جدول3-2پراکندگی تعداد ویژگی‌ها در دسته‌های مختلف…………………………………..44
جدول4-1 درصد صحت برای هر ژانر در دو آزمایش……………………………………………..60
جدول4-2مجموعه آزمایش های انجام شده و ویژگی های آن……………………………..37
جدول4-3مجموعه‌ها ویژگی‌های به کار رفتهدر آموزش درخت تصمیمی…………..63
جدول4-4معیار Recall- precision وF-measure برای سبک مختلف……63
جدول4-5مجموعه‌ها ویژگی‌های به کار رفته در آموزش درخت تصمیمی…………..65
جدول4-6 معیار Recall- precision وF-measure برای موسیقی غربی……65
جدول4-7 مجموعه‌ها ویژگی‌های به کار رفته در آموزش درخت تصمیمی………….67
جدول4-8معیار Recall- precision وF-measure برای دستگاه‌های مختلف67
جدول4-9 بازخورد به دست آمده از افراد…………………………………………………………………69
جدول4-10 کارایی معیار پیشنهاد شده…………………………………………………………………..69
فصل اول
مقدمه
مقدمه:
موسیقی فراتر از تعریف در الفاظ است و شگفتی آن نیز در همین است. موسیقی جبران ناکامی‌های زبان است و شیوه‌ای برای بیان احساسات ناملموس. احساساتی که نمی‌دانیم چه هستند.آن جا که زبان از گفتن باز می‌ماند، موسیقی مأمنی می‌شود برای روح، و زبانی می‌شود برای بیان احساسات و ناگفته‌های ناشناخته. موسیقی، سرچشمه‌ای از درون انسان دارد.
در طول تاریخ موسیقی همواره به عنوان قسمتی از زندگی انسان نقش خود را ایفا کرده است. امروزه نیز با در دسترسبودن ابزار قابل حمل پخش موسیقی و سایر ابزار ذخیره فایل‌های موسیقی این نقش پررنگ‌تر شده است. همچنین رشد بی سابقه موسیقی در سال‌های اخیر لزوم ایجاد روشی برای مدیریت این فایل‌هارا ضروری می‌نماید. در این تحقیق به ارائه روش‌هایی برای مدیریت اتوماتیک موسیقی با استفاده از تکنیک‌های داده کاوی می‌پردازیم.
تعریف مسئله
هر ساله به تعداد فایل‌های موسیقی که در فرمت دیجیتال تهیه می‌شود افزوده می‌شود که به موجب آن امروزه افراد با حجم عظیمی از فایل‌های موسیقی روبه رو هستند. هر شخص مجموعه کامل و بزرگی از موسیقی برای خود ایجاد می‌کند و حتی در ابزارهای قابل حمل پخش موسیقی به همراه خود دارد.بنابراین نیاز زیادی به تعامل – یافتن موسیقی مورد نظر، ایجاد مجموعه لیست‌ها با ویژگی‌هایی خاص، یافتن موسیقی‌هایی که شبیه به هم هستند- با مجموعه‌های ایجاد شده احساس می‌شود. کتابخانه‌های دیجیتال موسیقی باید توانایی ارتباط دو سویه و تعامل با کاربران خود را داشته باشند. بنا بر این تعامل کاربر با مجموعه‌های موسیقی و یا کتابخانه دیجیتال تبدیل به چالش در دنیای دیجیتال شده است. در مجموعه‌های بزرگ موسیقی مدیریت فهرست‌های متنی بسیار زمان‌بر است. این مهم خود محرکی برای سازماندهی مجموعه‌های بزرگ موسیقی می‌باشد.
از نقطه نظر دیگر هر کاربر طبع مخصوص به خود در انتخاب موسیقی دارد. دسته‌بندی‌های از پیش تعریف شده مانند ژانر و یا خواننده می‌تواند گره‌گشا باشد اما ترجیحات شخصی فرد را به حساب نمی‌آورد کما این که ممکن است این دسته‌بندی‌ها برای تمامی فایل‌ها به صورت پیش فرض وجود نداشته باشد و رده‌بندی فایل‌های موسیقی در ژانرهای مختلف خود چالشی دیگر است. شنونده موسیقی باید بتواند دسته‌بندی‌های شخصی خود را داشته باشد.به طور مثال در مقاله]1[به منظور برآورده نمودن این هدف سیستمی ارائه شده است که با گرفتن یک نمونه با استفاده از رده‌بندی هوشمند کل پایگاه داده را بر اساس ترجیح کاربر رده‌بندی می‌نماید.
به موازات رشد حجم فایل‌ها علاقه رو به رشدی در زمینه توسعه و ارزیابی سیستم‌های بازیابی اطلاعات موسیقی به وجود آمده است. رده‌بندی کامپیوتری فایل‌های موسیقی یکی از فعالیت‌های مهم در زمینه بازیابی اطلاعات موسیقی است. رده‌بندی یک فعالیت استاندارد یادگیری ماشین است که معمولا شامل پیش‌بینی یک خروجی بر اساس یک ورودی است. رده‌بندی امکان تعامل با مجموعه موسیقی در مسیرهای جدید را ایجاد می‌کند. پروژه‌های مختلفی در زمینه رده‌بندی شامل تشخیص ژانر، خواننده، حالت، ابزار موسیقی، تولید لیست پخش و… انجام شده است.
یکی از مهم‌ترین سرویس‌ها برای رهایی کاربران از این حجم عظیم اطلاعات سیستم‌های پیشنهاددهنده موسیقی است. این سیستم‌ها، امکان انتخاب موسیقی‌های مورد علاقه را برای کاربران ایجاد می‌کند. سرویس پیشنهاددهنده مواردی را که ممکن است مورد پسند کاربر قرار بگیرد را بر اساس پیش تعریف‌های کاربر و یا با دسترسی به پیشینه کاربر، پیشنهاد می‌دهد.

مطلب مرتبط :   تولید جمعیت اولیه و الگوریتمهای ژنتیک