کلاس بندی سبک موسیقی کلاسیک و جاز با استفاده از الگوریتم جستجوی هارمونی خود تطبیقی و pso

از آنجایی‌که ژانر موسیقی، رایج ترین روش مورد استفاده برای مدیریت پایگاه های داده موسیقی دیجیتال است تشخیص ژانر موسیقی وظیفه ای مهم است که از سوی انجمن تحقیقاتی بازیابی اطلاعات موسیقی از سال 2002 انجام ‌شده است. در این راستا، یک سیستم کلاس بندی ژانر موسیقی خودکار، بر اساس یک استراتژی انتخاب ویژگی محلی به‌وسیلۀ الگوریتم جستجوی هارمونی خود تطبیقی که در نهایت با دسته بند ماشین بردار پشتیبان به تشخیص و کلاس بندی ژانر موسیقی می پردازد، مورد ارزیابی قرارگرفته است.هدف از انتخاب ویژگی، انتخاب مهم ترین و مرتبط ترین ویژگی هایی است که موجب تسهیل کلاس بندی می شوند و این کار با استفاده از الگوریتم های انتخاب زیرمجموعه انجام می شود. هدف این پژوهش مقایسه حداقل یک الگوریتم دیگر با الگوریتم sahs است برای دستیابی به نتیجه بهتر که برای این منظور از الگوریتم ازدحام ذرات که از دستة الگوریتم-های فرا اکتشافی است و مانند sahs به انتخاب ویژگی ها می پردازد، استفاده شده است. در این الگوریتم جواب هایی تصادفی تولید می گردد که به آن ها ذره گفته می شود، هر ذره ویژگی هایی را انتخاب می کند سپس در تابع هدف گذاشته و میزان خطا را می یابد. همچنین با استفاده از قطعه بندی سیگنال، سیگنال موسیقی به بخش های کوچکی در حوزۀ زمان تقسیم می گردد، سپس ویژگی های موسیقی(مانند شدت، گام، رنگ صدا، تونالیته و ریتم) استخراج شد. نتایج نشان داد که pso در مقایسه با sahs قوی‌تر و بهتر عمل کرده است.