http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
음악 장르 분류를 위한 새로운 자동 Taxonomy 구축 알고리즘
최택성,문선국,박영철,윤대희,이석필,Choi, Tack-Sung,Moon, Sun-Kook,Park, Young-Cheol,Youn, Dae-Hee,Lee, Seok-Pil 한국음향학회 2008 韓國音響學會誌 Vol.27 No.3
본 논문에서는 음악 장르 분류를 위한 새로운 자동 Taxonomy 구축 알고리즘을 제안한다. 제안된 알고리즘은 모든 가능한 노드들의 분류 확률을 예측하여 예측된 분류 성능값이 가장 좋은 조합을 Taxonomy로 구축하는 것이다. 제안된 알고리즘에서의 분류 확률 예측은 훈련 데이터를 k-fold cross validation을 이용하여 분류기에 적용함으로써 이루어진다. 제안된 알고리즘을 기반으로 한 분류 성능 측정은 2 클래스로 이루어진 각각의 노드에 2개 범주 분류에 효과적인 support vector machine을 적용함으로써 이루어진다. 제안된 알고리즘의 성능 검증을 위해 음색, 리듬, 피치 등 오디오 신호의 특징을 나타내는 다양한 파라미터를 오디오 신호로부터 추출하여 제안된 알고리즘과 기존의 다중 범주 분류기들을 이용하여 분류성능을 평가하였다. 다양한 실험결과 제안된 알고리즘은 기존의 알고리즘에 비하여 5%에서 25%정도의 분류 성능이 향상된 것을 확인할 수 있었고 특히 낮은 차원의 특징벡터를 이용한 분류 실험에서는 10% 에서 25% 향상된 좋은 성능을 보였다. In this paper, we propose a new automatic taxonomy generation algorithm for the audio genre classification. The proposed algorithm automatically generates hierarchical taxonomy based on the estimated classification accuracy at all possible nodes. The estimation of classification accuracy in the proposed algorithm is conducted by applying the training data to classifier using k-fold cross validation. Subsequent classification accuracy is then to be tested at every node which consists of two clusters by applying one-versus-one support vector machine. In order to assess the performance of the proposed algorithm, we extracted various features which represent characteristics such as timbre, rhythm, pitch and so on. Then, we investigated classification performance using the proposed algorithm and previous flat classifiers. The classification accuracy reaches to 89 percent with proposed scheme, which is 5 to 25 percent higher than the previous flat classification methods. Using low-dimensional feature vectors, in particular, it is 10 to 25 percent higher than previous algorithms for classification experiments.
저전력 환경에 적합한 시간변화 잔향기의 분석 및 설계 알고리듬
최택성,박영철,윤대희,Choi Tack-Sung,Park Young-Cheol,Youn Dae-Hee 대한전자공학회 2006 電子工學會論文誌-SP (Signal processing) Vol.43 No.5
Development of an artificial reverberation algorithm with low memory requirements has been an issue of importance in applications such as mobile multimedia devices. One possible solution to this problem is to embed a time-varying all-pass filter to the feedback loop of the comb filter. In this paper, theoretical and perceptual analyses of reverberators embedding time-varying all-pass filters are presented. The analyses are to iud a perceptually acceptable degree of phase variation by the all-pass filter. Based on the analyses, we propose a new methodology of designing reverberators embedding time-varying all-pass filters. Through the subjective tests, we showed that, even with smaller memory, the proposed method is capable of providing perceptually comparable sound quality to the conventional methods involving time-invariant parameters. 최근에 모바일 기기와 같은 적은 메모리를 요구하는 환경에 적합한 인공잔향기의 개발이 이슈화 되고 있다. 이러한 조건에 적합한 한가지 방법은 콤 필터의 궤환루프안에 시간변화 전대역통과 필터(APF)를 삽입하는 것이다. 본 논문에서는 시간변화 APF를 사용하는 잔향기의 이론적, 지각적 분석을 시행함으로써 지각적으로 수용 가능한 APF의 페이즈 변화량을 찾았다. 그리고 이를 바탕으로 새로운 시간변화 잔향기 설계 방법을 제안한다. 제안된 잔향기의 성능평가를 통해 제안된 잔향기가 적은 메모리를 사용하면서도 기존의 시불변 잔향기와 동일한 성능을 보임을 확인하였다.
저전력 환경에 적합한 시간변화 잔향기의 분석 및 설계 알고리듬
최택성,박영철,윤대희 대한전자공학회 2006 電子工學會論文誌-SP (Signal processing) Vol.43 No.9
Development of an artificial reverberation algorithm with low memory requirements has been an issue of importance in applications such as mobile multimedia devices. One possible solution to this problem is to embed a time-varying all-pass filter to the feedback loop of the comb filter. In this paper, theoretical and perceptual analyses of reverberators embedding time-varying all-pass filters are presented. The analyses are to find a perceptually acceptable degree of phase variation by the all-pass filter. Based on the analyses, we propose a new methodology of designing reverberators embedding time-varying all-pass filters. Through the subjective tests, we showed that, even with smaller memory, the proposed method is capable of providing perceptually comparable sound quality to the conventional methods involving time-invariant parameters. 최근에 모바일 기기와 같은 적은 메모리를 요구하는 환경에 적합한 인공잔향기의 개발이 이슈화 되고 있다. 이러한 조건에 적합한 한가지 방법은 콤 필터의 궤환루프안에 시간변화 전대역통과 필터(APF)를 삽입하는 것이다. 본 논문에서는 시간변화 APF를 사용하는 잔향기의 이론적, 지각적 분석을 시행함으로써 지각적으로 수용 가능한 APF의 페이즈 변화량을 찾았다. 그리고 이를 바탕으로 새로운 시간변화 잔향기 설계 방법을 제안한다. 제안된 잔향기의 성능평가를 통해 제안된 잔향기가 적은 메모리를 사용하면서도 기존의 시불변 잔향기와 동일한 성능을 보임을 확인하였다.
Gaussian Mixture Model을 이용한 다중 범주 분류를 위한 특징벡터 선택 알고리즘
문선국(Sun-Kuk Moon),최택성(Tack-Sung Choi),박영철(Young-Cheol Park),윤대희(Dae Hee Youn) 한국통신학회 2007 韓國通信學會論文誌 Vol.32 No.10C
본 논문에서는 내용 기반 음악 범주 분류 시스템에서 다중 범주를 위한 특징벡터 선택 알고리즘을 제안한다. 제안된 특징벡터 선택 알고리즘은 분리 성능을 측정할 때 가우시안 혼합 모델(Gaussian Mixture Model: GMM)을 기반으로 GMM separation score을 측정함으로써 확률분포 및 분리 성능 추정의 정확도를 높였고, sequential forward selection 방법을 개선하여 이전까지 선택된 특징벡터들이 분리를 잘 하지 못하는 범주들을 기준으로 다음 특징벡터를 선택하는 알고리즘을 제안하여 다중 범주 분류의 성능을 높였다. 제안된 알고리즘의 성능 검증을 위해 음색, 리듬, 피치 등 오디오 신호의 특징을 나타내는 다양한 파라미터를 오디오 신호로부터 추출하여 제안된 특징벡터 선택 알고리즘과 기존의 알고리즘으로 특징벡터를 선택한 후 GMM classifier와 k-NN classifier를 이용하여 분류 성능을 평가하였다. 제안된 특징벡터 선택 알고리즘은 기존 알고리즘에 비하여 3%에서 8% 정도의 분류 성능이 향상된 것을 확인할 수 있었고 특히 낮은 차원의 특징벡터의 분류 실험에서는 분류 정확도 측면에서 5%에서 10% 향상된 좋은 성능을 보였다. In this paper, we proposed the feature selection algorithm for multi-class genre classification. In our proposed algorithm, we developed GMM separation score based on Gaussian mixture model for measuring separability between two genres. Additionally, we improved feature subset selection algorithm based on sequential forward selection for multi-class genre classification. Instead of setting criterion as entire genre separability measures, we set criterion as worst genre separability measure for each sequential selection step. In order to assess the performance proposed algorithm, we extracted various features which represent characteristics such as timbre, rhythm, pitch and so on. Then, we investigate classification performance by GMM classifier and k-NN classifier for selected features using conventional algorithm and proposed algorithm. Proposed algorithm showed improved performance in classification accuracy up to 10 percent for classification experiments of low dimension feature vector especially.