A study on influence of normalization methods on music genre classification results employing kNN algorithm

• Autorzy: Rosner A. , Michalak M. , Kostek B.

Warianty tytułu

PL

Badanie wpływu metod normalizacji na wyniki klasyfikacji gatunków muzycznych z wykorzystaniem algorytmu kNN

• Języki publikacji: EN

Abstrakty

EN

This paper presents a comparison of different normalization methods applied to the set of feature vectors of music pieces. Test results show the influence of min-max and Zero-Mean normalization methods, employing different distance functions (Euclidean, Manhattan, Chebyshev, Minkowski) as a pre-processing for genre classification, on k-Nearest Neighbor (kNN) algorithm classification results.

PL

Artykuł przedstawia porównanie różnych metod normalizacji zastosowanych do zbioru wektorów cech utworów muzycznych. Wyniki testów prezentują wpływ zastosowania metod normalizacji min-max oraz Zero-Mean z użyciem różnych funkcji odległości (Euklidesowej, Manhattan, Czebyszewa, Minkowskiego) w procesie wstępnego przetwarzania w klasyfikacji gatunków muzycznych z wykorzystaniem algorytmu klasyfikacji k-Najbliższych Sąsiadów (kNN).

Słowa kluczowe

EN

MIR; music information retrieval; music genre classification; normalization; preprocessing; kNN

PL

ekstrakcja informacji muzycznych; klasyfikacja gatunków muzycznych; normalizacja; przygotowanie danych; kNN

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Studia Informatica
• Rocznik: 2013
• Tom: Vol. 34, nr 2A
• Strony: 411--423
• Opis fizyczny: Bibliogr. 14 poz.

Twórcy

autor

Rosner A.

• Silesian University of Technology, Institute of Informatics, Akademicka 16, 44-100 Gliwice, Poland

autor

Michalak M.

• Silesian University of Technology, Institute of Informatics, Akademicka 16, 44-100 Gliwice, Poland

autor

Kostek B.

• Gdańsk University of Technology, Audio Acoustics Laboratory, Narutowicza 11/12, 80-233 Gdańsk, Poland

Bibliografia

• 1. Weninger F., Woelmer M., Schuller B.: Automatic Assessment of Singer Traits in Popular Music: Gender, Age, Height and Race. 12th International Society for Music Information Retrieval Conference (ISMIR), 2011, http://ismir2011.ismir.net/papers/ OS1-4.pdf.
• 2. Bogdanov D., Herrera P.: How Much Metadata Do We Need in Music Recommendation? A Subjective Evaluation Using Preference Sets. ISMIR 2011, http://ismir2011. ismir.net/ papers/PS1-10.pdf.
• 3. Hu Y., Ogihara M.: Nextone Player: A Music Recommendation System Based on User Behavior. ISMIR 2011, http://ismir2011.ismir.net/papers/PS1-11.pdf.
• 4. De La Bandera C., Barbancho A., Tardón L., Sammartino S., Barbancho I.: Humming Method for Content-Based Music Information Retrieval. ISMIR 2011, http://ismir2011. ismir.net/papers/PS1-2.pdf.
• 5. McKay C., Fuginaga I.: Automatic Genre Classification Using Large High-Level Musical Feature Sets. 5th International Society for Music Information Retrieval Conference (ISMIR), 2004, http://www.music.mcgill.ca/~cmckay/papers/musictech/ISMIR_04.pdf.
• 6. Han J., Kamber M., Pei J.: Data Mining Concepts and Techniques. Third Edition, 2011.
• 7. Kostek B.: Perception-Based Data Processing in Acoustics. Applications to Music Information Retrieval and Psychophysiology of Hearing. Springer Verlag, Series on Cognitive Technologies, Berlin, Heidelberg, New York 2005.
• 8. Nowak-Brzezińska A.: Przygotowanie danych w środowisku R. 2011, zsi.tech.us.edu.pl/~nowak/ed/ped_PD.pdf.
• 9. Minkowski Distance: http://xlinux.nist.gov/dads//HTML/lmdistance.html.
• 10. Manhattan Distance: http://xlinux.nist.gov/dads//HTML/manhattanDistance.html.
• 11. Cormen T., Leiserson C., Rivest R.: Introduction to Algorithms. MIT Press, 1990.
• 12. Kostek B., Kupryjanow A., Żwan P., Jiang W., Raś Z., Wojnarski M., Świetlicka J.: Report of the ISMIS 2011 Contest: Music Information Retrieval, [in:] Kryszkiewicz M., Rybiński H., Skowron A., Raś Z. W. (eds.): Foundations of Intelligent Systems. Springer Verlag, Heidelberg 2011, p. 715÷724.
• 13. WEKA 3: Data Mining Software in Java, http://www.cs.waikato.ac.nz/ml/weka/.
• 14. WEKA Library for Java, ver. 3.7.5, http://sourceforge.net/projects/weka/files/weka-3- 7-windows-jre-x64/3.7.5/.