| Form of studies |
Bachelor |
| Title of the study programm |
Computer Science and Organizational Technologies |
| Title in original language |
Muzikālo īpašību kopas labākai žanru klasifikācijas precizitātei |
| Title in English |
Musical Feature Sets for Better Genre Classification Accuracy. |
| Department |
01B00 Riga Business School |
| Scientific advisor |
Inese Muzikante |
| Reviewer |
Kalvis Apsītis |
| Abstract |
Bakalaura darbā "Muzikālo īpašību kopas labākai žanru klasifikācijas precizitātei" tiek apskatīti mūzikas klasifikācijas algoritmi un izvēlētas muzikālās īpašības, ar kurām klasifikācija tiek veikta. Tiek veikta mūzikas īpašību selekcija, lai uzlabotu klasifikācijas algoritmu precizitāti, izmantojot divas klasifikācijas metodes – K-Nearest neighbors un Support vector machines. Izmantojot pilnu kopu ar muzikālajām īpašībām, tiek sasniegta visaugstākā precizitāte – ar selekcijas metodēm tā tikai pasliktinās. Tiek uzsvērts, ka turpmākajos pētījumos būtu jāiekļauj visaptverošāka īpašību un metožu izvēle, lai uzlabotu algoritmu efektivitāti. Diplomdarbs ir uzrakstīts angļu valodā, tā apjoms ir 37 lapaspuses, tajā ir iekļautas 13 figūras, 1 pielikums, un izmantoti 26 literatūras avoti. |
| Keywords |
mūzikas klasifikācija, īpašību kopas, algoritmi, selekcija, precizitāte |
| Keywords in English |
music classification, musical feature sets, algorithms, selection, accuracy |
| Language |
eng |
| Year |
2023 |
| Date and time of uploading |
14.04.2023 23:25:26 |
