有向無環圖支援向量機於多類 音樂識別之應用研究

Slides:



Advertisements
Similar presentations
元大京華證券 組員名單 : A 楊之奇 A 廖本揚 A 宋俊承 A 陳冠廷 A 郭峻瑋 A 指導教授 : 許素華 副教授.
Advertisements

達悟族報告 作者 : 林琪崴, 許原碩 座號 :13 號,14 號 原碩負責 : 簡介, 傳說, 圖驣, 達悟族飛魚季, 琪崴 : 地理位置, 土地利用方式, 飲食文化, 豐收祭.
主讲:张天明 影像艺术工程师. 声音的聆听 指出听到的是什么物体发出的声音,这一 声音是在什么样的空间环境中传播的。 一、 答案: 1 、打气筒打气的声音 2 、手打打气筒给足球打气的声音 3 、手打打气筒给自行车轮胎打气的声音 4 、七次(七声)打气筒打气的声音 5 、(气流)摩擦的声音 6 、猪在发急时的叫声.
概念導向命題技巧與試題分析 臺灣師大地理系 陳國川. 教學評量是一種『抽樣調查』 實施教學評量時,需具備二項條件: 其一,瞭解命題的理論及其實踐的方法; 其二,瞭解各種題型的功能與命題方式。 壹、前言.
第十八章 林肯大郡 第十八章 林肯大郡災變緊急搶救應變措施 1997 年 8 月 18 日溫妮颱風襲台,汐止鎮 的林肯大郡山崩,遭崩場土石撞擊 1997 年 8 月 18 日溫妮颱風襲台,汐止鎮 的林肯大郡山崩,遭崩場土石撞擊造成二十八人罹難八十戶住宅倒塌的慘劇 此災變要喚起國人的重視 本章介紹搜救行動緊急應變措施。
高峰植物園行前解說 2005/12/07 By 羽明. 陽性先驅物種 陽性植物 --- 陽光需求量大 陰性 ( 或耐蔭性 ) 植物 --- 陽光需求量少, 或 日照太強反而無法生存 先驅植物 --- 森林大火或土石流地震後產生的 裸露空地, 先生長出來的植物.
報 告 人 : 胡 嘉 琪 ˙ˇ˙ 、 王 紫 庭 = ˇ = 台灣夜市文化 作者: 郭明澤‧私立明道高中‧綜二 4 班 馬炯修‧私立明道高中‧綜二 4 班.
5 ˙ 1 第五章 生物的協調作用 5 ‧ 1 神經系統. 5 ˙ 1 人體的神經系統 1. 協調動物生理反應的系統: 神經 系統、 內分 泌 系統。 2. 神經系統負責 統整 和 協調 。分為 中樞 神經 和 周圍 神經。 (1) 中樞神經包括 腦 和 脊髓 。 (2) 周圍 神經包括 腦神經 和.
从《西游》看大学生的成长 主讲人:颜廷学 时间: 地点:演艺大楼流行剧场.
新员工培训 设计部 思安新能源股份有限公司 主讲人: 韩少华 时 间:
前言:河流的主要功能 1. 交通運輸 優點-運費低廉,維護費用低 缺點-速度慢,裝載費時,不能到達生產區或消費區 的末端,需要轉載。 尚受到河流網路,河口位置,水量變化,河床 狀況,冰封時期 2. 水資源系統.
幽夢影~張潮 小佑子工作室 關於《幽夢影》 作者張潮,記寫他個人對人生世事之體驗透悟的 書。 書中文字,全為「語錄」形式,屬於格言,也是 最精鍊的隨筆。 全書可分為九卷:論才子佳人、論人與人生、論 朋友知己、論讀書、論閒情逸趣、論立身處世、 談文論藝、論四時佳景、論花鳥蟲魚。
病历书写 中山医院呼吸科 张 新. 定 义 病历是临床医生根据问诊、体格检查、实验 室和其他检查获得的资料经过归纳、分析、整理, 按照规定的格式而写成的;是关于病人发病情况, 病情发展变化,转归和诊疗情况的系统记录。 病历是临床医生根据问诊、体格检查、实验 室和其他检查获得的资料经过归纳、分析、整理,
第十二章 病历书写与要求 病历病历 医务人员在医疗中形成的文字、符号、图表、 影像、切片等资料的总和。 病历书写 通过诊法、诊断、治疗、护理等医疗活动获得有关资 料,进行归纳、分析、整理形成医疗活动记录行为。 病历意义 A 诊疗等的源文件; B 复 / 转 / 会诊,解决医疗纠纷、判定法律责任、医疗保险等的资料和依据;
成人高考高起点 语文 冲刺班 主讲老师:邓君媚. 复习指导 高考语文含四大块内容: 语言知识和语言表达,古代诗文阅读,现 代文阅读,写作。 在全面复习的前提下,按照《考试大纲》 的要求,要做好思路整理,建立高考的整体框 架的工作。认真归纳整理基础知识、培养基本 能力,复习做到有的放矢。 复习指导.
老师,我可以不 爱 吗? 山东省淄博市张店区实验中学 杜桂兰 星期一的早晨,我紧张而又兴奋,因为 我的赛教课就要开始了。 这是一次级别很 高 的竞赛。
财政部 国家税务总局 中国人民银行(央行) 银监会 证监会 保监会. 法定存款准备金率 利率 税率 政府投资 楼继伟,周小川,易纲.
油蔴菜籽 指導老師:陳瑜霞 學生: 商設一甲 謝旻璇 車輛三乙 許勝傑 工管四甲 彭凱雲. 作者介紹: 廖輝英( 1948 年生)臺大中文系畢業。 從初三開始寫作,早期作品多以散文為主,大四 畢業時才暫時封筆。畢業後進了廣告界,成為廣 告文案好手,後為企畫主管,在廣告界縱橫十餘 年,也曾任職於建設公司,辦過社區報高雄一周。
蘭嶼情人洞傳說 林庭羽製 林庭羽製. 台灣的蘭花特別多,台灣有個蘭 嶼島,島上面的蘭花更多.所以 叫蘭嶼.這裡留下了動人的傳說。
職業訪談報告. 成員 : 鐘怡君 劉沛君 謝明達 賴映辰.
南台科大幼保實習課程 見習幼兒園心得報告 夜四技幼保四甲 998i0021 黃欣婷.
第一章 生殖 1‧2 無性生殖.
高教三十条 — 科技创新能力提升 科技创新能力提升工程方案起草小组 2013年7月4日.
你不可不知之 十二年國教二三事 教務主任:傅瑞琪.
鞋 楦 的 材 質.
最古怪的15種動物.
走! 一起去拜訪筏子溪.
台灣文學館之旅.
單車環島之旅 組員: 495D0072 胡閎智 495D0074 何冠緯 495D0020 王怡雯 495D0047 葉亭君
 耕地分割 及 執 行 內政部地政司 視察:林玲女.
~完備、周密、迅速 ~ 行政院農業部畜產試驗所
建筑设计基础讲义 (02-1) 建筑水彩渲染.
現代文學導讀 (中國現代散文發展的歷史軌道)
谨以此文—— 送给所有的人.
方 孝 孺 指喻.
保護地球人人有責:我能做的事 若想讓地球、人類社會明天會更好的話,可以考慮日常生活中採取什麼綠色行動,逐步恢復按上天設計大自然規定的方式做人,從而減少個人的「生態足印」,爭取可以延續的未來。 
小 王 子 <第六組> 組長: 謝汶芳 組員: 劉佳蓉 曹展愛 陳建妏
據說: 烏鴉有四種--- 巨烏 祥烏 鳳烏 慈烏~ 知恩 感恩 報恩.
桃園傅小弟遭刺青施虐事件 指導老師:高家斌 班級:幼保四甲 姓名與學號: 496I0004 程千芸、496I0010 林昀嫻
北科大學士學位 冷凍空調 甲、乙、丙 級技術士 三年工作經驗 大一階段 專精訓練 大三階段 回流訓練.
9.2.2 会计基本法律制度 一、会计机构和会计人员制度 二、会计核算制度
指導教授:林劭仁老師 組員:范紋綺、王宣惠、蔡雅玲 王思樺、陳可馨、吳芷容.
歡欣鼓舞過新年之四-跟年有關的故事 蘇澳國小 三年三班導師 張怡玲.
淺談中醫養生保健之道 國立中正大學醫務室 中醫科 楊明穎 醫師 中國醫藥學院 醫學士中醫師 高雄醫學院 藥學士藥師
只要有心 機器都可以成為食神 機電三甲  陳保翔  宓芳頡  雷家翔.
北極熊 華德學校 姓名:黄景山.
數學家 阿基米德 6C 李俊熙.
一般情况碰撞 1 完全弹性碰撞 动量和机械能均守恒 2 非弹性碰撞 动量守恒,机械能不守恒 3 完全非弹性碰撞 动量守恒,机械能不守恒.
目錄 99年『 84電腦及相關服務』案件統計 機關端:資訊服務價格資料登錄流程 機關端及廠商端:資訊服務價格資料查詢流程
十堰管理部党委中心组“三严三实” 第三阶段专题学习
公共選擇理論 實踐大學 指導老師:林信雄.
日期: 六 福 村.
孩子的心,我懂 怀仁全人发展中心 任兆璋 着.
第7章 行政执行.
春末闲谈 鲁迅.
指导老师:王海川 课题组长:周立人 成 员:周立人 张旖 辛亮 华天福 秦钟瑄 顾杰
《基础会计》 任务二 财产清查结果的处理 一、财产清查结果处理的要求 账存>实存:盘盈 账存
女人不管唸多少書, 都是男人身上的一件衣服-
考生考前心理状态 分析&调整.
迷人的風景.
第17章 產險經營之利源分析 組員:劉鈺琪 林怡伶.
不驚田水冷霜霜.
租屋與簽約注意事項 主講人:鄭華庭.
公司法(十) 股份有限公司 會計 1.
办理工会帐户需提供 ①建会申请及批复文件复印件; ②《社会团体法人资格证书》复印件; ③组织机构代码证(正、副本)复印件;
桃園縣主計人員 內部審核研習課程( ) 政府採購監辦實務 許庭禎講授.
台灣的名勝古蹟.
自傳報告 報告人:王一鳳.
台灣史總複習.
國文報告 儒家生死文化討論 不死鳥 組員 972BP001 彭科強 972BP008 王薪榕 972BP025 彭裕宗
Presentation transcript:

有向無環圖支援向量機於多類 音樂識別之應用研究 指導老師: 組員名單: 陳明華 老師 謝雅雯 988C039 劉蓉茜 988V057 中華民國102年5月9日

大綱 研究問題 研究方法 研究設計 結果與討論 結論與建議 我們的研究目錄有研究問題,研究方法,研究設計跟現階段成果和面臨困難。

研究問題 現今,音樂是人們生活中不可或缺的一部份,許多人喜歡聽音樂來放鬆心情或者紓解壓力,有些店家也會播放音樂藉以製造氣氛,在不同的場合所使用的音樂類型都有所不同 。 我們希望能建立一個音樂分類方面的模型,方便使用者在眾多音樂曲目中,能夠快速的分類出所要的音樂。

研究問題 決定分類音樂之演算法 有向無環圖支援向量機(DAG-SVMs) 倒傳遞類神經網路(BPNN) 類神經網路是類似人類神經結構,是「一種基於腦與神經系統研究,所啟發的資訊處理技術」。而類神經網路模式有數十種,依學習特性的差異有分為監督式學習網路、無監督式學習網路 、聯想式學習網路 、最適化應用網路 ,我們則是選擇監督試學習網路裡的倒傳遞網路(BPNN)。選它的原因是因為BPNN這個在類神經網路學習模式中最具代表性的分類模型。

研究問題 文獻回顧與探討 王磊等人探討了在AdaBoost演算法,K-L變換和GMM模型的基礎上構造弱分類器的方法。 張燕等人採用基於Mel倒譜係數特徵的隱馬爾可夫模型對音樂進行分類。

研究方法 支援向量機(SVM) 有向無環圖支援向量機(DAG-SVMs) 倒傳遞類神經網路(BPNN)

研究方法 支援向量機(SVM) 超平面

研究方法 核心函數 線性核心函數(Liner kernel function) 多項式核心函數(Polynomial kernel function) 輻狀基底函數(Radial basis function,RBF) 雙彎曲核心函數(Sigmoid kernel function)

研究方法 支援向量機處理多類問題 一對多 一對一 二元樹 DAG-SVMs

研究方法 有向無環圖支援向量機(DAG-SVMs) DAG-SVMs方法在訓練階段要建構出每兩類間的分類面,即有k(k-1)/2個分類器。但是在分類階段,該方法將所有分類器構成一種兩方向的有向無環圖,包括k(k-1)/2個分類器和k個輸出類別,對未知樣本測試時,首先從頂部根節點開始,根據分類結果用下一層左節點或右節點繼續分類,直到底層某個輸出類別為止。 每一個圓圈都是一個SVM的二元分類器,此方法將樣本進行非類別的排除,得出分類的最終結果。 9

研究方法 倒傳遞類神經網路(BPNN) 倒傳遞類神經網路是屬於類神經網路 裡面的一種演算法 類神經網路 是一種模仿人的神經在傳遞訊息的方式,模擬人工神經元,並組合成人工神經網路 BPNN這種演算法可以將資訊利用誤差反向傳播,不斷調整模型中的權重與閥值,讓輸出接近我們期望的輸出值 現在看到BPNN的模型架構而BPNN的架構分三層,有輸入層、隱含層和輸出層,隱含層其實可以有好幾層,這邊以一層為例 輸入層從外部接收資訊,不會做任何計算,將資訊傳遞給隱含層 隱含層將這些資訊加以分析,然後傳入下一層,逐層處理,如果輸出層得不到期望輸出,則轉入反向傳播,根據預測誤差 來調整連接的權值和神經元中的閥值,從而使BP神經網路 的預測輸出不斷逼近期望輸出

研究設計 研究樣本 分為民歌、古箏、搖滾、流行等四類音樂,各類有500筆,合計2000筆音樂特徵資料。 資料集每筆資料有24個條件屬性與1個類別屬性。 取自MATLAB中文論壇提供的語音特徵提取資料 11

研究設計 DAG-SVMs之架構 BPNN之架構 建立3個節點 輸入層:24個節點 隱藏層:25個節點 輸出層:3個節點 模型建構方面 在實際執行時我們將以四類音樂資料中取出三類來製作模型,這就會有四種類別組合 DAG-SVMs的模型再處理三類資料時會建立3個節點,也就是有3個SVM的分類器 BPNN部分,也是輸入三類資料,將24個條件屬性的三類資料製成 的BPNN模型

結果與討論 DAG-SVMs和BPNN─民歌、古箏、搖滾之組合 比較 以下是四類音樂取三類的各組合執行結果 執行10次的準確率加以平均所得的平均準確率

結果與討論 DAG-SVMs和BPNN─民歌、古箏、流行之組合 比較

結果與討論 DAG-SVMs和BPNN─民歌、搖滾、流行之組合 比較

結果與討論 DAG-SVMs和BPNN─古箏、搖滾、流行之組合 比較

結果與討論 DAG-SVMs與BPNN之四類比較 總合四種組合的各類準確率 加以平均成這張圖 所以綜合比較上是BPNN的準確率高於DAG-SVMs

結果與討論 影響DAG-SVMs模型準確度之因素 分類類別 民歌、搖滾 民歌、流行 搖滾、流行 RUN 1 49.6% 96.4% 90.4% RUN 2 50.0% 99.2% 99.6% RUN 3 100.0% 97.2% RUN 4 93.6% 90.0% RUN 5 98.8% 92.4% RUN 6 RUN 7 91.6% RUN 8 98.4% RUN 9 50.4% RUN 10 97.6% 84.0% 平均 49.9% 98.3% 94.1% 從結果看來,DAG-SVMs的分類準確度稍微偏低 於是我們就就 來進行討論 這裡提出分類準確度較低 這個DAG-SVMs組合進行分析,這是的DAG-SVMs中各節點 對自己的訓練類別進行預測的準確率

結果與討論 原類別 流行 搖滾 民歌 判斷分類 RUN 1 65.6 % 34.4 % 97.6 % 2.4 % 68.8 % 31.2 % 79.2 % 20.8 % 100.0 % 0.0 % 96.0 % 4.0 % RUN 3 89.6 % 10.4 % 99.2 % 0.8 % 92.8 % 7.2 % RUN 4 76.0 % 24.0 % 83.2 % 16.8 % RUN 5 81.6 % 18.4 % RUN 6 87.2 % 12.8 % 98.4 % 1.6 % RUN 7 73.6 % 26.4 % RUN 8 63.2 % 36.8 % RUN 9 67.2 % 32.8 % 86.4 % 13.6 % RUN 10 72.8 % 27.2 % 94.4 % 5.6 % 60.8 % 39.2 % 平均 75.6 % 24.4 % 96.9 % 3.1 % 83.8 % 16.2 % 在DAG-SVMs模型中我們將各節點用有兩個類別的資料進行訓練,然後共同用三個類別的資料進行測試 這麼一來各節點在預測上將會有一個無法辨識的類別,但是以模式上還是會分向較接近的一類 所以我們找出各節點對第三類音樂資料的分類進行比較,發現 綜合來看無法分類的資料有高機率分項民歌類,使民歌類的正確率增加,這也影響了DAG-SVMs在分類上的準確率

結論與建議 本研究對四類音樂(民歌、古箏、搖滾、流行)進行分類識別,使用DAG-SVMs 建構預測模型,進行方式是從四類音樂中任意組合三類分別建模測試,結果顯示,各組合中有些單一類別的 DAG-SVMs 準確率較 BPNN 高,但DAG-SVMs對相近音樂模式的分類辨識度較低,綜合準確度是 BPNN 模型略優於 DAG-SVMs 模型。 本研究所使用之 DAG-SVMs 模型,僅使用 SVM 做為分類節點,後續可進一步嘗試結合使用不同分類演算法進行研究,提升多類識別之準確率。 本研究所提出之用 DAG-SVMs 模型,未來可進一步就其他領域之分類問題,進行測試,以擴展本模型之推廣應用能力。 之後 利用熵方法或地毯式搜尋的方法解決 並將DAG-SVMs模型建立完成

END