Miniatura

Fitxers

codi_font.zip (44.97 KB)
memoria.pdf (1.45 MB)

Tipus de document

Treball de fi de grau

Data de publicació

2018-06-27

Llicència de publicació

memòria: cc-by-nc-sa (c) Ángel Bergantiños Yeste, 2018
Si us plau utilitzeu sempre aquest identificador per citar o enllaçar aquest document: https://hdl.handle.net/2445/130799

Supervised learning for genre classification of audio tracks

Títol de la revista

Autors

Director/Tutor

ISSN de la revista

Títol del volum

Recurs relacionat

Resum

[en] Music is a form of art that accompanies all of us every day and, with the appearance of on line services such as Spotify or Tidal, music analysis has become crucial to these services to recommend new music to users and to classify all new tracks uploaded every day. In this dissertation, we provide with a system for multi-class classification of genres for audio tracks. We base on standard MFCC audio descriptors to then define a compact audio track feature vector representation. Different machine learning classifiers are tested to perform final genre classification, also providing an analysis of the relevance of the different features.

Descripció

Treballs Finals de Grau d'Enginyeria Informàtica, Facultat de Matemàtiques, Universitat de Barcelona, Any: 2018, Director: Sergio Escalera Guerrero

Matèries

Sistemes classificadors (Intel·ligència artificial), Aprenentatge automàtic, Programari, Treballs de fi de grau, Processament del so per ordinador, Estils musicals

Matèries (anglès)

Learning classifier systems, Machine learning, Computer software, Computer sound processing, Musical styles, Bachelor's theses

Citació

Col·leccions

Treballs Finals de Grau (TFG) - Enginyeria Informàtica
Programari - Treballs de l'alumnat

Citació

BERGANTIÑOS YESTE, Ángel. Supervised learning for genre classification of audio tracks. [consulta: 25 de febrer de 2026]. [Disponible a: https://hdl.handle.net/2445/130799]

Exportar metadades

JSON - METS

Compartir registre