طبقهبندی دستگاههای موسیقی سنتی با استفاده از ویژگیهای طیفی

بازیابی اطلاعات موسیقی در بسیاری از موارد مانند آموزش موسیقی، موتورهای جستجو و همچنین کتابخانههای دیجیتال کاربردی مورد استفاده قرار میگیرند به همیندلیل بازیابی اطلاعات موسیقی و روشهای آن مورد توجه بسیاریاز محققین قرار گرفته است. بازیابی اطلاعات موسیقی در بسیاری از موارد در موسیقیغربی پیشرفت مطلوبی داشته است اما در مورد موسیقی شرقی روند خوبی نداشته است و به همین دلیل در این زمینه شکاف بزرگی بهوجود آمده است. نامدستگاه در موسیقی سنتی را هرکسی نمیتواند با شنیدن موسیقی تشخیص دهد و فقط افراد خبره قادر به تشخیص دستگاه فقط با شنیدن موسیقی هستند. خلأ تشخیص دستگاه موسیقی با ماشین احساس میشود و بههمین دلیل در اینمقاله برای این کار تلاش خواهد شد. در این مقاله پس از جمعآوری فایلهای صوتی ردیف نوازی سنتور میرزا عبدالله وابوالحسن صبا در مرحله پیشپردازش با استفاده از روش MFCC عمل استخراج ویژگی صورت میگیرد و سپس با استفاده از تحلیل مولفههای اصلی کاهش ابعاد صورت میگیرد و در نهایت با استفاده از ماشین بردار پشتیبان، k نزدیک - -ترین همسایه و طبقهبندی بیزین طبقهبندی دستگاه موسیقی به ماهور و غیرماهور انجام میشود. نتایج حاکی از این است که ماشین بردار پشتیبان با دقت 99.30 % و میانگین مربعات خطای 0.072 بهتر از سایر طبقههای استفاده شده در مقاله طبقهبندی دستگاه موسیقی را انجام میدهد

کلیدواژه ها:

الگوریتم تحلیل مؤلفههای اصلی ، ماشین بردار پشتیبان ، k نزدیکترین همسایه ، طبقهبند بیزین