http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 송민균 ( Min Kyun Song ) (검색결과 5 건)
- 무료
- 기관 내 무료
- 유료
-
송민균(Min Kyun Song),문창배(Chang Bae Moon),김현수(Hyun Soo Kim),김병만(Byeong Man Kim) 한국정보과학회 2011 한국정보과학회 학술발표논문집 Vol.38 No.1C
기존 음악 장르 분류의 경우 음악의 특징 추출 또는 기계학습을 중점적으로 연구되어왔다. 하지만 자동분류에 필요한 장르 데이터는 음악을 제공하는 웹 사이트마다 다르고, 각 웹 사이트의 장르 분류는 해당음악이 아닌 앨범의 장르를 표시한다. 보다 나은 자동 분류를 위해서는 일관된 장르 데이터의 제공이 필요한데, 본 논문에서는 이러한 연구의 일환으로 여러 웹사이트에서 수집한 장르 데이터에 따른 판별 성능을 분석하였다. 분석 결과 장르 분류 방법에 따라 신경망 학습 및 판별성능이 큰 차이가 발생하였다.
-
단위 신경망과 특징벡터 차원 축소 기반의 음악 분위기 자동판별
송민균(Min Kyun Song),김현수(HyunSoo Kim),문창배(Chang-Bae Moon),김병만(Byeong Man Kim),오득환(Dukhwan Oh) 한국산업정보학회 2013 한국산업정보학회논문지 Vol.18 No.4
본 논문에서는 개인화된 분위기 분류 모델 대신에 대중의 분위기 분류 모델을 제안한다. 분위기 판별 성능을 개선하기 위해 두 가지 접근 방법을 선택하였는데, 그 첫 번째가 표준편차에 기초한 특징축소이다. 이는 음악의 특징을 추출하기 위해 사용하는 MIRtoolbox에서 추출되는 391개의 특징들을 모두 사용할 경우의 성능 저하 문제를 해결하기 위한 방법이다. 실험결과, 본 논문에서 제안한 특징축소 방법이 기존의 차원 축소 방법인 R-Square와 PCA보다 성능이 좋음을 확인할 수 있었다. 그리고 특징축소 방법만으로는 성능 개선에 한계가 있어 두 번째 개선 방법으로 단위 신경망을 사용하여 추가의 성능 개선을 시도하였다. 실험결과 이 역시 유효한 성능 개선이 이루어짐을 확인할 수 있었다. This paper focuses on building a generalized mood classification model with many mood classes instead of a personalized one with few mood classes. Two methods are adopted to improve the performance of mood classification. The one of them is feature reduction based on standard deviation of feature values, which is designed to solve the problem of lowered performance when all 391 features provided by MIR toolbox used to extract features of music. The experiments show that the feature reduction methods suggested in this paper have better performance than that of the conventional dimension reduction methods, R-Square and PCA. As performance improvement by feature reduction only is subject to limit, modular neural network is used as another method to improve the performance. The experiments show that the method also improves performance effectively.
-
송민균(Min Kyun Song),문창배(Chang Bae Moon),김현수(HyunSoo Kim),김병만(Byeong Man Kim),오득환(Dukhwan Oh),유경령(Qing-Ling Liu) 한국정보과학회 2012 정보과학회논문지 : 소프트웨어 및 응용 Vol.39 No.3
기존 음악 장르 분류의 경우 대부분의 연구가 음악의 특징 추출 또는 기계학습에 중점을 두어 진행하여왔다. 하지만, 기계학습에 사용되는 장르 데이터가 웹 사이트마다 다르고 각 웹사이트의 장르가 해당 음악의 장르가 아닌 해당 음악이 속한 앨범의 장르로 표시하기 때문에 해당 음악의 장르가 앨범의 장르와 정확히 일치한다고 할 수 없다. 장르 분류 시스템 간의 객관적인 성능분석을 위해서는 일관된 음악 장르 데이터 구축이 필요한데, 이러한 연구의 일환으로 본 논문에서는 현재 음악을 제공하는 각 웹사이트에서 다르게 제공하는 장르 데이터에 따른 성능 분석을 하였고, 또한 새로운 장르 분류법을 제안하고 이의 성능도 분석하였다. 분석 결과 분류 방법에 따라 판별성능이 다소 차이가 발생하였으며 그 중 Allmusic에서 제공한 장르 분류가 가장 좋은 성능을 보였다. 하지만 실험 시 학습 및 판별에 사용한 데이터의 수를 고려한다면 Allmusic보다는 벅스에서 제공된 장르/스타일 사전을 이용하여 장르를 분류한 결과가 더 좋은 신뢰성을 가진다고 할 수 있다. Most of researches on music genre classification have focused on extraction of features and machine learning. However, the genre data used in machine learning differ from web site to web site and the genre of music is usually determined by the genre of album containing the music. So, the actual genre of music can't be match with the genre provided by the web site. For a fair comparison between genre classification systems, we need to build coherent genre data. For this purpose, in this paper, we first analyze classification performances with each genre data of a few web sites providing music category service. Also, we propose two genre assignment methods and analyze their classification performances. The analysis result shows that the classification performance varies with genre data and the best performance is shown for the genre data of Allmusic. But the genre data generated by use of Bugs' genre/style dictionary are more reliable than Allmusic when considering the number of data involved in training and testing.
-
문창배 ( Chang Bae Moon ),김현수 ( Hyun Soo Kim ),송민균 ( Min Kyun Song ),김병만 ( Byeong Man Kim ) 한국정보처리학회 2011 한국정보처리학회 학술대회논문집 Vol.18 No.1
본 논문에서 구조 분석 기법을 이용하여 음악을 구간들로 나누고, 그 구간 중 대표 구간들을 자동으로 설정 후 다수의 사용자에게 그 구간들에 대한 분위기 값을 입력받은 후 이 값들을 바탕으로 구간의 대표 분위기를 결정하는 방법을 제안하였다. 또한, 이렇게 결정된 대표 분위기와 그 구간의 음악적 특징들을 이용하여 음악 분위기 판별 실험을 하였다. 이를 위해 음원의 분위기를 211명에게 수집하였고, 음원에서 특징들을 결정계수를 이용하여 특징의 수를 줄인 후 신경망을 이용하여 학습 및 판별을 하였다. 그리고 Leave-one-out 교차 검증을 통하여 성능 분석을 하였다. 실험결과, 3,000번 학습 시 은닉층 17개를 이용하였을 때 66%의 판별율을 보였다.
-
문창배 ( Chang Bae Moon ),김현수 ( Hyun Soo Kim ),송민균 ( Min Kyun Song ),김병만 ( Byeong Man Kim ) 한국감성과학회 2011 감성과학 Vol.14 No.1
스트레스는 다양한 질병의 원인이 되며 스트레스의 해소는 질병 예방에 중요한 요인이라 할 수 있을 것이다. 스트레스를 해소시키는 방법 중 한 가지는 청각이나 시각을 이용하는 것으로 스트레스 해소에 맞는 음악을 제공하거나 조명을 제공해 주면 될 것이다. 또한 청각과 시각을 동시에 이용할 수 있다면 그 효과를 극대화 할 수 있을 것이다. 이러한 맥락에서 본 논문에서는 음원의 분위기와 분위기 단어의 색상을 수집한 후 수집한 데이터를 이용하여 음악 장르에 따른 분위기 분포와 분위기 단어에 따른 색상분포를 분석하였고, 두 가지 수집된 데이터를 이용하여 음악 장르에 따른 색상 분포가 다르다는 것을 확인하기 위해 Minitab을 이용하여 x(2)-test를 실시하였다. 분석결과, P<0.001로 음악 장르에 따라 분위기 색상이 다르게 분포되며 분위기에 따라 색상 및 명도, 채도의 분포도 다르게 나타남을 확인하였다. 이 결과를 음악 분위기에 따라 감성을 표현하는 조명 개발에 활용할 수 있을 것이고, 이를 심리 치료에 적용할 수 있을 것으로 기대된다. 다만, 심리 치료의 경우 임상 실험인 점을 고려한다면 더 많은 데이터의 수집과 분석이 필요할 것이다. Since stress can cause a variety of diseases, the relaxation of stress is an important factor for preventing diseases. One way to relieve stress is to use auditory or visual materials. If auditory and visual ones are used together, the effect of stress relaxation will be maximized. In this context, we analyze mood distribution of genre of music and color distribution of mood from the mood data for musics and color data for mood words collected directly from volunteers. Based on these two distributions, we also perform the x2-test with Minitab for checking that color distributions are different from genre to genre. The results show that a different genre has a different color distribution and that the distributions of color, brightness and saturation depend on mood (P<0.0001). The results will be used to develop an emotional lighting system which plays lighting according to music mood, which can be applied to psychotherapy but more data and analysis are needed for clinical trials.
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
