| Form of studies |
Bachelor |
| Title of the study programm |
Computer Systems |
| Title in original language |
Uz audio parametriem balstītu mašīnmācīšanās metožu salīdzinoša analīze mūzikas emociju atpazīšanā |
| Title in English |
Comparative Analysis of Audio Parameter-Based Machine Learning Methods in Musical Emotion Recognition |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Laima Vītoliņa |
| Reviewer |
Artūrs Ardavs |
| Abstract |
Šajā bakalaura darbā tiek analizēta un salīdzināta klasisko mašīnmācīšanas
algoritmu pielietošana mūzikas emociju atpazīšanas uzdevumā, balstoties uz audio
parametriem. Darba mērķis ir novērtēt dažādu pārraudzītās un nepārraudzītās
mašīnmācīšanās algoritmu klasifikācijas un klasterēšanas veiktspēju, kā arī noteikt,
kuri audio parametri visvairāk ietekmē emociju klasifikāciju. Pētījumā tika izmantotas
divas publiski pieejamas datu kopas, no kurām tika iegūti audio parametri, veikta atlase
starp parametriem ar vislielāko informācijas guvumu, dažādu mašīnmācīšanās
algoritmu apmācība un salīdzināšana, izmantojot Orange Data Mining vidi. Rezultāti
norāda, ka algoritmu veiktspēja atšķiras starp datu kopām un dažādiem algoritmiem, un
ka atbalsta vektoru mašīna sniedza visaugstāko klasifikācijas precizitāti abās datu kopā.
Papildus tika konstatēta emociju klašu pārklāšanās, kas apstiprina mūzikas emociju
atpazīšanas uzdevuma sarežģītību un izmantoto audio parametru pazīmju
ierobežojumus. |
| Keywords |
Audio parametri, klasiskā mašīnmācīšanās, mūzikas emociju atpazīšana, datu ieguves rīki |
| Keywords in English |
Audio parameters, clasical machine learning, music emotion recognition, data mining tools |
| Language |
lv |
| Year |
2025 |
| Date and time of uploading |
06.01.2026 23:22:04 |
