КЛАССИФИКАЦИЯ МУЗЫКАЛЬНЫХ ЖАНРОВ С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ
DOI:
https://doi.org/10.53002/117Ключевые слова:
классификация музыкальных жанров, машинное обучение, акустические признаки, Random Forest, обработка аудиосигналов, GTZAN, искусственный интеллект, анализ данных.Аннотация
В статье рассматривается задача автоматической классификации музыкальных жанров с использованием методов машинного обучения. Предложен подход, основанный на анализе акустических характеристик музыкальных композиций и применении алгоритма Random Forest. Эксперименты проводились на датасете GTZAN, содержащем 1000 аудиозаписей 10 музыкальных жанров. В результате достигнута точность классификации 77,5%, определены наиболее значимые акустические признаки для различения жанров. Полученные результаты демонстрируют перспективность предложенного подхода для задач автоматической организации музыкальных библиотек и разработки рекомендательных систем.
Библиографические ссылки
G. Tzanetakis and P. Cook, “Musical genre classification of audio signals,” IEEE Transactions on Speech and Audio Processing, vol. 10, no. 5, pp. 293–302, 2002.
T. Li, M. Ogihara, and Q. Li, “A comparative study on content-based music genre classification,” in Proceedings of the 26th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, 2003, pp. 282–289.
Д. А. Смирнов, Машинное обучение и анализ данных в музыке. М.: ИНФРА-М, 2021.
GTZAN Dataset. [Online]. Available: http://marsyas.info/downloads/datasets.html
B. McFee et al., “librosa: Audio and music signal analysis in Python,” in Proceedings of the 14th Python in Science Conference, 2015, pp. 18–25.
L. Breiman, “Random forests,” Machine Learning, vol. 45, pp. 5–32, 2001.
R. Panda, R. Malheiro, and R. P. Paiva, “Audio Features for Music Emotion Recognition: A Survey,” IEEE Transactions on Affective Computing, vol. 11, no. 2, pp. 1–20, 2020.
Y. Wang and H. Chen, “An Improved Random Forest Model for Music Genre Classification Algorithm Based on Sparrow Search Algorithm,” Applied and Computational Engineering, vol. 77, pp. 84–90, 2024. doi: 10.54254/2755-2721/77/20240658.
M. Ahmed, U. Rozario, M. M. Kabir, Z. Aung, J. Shin, and M. F. Mridha, “Musical Genre Classification Using Advanced Audio Analysis and Deep Learning Techniques,” IEEE Open Journal of the Computer Society, vol. 5, pp. 457–467, 2024. doi: 10.1109/OJCS.2024.3431229.
T. Smith and G. Golcarenarenji, “Music Genre Recognition: An Explainable Approach,” in Proceedings of the 9th International Symposium on Innovative Approaches in Smart Technologies. IEEE, 2025. doi: 10.1109/ISAS66241.2025.11101724.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2026 А.Е. Мубаракова
Это произведение доступно по лицензии Creative Commons «Attribution-ShareAlike» («Атрибуция — На тех же условиях») 4.0 Всемирная.
