features, which are represented by temporal series. The series are used to train the supervised machine learning models, that are responsable to identify patterns of temporal series using adapted algorithms to do this task, like the K-Nearest Neightbours with the Dynamic Time Warping algorithm, or the Support Vector Machines with Global Alignment Kernel algorithm. The main goal is to utilize this models to do the task of feature classification of new databases of unknow musical instruments audio signal, as well to analysis and understand which effects different signal durations and feature extraction parameters have in the results. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/29125 |
| Aparece nas coleções: | PB - Engenharia de Computação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| classificacaoautomaticainstrumentosmusicais.pdf | 5,09 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
