فایل ورد کامل یک مجموعه داده و مدل رده بندی برای موسیقی ملایی هندی تامیل(زبان سریلانکایی) و چینی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل یک مجموعه داده و مدل رده بندی برای موسیقی ملایی هندی تامیل(زبان سریلانکایی) و چینی،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۹ صفحه

در این مقاله ما مجموعه ای از داده جدید ارائه می دهیم , با موسیقیایی به استثنای سه گروه قومی اصلی در سنگاپور:چینی , مالایی و هندی (هندی و تامیل(سریلانکایی)). ما این مجموعه داده جدید را برای پرورش رده بندی متفاوت مدل ها در جهت تمیز دادن موسیقی و آهنگ اصلی در واژه های این گروه های قومی استفاده می کنیم. مدل های رده بندی به وسیله ی کاوش در استفاده از ویژگی های موسیقیایی متفاوت که وارد شده اند همان طور بهینه شده بودند. هر دو ویژگی های سطح بالا , به عنوان مثال, ویژگی های معنا دارد موسیقیایی, همچنین ویژگی های سطح پایین , به عنوان مثال طیف نگاره بر اساس این ویژگی ها , از فایل های صوتی استخراج شده همین طور برای بهینه سازی عملکرد مدل های رده بندی متفاوت به کار رفته اند.

کلمات کلیدی: رده بندی موسیقایی | گروه های قومی | یادگیری ماشین

عنوان انگلیسی:

A dataset and classification model for Malay, Hindi, Tamil and Chinese music

~~en~~ writers :

Fajilatun Nahar1, Kat Agres2, Balamurali BT1, and Dorien Herremans1

In this paper we present a new dataset, with musical excepts from
the three main ethnic groups in Singapore: Chinese, Malay and Indian (both
Hindi and Tamil). We use this new dataset to train different classification models to distinguish the origin of the music in terms of these ethnic groups. The
classification models were optimized by exploring the use of different musical
features as the input. Both high level features, i.e., musically meaningful features, as well as low level features, i.e., spectrogram based features, were extracted from the audio files so as to optimize the performance of the different
classification models.

Keywords: Music Classification | Ethnic Groups | Machine Learning

$$en!!