| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Datorzinātne un organizāciju tehnoloģijas |
| Nosaukums |
Muzikālo īpašību kopas labākai žanru klasifikācijas precizitātei |
| Nosaukums angļu valodā |
Musical Feature Sets for Better Genre Classification Accuracy. |
| Struktūrvienība |
01B00 Rīgas Biznesa skola |
| Darba vadītājs |
Inese Muzikante |
| Recenzents |
Kalvis Apsītis |
| Anotācija |
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. |
| Atslēgas vārdi |
mūzikas klasifikācija, īpašību kopas, algoritmi, selekcija, precizitāte |
| Atslēgas vārdi angļu valodā |
music classification, musical feature sets, algorithms, selection, accuracy |
| Valoda |
eng |
| Gads |
2023 |
| Darba augšupielādes datums un laiks |
14.04.2023 23:25:26 |
