Use este identificador para citar ou linkar para este item:
https://repositorio.ufba.br/handle/ri/25713
Tipo: | Tese |
Título: | Estudo de padrões em sinais musicais sob a perspectiva dos grafos de visibilidade |
Autor(es): | Melo, Dirceu de Freitas Piedade |
Autor(es): | Melo, Dirceu de Freitas Piedade |
Abstract: | O advento da tecnologia digital favoreceu um extraordinário aumento da capacidade de armazenamento
e compartilhamento de arquivos de conteúdo musical, o que motivou algumas
corporações a incluírem em suas plataformas, algoritmos computacionais para o gerenciamento
automático de grandes bibliotecas de música digital. A classificação de gêneros musicais tem
chamado a atenção como uma das formas de organização deste tipo de biblioteca, e nas últimas
décadas, tem se tornado objeto de estudo de pesquisadores de um campo multidisciplinar
emergente conhecido como Recuperação de Informações Musicais (MIR). A maioria dos trabalhos
desse campo de pesquisa adota a estratégia de categorização de gêneros musicais usando
a extração de atributos (ritmo, melodia e timbre) como uma de suas etapas essenciais. Dentre
esses atributos, o ritmo desempenha um papel muito importante na definição do estilo musical.
O estudo da rítmica em sinais de áudio inclui a investigação de características de regularidade
de seus transientes. A auto-similaridade dos sinais pode dar informações relevantes sobre essa
regularidade, e desta forma, contribuir para o estudo da complexidade rítmica de uma música.
A maioria dos trabalhos do campo de processamento de sinais têm estudado a auto-similaridade
em música digital utilizando o histograma de batidas. Existe uma carência na diversidade de
descritores rítmicos para sinais de áudio, e o campo de processamento de sinais está restrito à
técnicas baseadas em representações tempo-frequência. Novos tipos de descritores poderiam
colaborar com os algoritmos tradicionais, para a melhorar a extração de características rítmicas,
oferecendo outro ponto de vista para essa tarefa. Esta tese propõe uma metodologia para
identificar padrões de auto-similaridade em sinais de áudio, usando propriedades topológicas de
redes, denominado de Descritor de Visibilidade em Flutuações de Variância (DVFV). Este descritor
é constituído de: Modularidade - Q, Número de Comunidades - Nc, Grau Médio - < k >
e Densidade (Delta). Os resultados experimentais obtidos com o cálculo do DVFV em 1.000 grafos
de visibilidade, correspondentes a 1.000 sinais, categorizados em 10 gêneros musicais, mostraram
que o DVFV é capaz de detectar gráfica e numericamente, padrões de auto-similaridade
em sinais classificados em gêneros musicais, de estabelecer uma relação hierárquica de categorias
usando propriedades de redes, e de contribuir para que um sistema de classificação alcance
precisão comparável ou superior a trabalhos correlatos. ABSTRAC The advent of digital technology favored an extraordinary increase in the storage capacity and sharing of music content files, which motivated some corporations to include in their platforms computational algorithms for the automatic management of large digital music libraries. The classification of musical genres has attracted attention as one of the forms of organization of this type of library, and in recent decades, has become the object of study of researchers of an emerging multidisciplinary field known as Music Information Retrieval (MIR). Most of the works in this field of research adopt the strategy of categorization of musical genres using the extraction of attributes (rhythm, melody and timbre) as one of its essential stages. Among these attributes, rhythm plays a very important role in the definition of musical style. The study of rhythmic in audio signals includes the investigation of regularity characteristics of their transients. The self-similarity of the signals can give relevant information about this regularity, and thus contribute to the study of the rhythmic complexity of a song. Most of the works of the signal processing field have studied self-similarity in digital music using the beat histogram. There is a lack in the diversity of rhythm descriptors for audio signals, and the signal processing field is restricted to techniques based on time-frequency representations. New types of descriptors could collaborate with traditional algorithms to improve the extraction of rhythmic features, providing another point of view for this task. This thesis proposes a methodology to identify self-similarity patterns in audio signals, using topological properties of networks, called Variance Fluctuation Visibility Descriptor (DVFV). This descriptor consists of: Modularity - Q, Number of Communities - Nc, Average Degree - < k > and Density (Delta). The experimental results obtained with the calculation of DVFV in 1.000 graphs of visibility, corresponding to 1.000 signs, categorized in 10 musical genres, showed that the DVFV is able to detect graphically and numerically, self-similarity patterns in signals classified in musical genres, establish a hierarchical relationship of categories using properties of networks, and contribute for a classification system to reach comparable or superior precision to related works. |
Palavras-chave: | Redes complexas Grafos de visibilidade Extração de atributos Recuparação de informações musicais Classificação Complex networks Visibility graphs Feature extraction Music information retrieval Classification |
CNPq: | Multidisciplinar Educação |
País: | brasil |
Sigla da Instituição: | UFBA/Faced |
metadata.dc.publisher.program: | Programa do Doutorado Multidisciplinar e Multiinstitucional em Difusão do Conhecimento |
Tipo de Acesso: | Acesso Aberto |
URI: | http://repositorio.ufba.br/ri/handle/ri/25713 |
Data do documento: | 10-Abr-2018 |
Aparece nas coleções: | Tese (PPGDC) |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
TESE_DIRCEU_MELO_ABNT.pdf | 8,86 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.