文献

J-GLOBAL ID：202202246522855825   整理番号：22A0417037

再帰的特徴除去を用いたラガ分類システムの性能改善【JST・京大機械翻訳】

Performance Enhancement of Raga Classification Systems Using Recursive Feature Elimination

著者 (4件)： Pushparajan M. (Department of Mechanical Engineering, Amrita School of Engineering, Coimbatore, Amrita Vishwa Vidyapeetham, India) ,  Sreekumar K. T. (Machine Intelligence Research Laboratory, Department of Electronics and Communication Engineering, Amrita School of Engineering, Coimbatore, Amrita Vishwa Vidyapeetham, India) ,  Ramachandran K. I. (Intelligence Systems Research Laboratory, Centre for Computational Engineering and Networking, Amrita School of Engineering, Coimbatore, Amrita Vishwa Vidyapeetham, India) ,  Kumar C. Santhosh (Machine Intelligence Research Laboratory, Department of Electronics and Communication Engineering, Amrita School of Engineering, Coimbatore, Amrita Vishwa Vidyapeetham, India)
資料名： Advances in Intelligent Systems and Computing  (Advances in Intelligent Systems and Computing)
巻： 1404  ページ： 533-541  発行年： 2022年 
JST資料番号： W5075A  ISSN： 2194-5357  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： それが太陽で,または,器具で演じるとき,聞き声または音楽構成の rを同定することは,困難な作業である。一般的に,古典的音楽における厳密な訓練は,ラガスを同定することができる。機械学習アルゴリズムは,ラガスを分類するようにラガ署名を捕えるために訓練できる。本論文では,専門的フレーターのフルトレンダリングから得られた音声信号に関するHindusani raga分類を試みた。時間領域と周波数領域特徴を用いて分類タスクのために8つのHindusani ragasを考察した。最初に,サポートベクトルマシンベース(SVM)ラガ分類システムを開発し,多項式カーネルで80%の分類精度を達成した。ガウスプロセスベース(GP)ラガ分類システムによって,分類精度は82%に向上した。40の選択された特徴と40の選択された特徴を有するGPベースのシステムの85%のSVMベースシステムに対して,それぞれ84%の精度で,再帰的特徴除去(RFE)プロセスによって,性能をさらに強化した。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 太陽 ,  多項式 ,  音楽 ,  特徴抽出 ,  Gauss過程 ,  音声信号 ,  学習アルゴリズム ,  周波数領域 ,  *サポートベクトルマシン
準シソーラス用語： 分類精度 ,  時間領域 , 【Automatic Indexing@JST】

著者キーワード (4件)： ラガ分類 ,  サポートベクトルマシン ,  Gauss過程 ,  再帰的特徴抽出

分類 (2件)： 音声処理  (JE05000E) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： 分類 ,  性能改善