@InProceedings{Hübler2009_307,
<br/>   author = {Stephan Hübler and Matthias Wolff and Matthias Eichner},
<br/>   booktitle = {Studientexte zur Sprachkommunikation: Elektronische Sprachsignalverarbeitung 2009},
<br/>   title = {Vergleich statistischer Klassifikatoren zur Ermittlung musikalischer Aspekte},
<br/>   year = {2009},
<br/>   editor = {Rüdiger Hoffmann},
<br/>   month = mar,
<br/>   pages = {338--345},
<br/>   publisher = {TUDpress, Dresden},
<br/>   abstract  = {Menschen beschreiben Musik mit einfachen, signalfernen, bedeutungsvollen
Aspekten. Deren automatische Gewinnung aus dem Musiksignal bildet
die Grundlage für eine Annotation von Musiktiteln und damit einer Vielzahl
von weiteren Anwendungen unter anderem Musikempfehlungssysteme, Navigieren
durch Musiksammlungen sowie deren Visualisierung und das Bilden von Kaufempfehlungen.
Gegenstand der Untersuchung sind sechs Aspekte (Instrument Density,
Music Color, Percussiveness, Sing Detection, Style, Tempo) mit jeweils zwei
bis zehn Ausprägungen. Aus statistischer Sicht werden Merkmalvektoren, hinter
denen sich Ausprägungen eines Aspektes verbergen, beobachtet. Dabei handelt es
sich um verschiedene Low- und Midlevel-Merkmale. Da Musiksignale Informationen
in ihrer zeitlichen Struktur tragen, wird insbesondere der zeitliche Verlauf in
die Untersuchung mit einbezogen. Zunächst wird eine Klassifikationsentscheidung
pro Merkmalvektor eines Musiktitels getroffen, welche dann zu einer Gesamtentscheidung bezüglich der Auspräung eines Aspektes für den Song führt.
Es werden die Ergebnisse für die Klassifikation von perzeptuellen musikalischen
Aspekten eines Musikstückes mittels statistischer GMM und HMM basierender
Klassifikatoren präsentiert.},
<br/>   isbn = {978-3-941298-31-6},
<br/>   issn = {0940-6832},
<br/>   keywords = {Anwendungen auf Musiksignale},
<br/>   url = {https://www.essv.de/pdf/2009_338_345.pdf},
<br/>}