كلاس بندي سبك موسيقي كلاسيك و جاز با استفاده از الگوريتم جستجوي هارموني خود تطبيقي و PSO

از آنجايي‌كه ژانر موسيقي، رايج ترين روش مورد استفاده براي مديريت پايگاه هاي داده موسيقي ديجيتال است تشخيص ژانر موسيقي وظيفه اي مهم است كه از سوي انجمن تحقيقاتي بازيابي اطلاعات موسيقي از سال 2002 انجام ‌شده است. در اين راستا، يك سيستم كلاس بندي ژانر موسيقي خودكار، بر اساس يك استراتژي انتخاب ويژگي محلي به‌وسيلۀ الگوريتم جستجوي هارموني خود تطبيقي كه در نهايت با دسته بند ماشين بردار پشتيبان به تشخيص و كلاس بندي ژانر موسيقي مي پردازد، مورد ارزيابي قرارگرفته است.هدف از انتخاب ويژگي، انتخاب مهم ترين و مرتبط ترين ويژگي هايي است كه موجب تسهيل كلاس بندي مي شوند و اين كار با استفاده از الگوريتم هاي انتخاب زيرمجموعه انجام مي شود. هدف اين پژوهش مقايسه حداقل يك الگوريتم ديگر با الگوريتم SAHS است براي دستيابي به نتيجه بهتر كه براي اين منظور از الگوريتم ازدحام ذرات كه از دستة الگوريتم-هاي فرا اكتشافي است و مانند SAHS به انتخاب ويژگي ها مي پردازد، استفاده شده است. در اين الگوريتم جواب هايي تصادفي توليد مي گردد كه به آن ها ذره گفته مي شود، هر ذره ويژگي هايي را انتخاب مي كند سپس در تابع هدف گذاشته و ميزان خطا را مي يابد. همچنين با استفاده از قطعه بندي سيگنال، سيگنال موسيقي به بخش هاي كوچكي در حوزۀ زمان تقسيم مي گردد، سپس ويژگي هاي موسيقي(مانند شدت، گام، رنگ صدا، توناليته و ريتم) استخراج شد. نتايج نشان داد كه PSO در مقايسه با SAHS قوي‌تر و بهتر عمل كرده است.