Affiliation:
1. BURSA TEKNİK ÜNİVERSİTESİ
Abstract
Müzik, insan ruhuna hitap eden çok etkili bir araçtır. Geçmişten günümüze insanoğlunun yaşamının her alanında var olmuş bir sanat dalıdır. Zaman içerisinde müzik, bilgisayar bilimleri için önemli bir araştırma alanı haline gelmiştir. Müziğin sayısal verilere dönüştürülmesiyle birlikte çeşitli şekillerde işlenip analiz edilmeye başlanmıştır. Müzik türlerinin sınıflandırılması başlı başına bir problemken, gelişen teknolojiyle birlikte müzik türü sınıflandırması günümüzde popülerliğini arttırmaktadır. Müzik türlerinin sınıflandırılmasında birçok parametre temel alınabilir. Bu çalışmada, müzik türlerini sınıflandırmak için çok çeşitli öznitelikler içeren GTZAN veri kümesi kullanılmıştır. Sınıflandırma algoritmaları olarak Rastgele Orman (RF), Destek Vektör Makineleri (SVM) ve Yapay Sinir Ağları (YSA) kullanılmıştır. Bu algoritmalarla elde edilen başarı oranları sırasıyla RF için %81 SVM için %72,33 ve YSA için %67,67 olarak elde edilmiştir.
Publisher
Bandirma Onyedi Eylul University
Reference33 articles.
1. M.B. Er, H. Çiğ, “Türk müziği uyaranları kullanılarak insan duygularının makine öğrenmesi yöntemi ile tanınması”, Gazi University Journal of Science Part C: Design and Technology, vol. 8, no. 2, pp. 458-474, 2020.
2. M. Yılmaz, H. Şahin, A. Yıldız, “Sectoral application analysis of studies made with deep learning models” Electronic Letters on Science and Engineering, vol. 17, no. 2, pp.126-140, 2021.
3. S. Çeven, R. Bayır, “Ortam Sesinden İnsan Sesinin Ayrıştırılması için Filtre Geliştirilmesi”, Avrupa Bilim ve Teknoloji Dergisi, pp. 331-337, 2020.
4. H.E. Kocer, M.C. Ahmed, “Turkish Speech recognition using Mel-frequency cepstral coefficients (MFCC) and Hidden Markov Model (HMM)”, Veri Bilimi, vol. 2, no. 2, pp. 39-44, 2019.
5. N. Ndou, R. Ajoodha, A. Jadhav, “Music genre classification: A review of deep-learning and traditional machine-learning approaches”, In 2021 IEEE International IOT, Electronics and Mechatronics Conference (IEMTRONICS), IEEE, pp. 1-6, 2021.