Boosting classifiers for automatic music genre classification

Müzik türlerinin sınıflandırılması, müzik bilgi erişimi sistemlerinde ve farklı medya or-u u u sütamlarında ünemli bir araş olarak kullanılmaktadır. Oznitelik şıkarma ve sınıflandırıcıo c ctasarımı müzik türlerinin sınıflandırılmasında iki onemli problem olarak karşımıza şıkmaktadır.u u s cBu tezde, istatistiksel olarak daha iyi sınıflandırıcı oluşturabilmek icin Gauss karışımı modellis s(GMM) sınıflandırıcıların farklılıklar güzetilerek yükseltilmesi (Boosting) ve müzik türleri-o u u uarası benzerliklerini(IGS) kullanarak yükseltme algoritmasına alternatif bir yüntem sunul-u omaktadir. Sınıflandırıcı yükseltilmesi, her bir eğitilmiş sınıflandırıcıda sınıflandırılmasi zoru g solan ürneklerin yeniden modellenmesi ve yeni modellenen bu sınıflandırıcıların ardısık olarakobirleştirilmesi ile sağlanır. Bu tezde, gauss karışım modellerinin en büyük olabilirlik kestirimines g s uudayanan eğitim yünteminin sınıflandırıcı yükseltme yapısına uyumunu sağlayan yeni birg o u gteknik sunulmaktadir. Sınıflandırıcı yükseltilmesi düsüncesinden yola cıkarak geliştirdiğimizu uu s gIGS düzeneğinde ise, benzer kesişim üznitelik vektürleri olarak adlandırdığımız yanlış sınıflandırılanu g so o g svektürler biraraya geldikten sonra gauss karışımlarıyla yeniden modellenir ve müzik türlerio s u uarasındaki bozulma oranının düsük olması işin test aşamasında yanlış tanınan ürnekleruu c s s osistemden atılır. Tezin son kısmında ise müzik türlerinin birbirine benzerliklerini Euclidian-u uuzaklığı esas alarak otomatik bir şekilde bulan bir yüntem geliştirilmiştir.g s o s sii