( PDF ) Combinação de classificadores para o reconhecimento automático de gêneros musicais

Download PDF

ads:

CARLOS NASCIMENTO SILLA JUNIOR

COMBINAC¸

AO DE

CLASSIFICADORES PARA O

RECONHECIMENTO AUTOM

ATICO

DE G

ENEROS MUSICAIS

Disserta¸c˜ao apresentada ao Programa de

P´os-Gradua¸c˜ao em Inform´atica da Pontif´ıcia

Universidade Cat´olica do Paran´a como requi-

sito parcial para obten¸c˜ao do t´ıtulo de Me-

stre em Inform´atica.

Curitiba

2007

ads:

Livros Grátis

http://www.livrosgratis.com.br

Milhares de livros grátis para download.

CARLOS NASCIMENTO SILLA JUNIOR

COMBINAC¸

AO DE

CLASSIFICADORES PARA O

RECONHECIMENTO

AUTOM

ATICO DE G

ENEROS

MUSICAIS

Disserta¸c˜ao apresentada ao Programa de

P´os-Gradua¸c˜ao em Inform´atica da Pontif´ıcia

Universidade Cat´olica do Paran´a como requi-

sito parcial para obten¸c˜ao do t´ıtulo de Me-

stre em Inform´atica.

Area de Concentra¸c˜ao: Ciˆencia da Com-

puta¸c˜ao

Orientador: Celso A. A. Kaestner

Co-orientador: Alessandro L. Koerich

Curitiba

2007

ads:

Silla Junior, Carlos Nascimento

COMBINAC¸

AO DE CLASSIFICADORES PARA O RECONHECI-

MENTO AUTOM

ATICO DE G

ENEROS MUSICAIS. Curitiba, 2007.

Disserta¸c˜ao - Pontif´ıcia Universidade Cat´olica do Paran´a. Programa de

P´os-Gradua¸c˜ao em Inform´atica.

1. Classiﬁca¸c˜ao Autom´atica de Gˆeneros Musicais 2. Combina¸c˜ao de Classi-

ﬁcadores 3. Sele¸c˜ao de Atributos I.Pontif´ıcia Universidade Cat´olica do Pa-

ran´a. Centro de Ciˆencias Exatas e Tecnologia. Programa de P´os-Gradua¸c˜ao

em Inform´atica II - t

Dedico este trabalho `a mem´oria do meu

amado avˆo Eymar, `a minha amada av´o Alba

e aos meus amados pais Ana e Carlos.

Agradecimentos

A Deus pela vida e pela sa´ude.

A minha av´o por quem palavras n˜ao s˜ao suﬁcientes para agradecer todo o amor,

carinho e incentivo.

A minha m˜ae por ser, al´em da melhor m˜ae do mundo, o meu maior exemplo de

for¸ca e determina¸c˜ao na vida.

Ao meu pai por compartilhar toda sua sabedoria e experiˆencia de vida.

A minha namorada por todos os momentos incr´ıveis que passamos juntos e pela

compreens˜ao nos momentos em que tive que trabalhar na disserta¸c˜ao.

Ao meu amigo e orientador Celso Kaestner por todos os anos em que tive o pri-

vil´egio de ser orientado por ele.

Ao meu amigo e co-orientador Alessandro Koerich pelas cr´ıticas valiosas e constru-

tivas.

Aos meus mais que amigos, Luiz, Aron, Marcia, Kelly, e Osmar, por todos os

momentos em que estiveram ao meu lado, bons ou ruins.

Aos meus amigos e professores do Centro de Dan¸ca Jaime Aroxa - Paran´a.

Aos meus colegas, Sandra, Yuri, Luciane, Fernanda e Leandro, e ao meu orientador

Antˆonio dos Santos Neto do curso de especializa¸c˜ao em comunica¸c˜ao e semi´otica que

sempre me incentivaram a n˜ao abandonar a p´os em fun¸c˜ao do mestrado.

Aos meus amigos, colegas e professores do PPGIA que tornaram os ´ultimos anos

n˜ao s´o instrutivos como tamb´em divertidos.

A Pontif´ıcia Universidade Cat´olica do Paran´a pela oportunidade de continuar os

meus estudos em n´ıvel de especializa¸c˜ao e mestrado.

Sum´ario

Agradecimentos ii

Sum´ario iii

Lista de Tabelas vi

Lista de Figuras viii

Lista de S´ımbolos ix

Lista de Abrevia¸c˜oes x

Resumo xii

Abstract xiii

Cap´ıtulo 1

Introdu¸c˜ao 1

1.1 Deﬁni¸c˜ao do Problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2 Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

1.3 Desaﬁo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

1.4 Hip´otese . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

1.5 Organiza¸c˜ao do Documento . . . . . . . . . . . . . . . . . . . . . . . . . . 4

Cap´ıtulo 2

Reconhecimento de Padr˜oes e Classiﬁca¸c˜ao Autom´atica de Gˆeneros Musicais 5

2.1 Reconhecimento de Padr˜oes . . . . . . . . . . . . . . . . . . . . . . . . . . 5

2.2 Combina¸c˜ao de Classiﬁcadores . . . . . . . . . . . . . . . . . . . . . . . . . 6

2.2.1 Um-Contra-Todos (One-Against-All) . . . . . . . . . . . . . . . . . 7

2.2.2 Round Robin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

2.2.3 Combina¸c˜ao Baseada na Sa´ıda dos Classiﬁcadores (Output Level

Ensemble) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

2.3 Sele¸c˜ao de Atributos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

2.4 Classiﬁca¸c˜ao Autom´atica de Gˆeneros Musicais . . . . . . . . . . . . . . . . 13

iii

2.4.1 Sem combina¸c˜ao de classiﬁcadores . . . . . . . . . . . . . . . . . . . 14

2.4.2 Com combina¸c˜ao de classiﬁcadores . . . . . . . . . . . . . . . . . . 16

2.4.3 Com sele¸c˜ao de caracter´ısticas . . . . . . . . . . . . . . . . . . . . . 18

2.4.4 Recursos e Ferramentas . . . . . . . . . . . . . . . . . . . . . . . . 18

2.4.5 Cr´ıticas `a Tarefa . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

2.5 Avalia¸c˜ao Cr´ıtica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

Cap´ıtulo 3

Uma Proposta de M´etodo para Classiﬁca¸c˜ao Autom´atica de Gˆeneros Musicais 23

3.1 Cria¸c˜ao e Manuten¸c˜ao da Base de Dados . . . . . . . . . . . . . . . . . . . 23

3.1.1 O Processo de Atribui¸c˜ao de Gˆeneros Musicais . . . . . . . . . . . . 24

3.1.2 Armazenamento, Acesso e Recupera¸c˜ao das M´usicas . . . . . . . . . 25

3.2 M´etodo Para o Reconhecimento Autom´atico . . . . . . . . . . . . . . . . . 27

3.2.1 Segmenta¸c˜ao do Sinal de

Audio (Decomposi¸c˜ao Temporal) . . . . . 28

3.2.1.1 Deﬁni¸c˜ao . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

3.2.1.2 Aplica¸c˜ao . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

3.2.2 Extra¸c˜ao de Caracter´ısticas . . . . . . . . . . . . . . . . . . . . . . 31

3.2.2.1 Caracter´ısticas Relacionadas ao Espectro Sonoro . . . . . 31

3.2.2.2 Caracter´ısticas Relacionadas ao Padr˜ao R´ıtmico (Beat-

Related) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

3.2.2.3 Caracter´ısticas Relacionadas `a Altura da Nota (Pitch-Re-

lated) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

3.2.2.4 Vetor de Caracter´ısticas Resultante . . . . . . . . . . . . . 34

3.3 Sele¸c˜ao de Atributos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

3.4 Classiﬁca¸c˜ao, Combina¸c˜ao e Decis˜ao . . . . . . . . . . . . . . . . . . . . . 36

Cap´ıtulo 4

Avalia¸c˜ao do M´etodo Proposto 38

4.1 Decomposi¸c˜ao Temporal Vs. M´usica Inteira . . . . . . . . . . . . . . . . . 38

4.2 Decomposi¸c˜ao Temporal–Espacial . . . . . . . . . . . . . . . . . . . . . . . 41

4.3 Sele¸c˜ao de Caracter´ısticas . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

4.4 Decomposi¸c˜ao Temporal-Espacial com Sele¸c˜ao de Caracter´ısticas . . . . . . 46

4.5 Avalia¸c˜ao e Discuss˜ao dos Resultados . . . . . . . . . . . . . . . . . . . . . 49

Cap´ıtulo 5

Considera¸c˜oes Finais 51

Referˆe ncias Bibliogr´aﬁcas 54

Gloss´ario 60

Anexo A

O Formato do R´otulo ID3 62

Lista de Tabelas

Tabela 4.1 Taxa de classiﬁca¸c˜ao correta (%) utilizando segmentos isolados vs.

m´usica inteira sobre o conjunto de testes. . . . . . . . . . . . . . . . . . . . 39

Tabela 4.2 Taxa de classiﬁca¸c˜ao correta (%) utilizando v´arias regras para a

combina¸c˜ao de classiﬁcadores vs. m´usica inteira sobre o conjunto de testes. 40

Tabela 4.3 Taxa de Reconhecimento (%) utilizando OAA e RR nos segmentos

individuais. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

Tabela 4.4 Taxa de reconhecimento (%) utilizando decomposi¸c˜ao temporal–

espacial vs. m´usica inteira . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

Tabela 4.5 Taxa de classiﬁca¸c˜ao correta (%) utilizando sele¸c˜ao de atributos

com AG nos segmentos individuais. . . . . . . . . . . . . . . . . . . . . . . 43

Tabela 4.6 Taxa de classiﬁca¸c˜ao correta (%) utilizando v´arias regras para a

combina¸c˜ao de classiﬁcadores vs. m´usica inteira sobre o conjunto de testes. 44

Tabela 4.7 Caracter´ısticas selecionadas para cada segmento dos classiﬁcadores

3-NN, J48 e MLP. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

Tabela 4.8 Caracter´ısticas selecionadas para cada segmento dos classiﬁcadores

NB e SVM. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

Tabela 4.9 Taxa de Reconhecimento (%) utilizando as diversas estrat´egias no

Seg

beg

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

Tabela 4.10 Taxa de reconhecimento (%) utilizando as diversas estrat´egias no

Seg

mid

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

Tabela 4.11 Taxa de reconhecimento (%) utilizando as diversas estrat´egias no

Seg

end

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

Tabela 4.12 Taxa de reconhecimento (%) utilizando as diversas estrat´egias na

m´usica inteira (MI). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48

Tabela 4.13 Taxa de Reconhecimento (%) utilizando as t´ecnic as de c ombina¸c˜ao. 48

Tabela 4.14 Compara¸c˜ao das melhores taxas de classiﬁca¸c˜ao (%) em cada seg-

mento, na m´usica inteira e na combina¸c˜ao . . . . . . . . . . . . . . . . . . 50

Tabela A.1 Informa¸c˜oes do conte´udo do r´otulo ID3 . . . . . . . . . . . . . . . . 62

Tabela A.2 Mapeamento dos Gˆeneros no Padr˜ao ID3 . . . . . . . . . . . . . . . 63

vii

Lista de Figuras

Figura 2.1 Vis˜ao Geral das Tarefas de Reconhecimento de Padr˜oes (KUNCHEVA,

2004) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

Figura 2.2 Ilustra¸c˜ao da estrat´egia One-Against-All para um problema de trˆes

classes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

Figura 2.3 Ilustra¸c˜ao da estrat´egia Round Robin para um problema de trˆes

classes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

Figura 2.4 Ilustra¸c˜ao da estrat´egia de combina¸c˜ao baseada na probabilidade a

posteriori dos classiﬁcadores . . . . . . . . . . . . . . . . . . . . . . . . . . 11

Figura 2.5 Etapas B´asicas de um m´etodo de sele¸c˜ao de caracter´ısticas. (DASH;

LIU, 1997) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

Figura 2.6 Ilustra¸c˜ao dos m´etodos de sele¸c˜ao de atributos. (YANG; HONAVAR,

1998) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

Figura 3.1 Vis˜ao Geral do M´etodo Proposto . . . . . . . . . . . . . . . . . . . 27

Figura 3.2 M´edia dos valores de 30 caracter´ısticas extra´ıdos de diferentes seg-

mentos utilizando 150 m´usicas do gˆenero musical latino conhecido como

Salsa. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

Figura 3.3 Vis˜ao geral do processo de extra¸c˜ao de caracter´ısticas . . . . . . . . 30

Figura 3.4 Descri¸c˜ao do vetor de caracter´ısticas . . . . . . . . . . . . . . . . . 35

Figura A.1 Esquema do Formato do R´otulo ID3 (www.id3.org) . . . . . . . . . 63

viii

Lista de S´ımbolos

k N´umero de vizinhos mais pr´oximos do classiﬁcador k-NN

nc N´umero de Classes

i-´esima classe

x Vetor de caracter´ısticas

p Probabilidade ou escore de conﬁan¸ca

C Classe ﬁnal

p(C

|x) Probabilidade a posteriori da classe C

dado x

l N´umero de classiﬁcadores bin´arios utilizados pelo m´etodo de Round Robin

e Novo exemplo

M N´umero de vetores de caracter´ısticas

r Um r´otulo poss´ıvel

R Conjunto de r´otulos poss´ıveis

nf N´umero de caracter´ısticas escolhidas pelo algoritmo de sele¸c˜ao

D N´umero de caracter´ısticas do conjunto original

S Sinal de ´audio de uma m´usica

g Um gˆenero musical

G Conjunto de todos os gˆeneros musicais

s(i) Sinal amostrado no instante i

A N´umero total de amostras que formam o sinal de ´audio digital

f Freq¨uencia de amostras por segundo

Dura¸c˜ao em segundos de uma janela de extra¸c˜ao de caracter´ısticas

Dura¸c˜ao em segundos do intervalo para extra¸c˜ao de caracter´ısticas

N´umero de amostras de ´audio em cada segmento

q N´umero de quadros existentes na m´usica

Ponto inicial de um segmento

[n] Valor da Transformada de Fourrier no quadro t e faixa de freq ¨uˆencia n

t Quadro

n Faixa de Freq¨uˆencia

Lista de Abrevia¸c˜oes

MIR Multimidia Information Retrieval

RP Reconhecimento de Padr˜oes

k-NN k Vizinhos Mais Pr´oximos

OAA Um-Contra-Todos (One-Against-All)

RR Round Robin

MAJ Voto da Maioria

MAX M´aximo

SUM Soma

WS Soma Ponderada

PROD Produto

WP Produto Ponderado

AGs Algoritmos Gen´eticos

MFCC Coeﬁcientes Cepstrais de Freq¨uˆencia-Mel

DWCH Histogramas de Coeﬁcientes fornecidos pela Daubechies Wavelet

LDA An´alise discriminante linear

SVM M´aquinas de suporte vetorial

J48

Arvores de Decis˜ao

NB Naive Bayes

RSM M´etodo de Busca em Subespa¸cos Aleat´orios

PCA An´alise de Componentes Principais

IG Ganho de Informa¸c˜ao

GR Raz˜ao de Ganho

DWPT Transformada Wavelet Discreta

MLP Rede Neural do tipo Multi-Layer Perceptron

LNN Rede neural simples de uma camada

LDC Linear classiﬁer assuming normal densities with equal covariance matrices

QDC Quadratic classiﬁer assuming normal densities

UDC Quadratic classiﬁer assuming normal uncorrelated densities

GTZAN Base de dad os desenvolvida no trabalho de Tzanetakis e Cook (2002)

FFS Sele¸c˜ao de caracter´ısticas com busca para frente

BFS Sele¸c˜ao de caracter´ısticas com busca para tr´as

ACE Autonomous Classiﬁer Engine

OMEN On demand Metadata ExtractioN

SAL Song Artist List

MFCC Coeﬁcientes Cepstrais de Freq¨uˆencia-Mel

STFT Short Time Fourrier Transform

BPM Batidas Por Minuto

MI M´usica Inteira

BL Baseline

Resumo

Dentro do contexto das tarefas de reconhecimento de padr˜oes, uma tarefa rec ente ´e a clas-

siﬁca¸c˜ao autom´atica de gˆeneros musicais. Nessa perspectiva a m´usica constitui um objeto

interessante de estudo, pois ela pode ser representada como um sinal cont´ınuo que varia

no tempo. Neste trabalho ´e apresentado um novo m´etodo para a classiﬁca¸c˜ao autom´atica

de gˆeneros musicais utilizando combina¸c˜ao de classiﬁcadores baseada nos m´etodos de seg-

menta¸c˜ao do sinal de ´audio (Time Decomposition), na decomposi¸c˜ao do espa¸co do pro-

blema (Space Decomposition) e em regras de combina¸c˜ao que utilizam a probabilidade a

posteriori dos classiﬁcadores. Tamb´em s˜ao avaliados m´etodos de sele¸c˜ao de caracter´ısticas

visando reduzir o esfor¸co computacional necess´ario durante a extra¸c˜ao das caracter´ısticas

do sinal de ´audio das melodias das pe¸cas m´usicas no intuito de veriﬁcar se todas as ca-

racter´ısticas utilizadas s˜ao realmente importantes, ou se ´e poss´ıvel utilizar apenas um

subconjunto das mesmas, dessa forma reduzindo o n´umero de caracter´ısticas a serem

computadas a partir do sinal de ´audio. Al´em disso, foi desenvolvida uma nova base de

dados para o problema, denominada Latin Music Database, que cont´em 3.160 m´usicas de

10 gˆeneros latinos. Os resultados experimentais mostram que o m´etodo proposto permite

classiﬁcar corretamente o gˆenero de 66.76% das m´usicas. Isso representa uma melhora

de 9.33% em rela¸c˜ao ao m´etodo tradicional utilizando o melhor classiﬁcador individual

que considera o uso de apenas um ´unico trecho do in´ıcio da m´usica. Utilizando um vetor

com um n´umero reduzido de caracter´ısticas foi obtida uma melhora de 7.43% ao utilizar

o m´etodo de combina¸c˜ao.

Palavras-chave: Classiﬁca¸c˜ao Autom´atica de Gˆeneros Musicais, Combina¸c˜ao de

Classiﬁcadores, Sele¸c˜ao de Atributos, Reconhecimento de Padr˜oes de Sinais de

Audio.

xii

Abstract

In the Pattern Recognition (PR) area, a subject that is recently getting attention is the

automatic music genre classiﬁcation. From the PR perspective, music recordings are an

interesting object for study as they are a continuous signal that vary over time. In this

work a novel approach for the task of automatic music genre recognition is presented. This

approach is based on the ensemble of classiﬁers based on the time segmentation of the

audio signal (Time Decomposition), the methods for problem Space Decomposition and in

combination rules that uses the a posteriori probability given by the classiﬁers. Feature

selection methods are also evaluated in an eﬀort to reduce the computational cost of the

feature extraction phase and also in order to verify wether all the features are important

to the task, or if it is p ossible to use only a subset of them. Another important aspect

of this work is that a new database containing 3.160 music pieces from 10 Latin music

genres was developed. This database is called the Latin Music Dataset. The experimental

results show that the proposed approach allows correctly classifying 66.76% of the music

pieces. This represents an improvement of 9.33% over the previous approach using the

best individual classiﬁer that considers only the features extracted from the beginning

of the songs. By applying the feature selection process we achieved an improvement of

7.43%.

Keywords: Automatic Music Genre Classiﬁcation, Ensemble of Classiﬁers, Feature

Selection, Pattern Recognition of Audio Signals.

xiii

Cap´ıtulo 1

Introdu¸c˜ao

Com a r´apida expans˜ao da Internet uma imensa massa de dados oriundos de dife-

rentes fontes tem se tornado dispon´ıvel on-line. Um estudo da Universidade de Berkeley

(LYMAN; VARIAN, 2003) mostra que em 2002 haviam cinco milh˜oes de terabytes de no-

vas informa¸c˜oes criadas em documentos impressos, ﬁlmes, m´ıdias ´opticas e magn´eticas.

Estima-se que a WWW sozinha contenha cerca de 170 terabytes de informa¸c˜ao.

Por´em, toda esta informa¸c˜ao n˜ao segue um padr˜ao de apresenta¸c˜ao e n˜ao est´a dis-

pon´ıvel de maneira estruturada, o que torna muito dif´ıcil fazer uso adequado da mesma.

Devido a isto, tarefas como busca, recupera¸c˜ao, indexa¸c˜ao, extra¸c˜ao e sumariza¸c˜ao au-

tom´atica dessas informa¸c˜oes se tornaram problemas importantes sobre os quais muitas

pesquisas tˆem sido realizadas. Neste contexto uma ´area de pesquisa que tem crescido nos

´ultimos anos ´e a de recupera¸c˜ao de informa¸c˜oes multim´ıdia que visa criar ferramentas ca-

pazes de organizar e gerenciar essa grande quantidade de informa¸c˜oes (FINGERHUT, 1999)

(PAMPALK; RAUBER; MERKL, 2002). No momento, a maior parte das informa¸c˜oes sobre

dados multim´ıdia s˜ao organizadas e classiﬁcadas baseadas em meta-informa¸c˜oes textuais

que s˜ao associadas ao seu conte´udo, como ´e o caso dos r´otulos ID3 incorporados nos ar-

quivos de ´audio no formato MP3. Apesar destas informa¸c˜oes serem relevantes para as

tarefas de indexa¸c˜ao, busca e recupera¸c˜ao, elas dependem da interven¸c˜ao humana para

ger´a-las e posteriormente associ´a-las aos arquivos multim´ıdia.

A m´usica digital ´e um dos mais importantes tipos de dados distribu´ıdos na Inter-

net. Existem muitos estudos e m´etodos a respeito da an´alise de conte´udo de ´audio usando

diferentes caracter´ısticas e m´etodos (PAMPALK; RAUBER; MERKL, 2002), (GUO; LI, 2003),

(ZHANG; KUO, 2001), (LI; OGIHARA; LI, 2003), (AUCOUTURIER; PACHET, 2003). Um com-

ponente fundamental para um sistema de recupera¸c˜ao de informa¸c˜oes de ´audio baseado

em conte´udo ´e um m´odulo de classiﬁca¸c˜ao autom´atica de gˆeneros musicais (LI; OGIHARA,

2005), visto que os gˆeneros musicais tˆem sido utilizados para classiﬁcar e caracterizar

m´usicas digitais e para organizar grandes cole¸c˜oes dispon´ıveis na Web (LI; OGIHARA; LI,

2003), (AUCOUTURIER; PACHET, 2003), (TZANETAKIS; COOK, 2002), (SHAO; XU; KAN-

KANHALLI, 2003).

1.1 Deﬁni¸c˜ao do Problema

Os gˆeneros musicais s˜ao r´otulos categ´oricos criados por esp ecialistas humanos, as-

sim como por amadores, para determinar ou designar estilos de m´usica. Esses r´otulos est˜ao

relacionados com a instrumenta¸c˜ao/orquestra¸c˜ao utilizada, estrutura r´ıtmica e conte´udo

harmˆonico da m´usica.

Inicialmente pode-se pensar que as informa¸c˜oes existentes no campo Genre (Gˆenero)

do cabe¸calho ID3 das m´usicas no formato MP3 sejam suﬁcientes. Por´em a primeira vers˜ao

do formato ID3 conhecido como ID3v1, possui uma lista ﬁxa de 80 gˆe neros. Como este

campo ´e representado por um byte, existe a possibilidade de incluir nesta lista outros

gˆeneros, e ´e justamente isto que acontece na maioria dos programas que permitem editar

o cabe¸calho ID3 dos arquivos MP3. O problema ´e que n˜ao existe um padr˜ao para lis tar os

gˆeneros. Cada fabricante utiliza uma seq¨uˆencia diferente para listar os gˆeneros acima do

80, fazendo com que em um determinado programa uma m´usica que est´a classiﬁcada como,

por exemplo, Tango apare¸ca como sendo Trash Metal quando utilizada/to cada/executada

em outro programa. Desta forma, as informa¸c˜oes cadastradas no campo gˆenero dos r´otulos

ID3 normalmente n˜ao s˜ao conﬁ´aveis. Mais informa¸c˜oes sobre o formato ID3 podem ser

encontradas no Anexo A.

Por´em, a quest˜ao do ID3 n˜ao ´e o ´unico problema encontrado na deﬁni¸c˜ao de

gˆeneros musicais, visto que um gˆenero musical ´e um conceito relativamente subje tivo.

Mesmo a ind´ustria musical muitas vezes ´e contradit´oria ao atribuir gˆeneros musicais para

as m´usicas. Adicionalmente, a atribui¸c˜ao de gˆeneros musicais tem sido feita para ´albuns,

e esta atribui¸c˜ao n˜ao ´e obrigatoriamente aplic´avel `as faixas do ´album (AUCOUTURIER; PA-

CHET, 2003). Desta forma, a classiﬁca¸c˜ao autom´atica de gˆeneros musicais pode auxiliar

ou substituir o usu´ario humano neste proc esso, assim como prover um componente im-

portante para um sistema de recupera¸c˜ao de informa¸c˜oes para m´usicas, podendo tamb´em

tornar menos subjetivo este processo de atribui¸c˜ao.

Estudos sobre o comportamento de usu´arios de Sistemas de Recupera¸c˜ao de In-

forma¸c˜ao Multim´ıdia, tamb´em conhecidos como sistemas MIR (Multimidia Information

Retrieval) (DOWNIE; CUNNINGHAM, 2002), indicam que o gˆenero musical ´e o segundo

item mais fornecido nas strings (queries) de busca. O primeiro item ´e relacionado `as

informa¸c˜oes biogr´aﬁcas da m´usica. Nos trabalhos de (VIGNOLI, 2004) e (LEE; DOWNIE,

2004) foi veriﬁcado que o gˆenero musical ´e freq¨uentemente visto p elos usu´arios como um

importante m´etodo de organiza¸c˜ao de cole¸c˜oes musicais e de recupera¸c˜ao de m´usicas de

grandes cole¸c˜oes.

1.2 Objetivo

O principal obj etivo deste trabalho ´e o desenvolvimento de um sistema para a

classiﬁca¸c˜ao autom´atica de gˆeneros mus icais baseado no conte´udo do sinal de ´audio das

m´usicas. Para realizar esta tarefa s˜ao utilizados algoritmos c l´assicos de aprendizagem

supervisionada.

Visando reduzir o esfor¸co computacional necess´ario para a extra¸c˜ao das carac-

ter´ısticas do sinal de ´audio das pe¸cas musicais, s˜ao avaliados m´etodos de s ele¸c˜ao de atri-

butos. Observa-se a relevˆancia das caracter´ısticas inicialmente escolhidas na tarefa de

classiﬁca¸c˜ao de gˆeneros musicais, ou se ´e poss´ıvel utilizar apenas um subconjunto das

mesmas, desta forma reduzindo o n´umero de caracter´ısticas a serem computadas a partir

do sinal de ´audio. Neste sentido, pretende-se veriﬁcar o desempenho de um m´etodo de

sele¸c˜ao de atributos baseado em algoritmos gen´eticos.

Levando-se em conta que a precis˜ao ´e um aspecto imp ortante do sistema, s˜ao ava-

liados m´etodos de combina¸c˜ao de classiﬁcadores visando aumentar o desempenho. Mais

especiﬁcamente, s˜ao utilizados os m´etodos baseados na decomposi¸c˜ao do sinal de ´audio

(Time Decomposition), na decomposi¸c˜ao do espa¸co do problema (Space Decomposition)

e nos escores de conﬁan¸ca fornecidos na sa´ıda de cada classiﬁcador.

1.3 Desaﬁo

Os principais desaﬁos a serem superados para o desenvolvimento deste trabalho

s˜ao:

• O desenvolvimento de uma nova base de dados para a tarefa contendo pelo menos

3.000 m´usicas de 10 gˆeneros distintos, sendo pelo menos 300 m´usicas de cada gˆenero;

• A implementa¸c˜ao de um framework conﬁ´avel para o processo de cria¸c˜ao e manu-

ten¸c˜ao desta base de dados, tendo em vista o esfor¸co humano necess´ario para o

processo de rotula¸c˜ao da base;

• A deﬁni¸c˜ao de uma forma adequada para realizar a extra¸c˜ao de caracter´ısticas das

pe¸cas musicais de forma que n˜ao seja necess´ario realizar esta etapa para cada um

dos experimentos a serem realizados;

• O treinamento e execu¸c˜ao dos diversos classiﬁcadores, o uso de t´ecnicas de com-

bina¸c˜ao de classiﬁcadores, e a avalia¸c˜ao comparativa de todos e stes res ultados.

1.4 Hip´otese

A primeira hip´otese deste trabalho ´e que o uso de caracter´ısticas extra´ıdas de

diferentes partes da m´usica, a utiliza¸c˜ao de classiﬁcadores e posteriormente a combina¸c˜ao

da sa´ıda dos mesmos leva a uma classiﬁca¸c˜ao mais eﬁciente dos gˆeneros musicais das

m´usicas em rela¸c˜ao a outras abordagens que utilizam somente caracter´ısticas extra´ıdas

de um trecho da m ´usica (normalmente o in´ıcio) ou caracter´ısticas extra´ıdas das m´usicas

completas. A segunda hip´otese deste trabalho ´e que o vetor de caracter´ısticas inicial pode

ser otimizado atrav´es do uso de algoritmos de sele¸c˜ao de caracter´ısticas melhorando a taxa

de classiﬁca¸c˜ao dos algoritmos de classiﬁca¸c˜ao. A terceira hip´otese deste trabalho ´e que

o uso conjunto das t´ecnicas de combina¸c˜ao de classiﬁcadores e sele¸c˜ao de atributos deve

melhorar a taxa de classiﬁca¸c˜ao dos algoritmos de classiﬁca¸c˜ao em rela¸c˜ao `as abordagens

anteriores.

1.5 Organiza¸c˜ao do Documento

Esse trabalho est´a organizado em cinco cap´ıtulos. O Cap´ıtulo 2 apresenta uma

revis˜ao dos principais conceitos utilizados no m´e todo proposto para a classiﬁca¸c˜ao au-

tom´atica de gˆeneros musicais. O Cap´ıtulo 3, por sua vez, descreve a abordagem proposta

para solucionar o problema da classiﬁca¸c˜ao autom´atica de gˆeneros musicais utilizando

sele¸c˜ao de atributos e combina¸c˜ao de classiﬁc adores. O Cap´ıtulo 4 apresenta os experi-

mentos realizados, b em como os resultados obtidos. Por ´ultimo, as conclus˜oes e dire¸c˜oes

futuras do trabalho s˜ao apresentadas no Cap´ıtulo 5.

Cap´ıtulo 2

Reconhecimento de Padr˜oes e Classiﬁca¸c˜ao Au-

tom´atica de Gˆeneros Musicais

Neste cap´ıtulo s˜ao apresentados os principais conceitos relacionados ao desenvolvi-

mento deste trabalho assim como uma an´alise cr´ıtica dos principais trabalhos relacionados.

2.1 Reconhecimento de Padr˜oes

A tarefa de RP (Reconhecimento de Padr˜oes) tem como objetivo atribuir r´otulos

para objetos. Os objetos, por sua vez, s˜ao descritos por um conjunto de medidas deno-

minadas caracter´ısticas ou atributos. Porque RP se defronta com os desaﬁos encontrados

em problemas da vida real, apesar das d´ecadas de pesquisa produtiva, teorias mo dernas

e elegantes ainda co-existem com id´eias ad-hoc, intui¸c˜ao e palpites (guessing). Isto ´e

reﬂetido pela variedade de m´etodos e t´ecnicas dispon´ıveis aos pesquisadores.

A Figura 2.1 ilustra as tarefas b´asicas e os est´agios da tarefa de reconhecimento

de padr˜oes. Suponha que um usu´ario hipot´etico nos apresenta um problema e um con-

junto de dados. Nossa tarefa ´e clariﬁcar o problema, traduz´ı-lo para a terminologia de

reconhecimento de padr˜oes, resolvˆe-lo e comunicar a solu¸c˜ao de volta para o usu´ario.

Existem dois tipos de problemas de reconhecimento de padr˜oes: supervisionados e

n˜ao-supervisionados. Na categoria de problemas n˜ao-supervisionados (tamb´em conhecidos

como aprendizado n˜ao-supervisionado), o problema ´e descobrir a estrutura do c onjunto

de dados se houver alguma. Isto usualmente signiﬁca que o usu´ario quer conhecer se

existem grupos nos dados, e quais caracter´ısticas fazem os objetos similares em um grupo

e dissimilares dos demais grupos.

Na categoria de problemas supervisionados, cada objeto no conjunto de dados

possui uma classe previamente rotulada. A tarefa ´e treinar um classiﬁcador para rotular

novos objetos de acordo com estas classes.

Figura 2.1: Vis˜ao Geral das Tarefas de Reconhecimento de Padr˜oes (KUNCHEVA, 2004)

2.2 Combina¸c˜ao de Classiﬁcadores

As principais raz˜oes para a combina¸c˜ao de classiﬁcadores s˜ao eﬁciˆencia e precis˜ao

(KITTLER et al., 1998). Nesse trabalho Kittler et al. apresenta dois cen´arios para a com-

bina¸c˜ao de classiﬁcadores. No primeiro cen´ario, todos os classiﬁcadores usam a mesma

representa¸c˜ao do padr˜ao de entrada. Apesar de cada classiﬁcador utilizar o mesmo vetor

de caracter´ısticas, cada classiﬁcador vai lidar com ele de formas diferentes. Essa id´eia ´e

ilustrada com dois exemplos: no primeiro poderia ser utilizado um conjunto de classiﬁ-

cadores baseados nos k vizinhos mais pr´oximos k-NN (k Vizinhos Mais Pr´oximos) onde

cada classiﬁc ador tem um n´umero diferente para o valor de k. O segundo e xemplo seria

utilizar um conjunto de redes neurais, cada uma treinada com uma fun¸c˜ao de treinamento

diferente ou mesmo com fun¸c˜oes similares, por´em com parˆametros diferentes. No segundo

cen´ario, cada classiﬁcador utiliza sua pr´opria representa¸c˜ao do padr˜ao de entrada.

No contexto do segundo cen´ario, uma estrat´egia poss´ıvel para resolver problemas

de classiﬁca¸c˜ao multi-classe ´e o uso de t´ecnicas de decomposi¸c˜ao do espa¸co do problema

(Problem-Space Decomposition). O principal motivo para aplicar qualquer m´etodo de

decomposi¸c˜ao do problema ´e que a classiﬁca¸c˜ao multi-classe ´e intrinsicamente mais dif´ıcil

do que a classiﬁca¸c˜ao bin´aria, pois o algoritmo de classiﬁca¸c˜ao tem que construir um

grande n´umero de superf´ıcies de separa¸c˜ao, enquanto que os classiﬁcadores bin´arios tˆem

que determinar apenas uma fun¸c˜ao adequada de decis˜ao (DIETTERICH, 2000).

2.2.1 Um-Contra-Todos (One-Against-All)

Dado um problema de reconhecimento de padr˜oes de nc-classes, a estrat´egia OAA

(Um-Contra-Todos (One-Against-All)) consiste em criar um conjunto de nc classiﬁcadores

bin´arios, um para cada classe. Cada classiﬁcador ´e treinado atrav´es de um processo de

re-rotular o mesmo conjunto de treinamento, de forma a disting¨uir entre uma classe e o

seu complemento no espa¸co do problema. Por exemplo, o classiﬁcador para a classe C

´e

treinado utilizando os elementos da classe C

como exemplos p ositivos e o restante do con-

junto de treinamento como exemplos negativos, produzindo um classiﬁcador especializado

para a classe C

Para um exemplo desconhecido, representando por um vetor de caracter´ısticas x,

dadas as nc classiﬁca¸c˜oes individuais, e considerando que cada classiﬁcador individual

atribui a x uma probabilidade p (ou um score de conﬁan¸ca) que est´a diretamente relacio-

nado a conformidade deste exemplo com sua classe, a classe ﬁnal

C atribu´ıda a x vai ser

dada por:

C = arg max

1≤i≤nc

p(C

|x) (2.1)

onde p(C

|x) ´e a probabilidade a posteriori da classe C

dado um vetor de caracter´ısticas

x e

C ´e a classe venc edora, isso ´e, aquela que fornece a maior probabilidade a posteriori.

A Figura 2.2 ilustra esse processo.

2.2.2 Round Robin

No trabalho de F¨urnkranz (2002), a t´ecnica de decomposi¸c˜ao de problemas in-

titulada RR (Round Robin) ´e utilizada para a combina¸c˜ao de classiﬁcadores, de forma

a permitir que classiﬁcadores bin´arios lidem com problemas multi-classe. O m´etodo de

Round Robin converte um problema de nc-classes e m uma s´erie de problemas bin´arios,

criando um conjunto de l =

nc(nc−1)

classiﬁcadores, um para cada par de classes.

Novos exemplos s˜ao classiﬁcados ap´os serem apresentados ao conjunto de l classi-

ﬁcadores bin´arios. Nesse caso, quando um novo exemplo e ´e apresentado para cada um

dos l classiﬁcadores bin´arios, uma classe ´e atribu´ıda a e. As l classes atribu´ıdas v˜ao ser

Figura 2.2: Ilustra¸c˜ao da estrat´egia One-Against-All para um problema de trˆes classes

Figura 2.3: Ilustra¸c˜ao da estrat´egia Round Robin para um problema de trˆes classes

combinadas e o resultado ﬁnal ´e obtido atrav´es do voto da maioria, ou seja, a classe ﬁnal

vai ser deﬁnida como sendo aquela que teve o maior n´umero de ocorrˆencias nas respostas

dos classiﬁcadores.

Ao contr´ario da estrat´egia de Um-Contra-Todos (One-Against-All), neste caso

quando um classiﬁcador bin´ario ´e constru´ıdo, vamos dizer para as classes C

e C

, apenas

os exemplos destas duas classes s˜ao utilizadas, e o resto do conjunto de treinamento ´e igno-

rado. De acordo com F¨urnkranz (2002), esta abordagem leva a uma superf´ıcie de decis˜ao

mais simples sobre os limites das duas classes. A Figura 2.3 ilustra essa abordagem.

2.2.3 Combina¸c˜ao Baseada na Sa´ıda dos Classiﬁcadores (Output Level Ensemble)

Uma outra t´ecnica de combina¸c˜ao de c lassiﬁcadores ´e baseada nos escores de con-

ﬁan¸ca fornecidos por cada classiﬁcador para cada classe (KITTLER et al., 1998). O uso

desta t´ecnica requer diferentes vetores de caracter´ısticas para o mesmo objeto, e formal-

mente pode ser deﬁnida como:

Considerando uma seq¨uˆencia de M vetores de caracter´ısticas extra´ıdos de um ob-

jeto como sendo

=< ¯x

(1), ¯x

(2), . . . , ¯x

(M) > (2.2)

no qual cada ¯x

(m) ´e um vetor de caracter´ısticas relacionado a uma representa¸c˜ao m, onde

m = 1, 2, . . . , M. De maneira similar ´e poss´ıvel deﬁnir uma seq¨uˆencia de M classiﬁcadores

como sendo

C =< c(1), c(2), . . . , c(M) > (2.3)

Sem perda de generalidade ´e assumido que este conjunto de classiﬁcadores probabil´ısticos

´e homogˆeneo, cuja sa´ıda de cada classiﬁcador ´e P (r|X

), onde



r∈R

P (r|X

) = 1. Sendo r

um r´otulo poss´ıvel dentro todo o conjunto de r´otulos poss´ıveis R. A rela¸c˜ao entre X

e C

direta, ou seja, ´e uma rela¸c˜ao de um-para-um, e o vetor de caracter´ısticas m da seq¨uˆencia

de vetores X

´e classiﬁcado pelo classiﬁcador c(m) de C.

De forma a encontrar a melhor combina¸c˜ao de classiﬁcadores, ou seja, o conjunto

de classiﬁcadores mais diverso que produz uma boa generaliza¸c˜ao, ´e utilizada uma ´unica

fun¸c˜ao objetivo baseada na maximiza¸c˜ao da taxa de reconhecimento da combina¸c˜ao dos

classiﬁcadores.

As regras de combina¸c˜ao utilizadas neste trabalho s˜ao:

• MAJ (Voto da Maioria): Nesta regra de decis˜ao, apenas os r´otulos das classes s˜ao

levadas em considera¸c˜ao e aquela com o maior n´umero de votos ganha

C = maxcount





arg max

r∈R

m∈[1,...,M]

(r|x

)





(2.4)

• MAX (M´aximo): Nesta regra de decis˜ao, a classe com o maior score de conﬁan¸ca ´e

escolhida. Formalmente essa regra ´e deﬁnida por:

C = arg max

r∈R

m∈[1,...,M]

(r|x

) (2.5)

A fun¸c˜ao maxcount retorna o valor mais freq¨uente de um multiset.

• SUM (Soma): A regra do somat´orio ´e baseada nos escores de conﬁan¸ca produzidos

na sa´ıda dos classiﬁcadores para todas as classes. Os escores de conﬁan¸ca ser˜ao

somados para cada classe e a classe com o maior valor ´e escolhida. Formalmente

essa regra ´e deﬁnida por:

C = arg max

r∈R



m=1

(r|x

) (2.6)

• WS (Soma Ponderada): Ao inv´es de utilizar apenas a regra do somat´orio sim-

ples, ´e poss´ıvel adicionar pesos `a sa´ıda de cada classiﬁcador. Neste caso os esco-

res de conﬁan¸ca fornecidos por cada classiﬁcador s˜ao multiplicados p or constantes

(α, β, . . . , µ):

C = arg max

r∈R

αP

(r|x

) + . . . + µP

(r|x

) (2.7)

• PROD (Produto): A regra da multiplica¸c˜ao ´e baseada nos escores de conﬁan¸ca

produzidos na sa´ıda dos classiﬁcadores para todas as classes. Os escores de conﬁan¸ca

para cada classe s˜ao multiplicados e a classe com o maior valor ´e escolhida:

C = arg max

r∈R



m=1

(r|x

) (2.8)

• WP (Produto Ponderado): Essa regra utiliza a mesma id´eia dos pes os utilizada pela

regra WS. Por´em, ao inv´es de multiplicar os pesos a sa´ıda de cada classiﬁcador, os

escores de conﬁan¸ca s˜ao elevados ao valor dos pesos.

C = arg max

r∈R

(r|x

)

× . . . × P

(r|x

)

(2.9)

A Figura 2.4 apresenta um exemplo com um problema de trˆes classes, utilizando

trˆes classiﬁcadores, em que o resultado ﬁnal depende da regra de combina¸c˜ao utilizada.

2.3 Sele¸c˜ao de Atributos

Com o intuito de melhorar a taxa de reconhecimento dos algoritmos de classiﬁca¸c˜ao

´e poss´ıvel efetuar uma etapa de sele¸c˜ao de atributos. Esta etapa consiste em escolher um

subconjunto de nf caracter´ısticas do conjunto original de D caracter´ısticas (nf ≤ D), de

forma que o e spa¸co de busca seja reduzido de acordo com algum crit´erio de otimiza¸c˜ao

Figura 2.4: Ilustra¸c˜ao da estrat´egia de combina¸c˜ao baseada na probabilidade a posteriori

dos classiﬁcadores

(BLUM; LANGLEY, 1997). O papel da sele¸c˜ao de atributos nas tarefas de reconhecimento

de padr˜oes ´e:

• Reduzir a dimensionalidade do espa¸co de busca;

• Acelerar o algoritmo de aprendizado;

• Melhorar o acerto preditivo de um algoritmo de classiﬁca¸c˜ao;

• Melhorar a compreensibilidade dos resultados de aprendizado.

De forma geral, a sele¸c˜ao de atributos ´e um problema de otimiza¸c˜ao de acordo

com algum crit´erio de avalia¸c˜ao. Um m´etodo t´ıpico de sele¸c˜ao de atributos consiste

de quatro etapas b´asicas (como apresentado na Figura 2.5: gera¸c˜ao de subconjuntos,

avalia¸c˜ao dos subconjuntos, crit´erio de parada, e valida¸c˜ao dos resultados (DASH; LIU,

1997)). Na primeira etapa (gera¸c˜ao) o algoritmo tem como entrada o conjunto original de

caracter´ısticas a partir do qual ´e gerado um subconjunto de caracter´ısticas. Na segunda

etapa este subconjunto ´e avaliado e recebe um valor referente a sua qualidade. A terceira

etapa ´e um processo de decis˜ao, se algum crit´erio de parada foi atingido o procedimento

termina e este subconjunto ´e submetido `a valida¸c˜ao na quarta etapa, caso contr´ario,

volta-se para a primeira etapa. Na quarta etapa o subconjunto gerado ´e utilizado nos

experimentos para veriﬁcar se traz benef´ıcios em rela¸c˜ao ao uso do vetor de caracter´ısti-

cas.

A gera¸c˜ao de subconjuntos ´e um pro cedimento de busca. Basicamente, ela gera

subconjuntos de caracter´ısticas para avalia¸c˜ao. Seja D o n´umero total de caracter´ısticas

Figura 2.5: Etapas B´asicas de um m´etodo de sele¸c˜ao de caracter´ısticas. (DASH; LIU, 1997)

no conjunto original, ent˜ao o n´umero total de subconjuntos candidatos ´e 2

, o que faz

com que o m´etodo de busca exaustiva no espa¸co de caracter´ısticas seja invi´avel mesmo

com um n´umero moderado de D.

Os m´etodos de sele¸c˜ao de atributos podem ser classiﬁcados em trˆes grupos de

acordo com como as caracter´ısticas s˜ao utilizadas e avaliadas (MOLINA; BELANCHE; NE-

BOT, 2002):

• Incorp orado (Embbedded): O algoritmo possui um mecanismo pr´oprio para sele¸c˜ao

de atributos.

E o caso, por exemplo, dos algoritmos de ´arvores de decis˜ao;

• Filtro (Filter): O proce sso de sele¸c˜ao de atributos acontece antes de qualquer algo-

ritmo de reconhecimento de padr˜oes ser utilizado. De uma forma geral, diz-se que

o processo de sele¸c˜ao de atributos ocorre na etapa de pr´e-processamento.

• Envelope (Wrapper): Nessa abordagem, o algoritmo de aprendizado de m´aquina ´e

utilizado como uma sub-rotina. O algoritmo espec´ıﬁco ´e utilizado para avaliar as

solu¸c˜oes geradas.

(Na ﬁgura em negrito) A ﬁgura 2.6 ilustra os m´etodos de sele ¸c˜ao de atributos

utilizando as abordagens de ﬁltro e de envelope. Na ﬁgura 2.6, blocos em ˆenfase, ´e poss´ıvel

veriﬁcar o mecanismo de sele¸c˜ao de atributos, no caso da abordagem ﬁltro, este encontra

um subconjunto de caracter´ısticas ´otimas sem utilizar o algoritmo de aprendizagem. J´a

no caso da abordagem de envelope ´e poss´ıvel ver como a gera¸c˜ao dos subconjuntos ´e um

processo iterativo, onde dada as caracter´ısticas originais, vai ser gerado um subconjunto

de caracter´ısticas, este subconjunto vai se r apresentado para o algoritmo de aprendizagem

de m´aquina que vai retornar uma avalia¸c˜ao do subconjunto. Este processo ´e repetido at´e

que seja encontrado um subconjunto ´otimo.

Uma outra op¸c˜ao para gerar subjconjuntos ´e uso de AGs (Algoritmos Gen´eticos),

pois eles oferecem uma busca aleat´oria guiada (random guided search) no espa¸co de todos

os poss´ıveis subconjuntos. A forma mais conveniente de representar um subconjunto de

Figura 2.6: Ilustra¸c˜ao dos m´etodos de sele¸c˜ao de atributos. (YANG; HONAVAR, 1998)

caracter´ısticas ´e utilizando um vetor bin´ario de tamanho D. A i-´esima posi¸c˜ao do vetor ´e

1 se o i-´e simo atributo estiver inclu´ıdo no subconjunto e 0 caso contr´ario. Um AG opera

sobre um conjunto de M vetores bin´arios, denominados cromossomos. A popula¸c˜ao de

cromossomos ´e evolu´ıda atrav´es do uso de operadores gen´eticos denominados muta¸c˜ao e

crossover.

Seja X = x

, . . . , x

o conjunto de caracter´ısticas. Uma popula¸c˜ao com 6 cromos-

somos (indiv´ıduos), S

, . . . , S

´e apresentada abaixo (KUNCHEVA, 2004):

0 1 0 1 0 0 0 1 0 0 {x

, x

}

1 1 1 0 0 0 0 0 0 1 {x

, x

}

0 0 1 1 1 1 0 0 0 1 {x

, x

}

0 0 0 0 0 0 0 1 0 1 {x

, x

}

0 1 1 0 0 0 0 0 0 0 {x

, x

}

1 1 0 1 1 1 0 0 1 1 {x

, x

}

Para avaliar a adequabilidade (Fitness) dos indiv´ıduos, um classiﬁcador vai ser

treinado utilizando as caracter´ısticas selecionadas pelo indiv´ıduo e seu desempenho repre-

senta o valor de adequabilidade (ab ordagem do envelope (wrapper)).

2.4 Classiﬁca¸c˜ao Autom´atica de Gˆeneros Musicais

Nesta se¸c˜ao s˜ao apresentados al´em do estado da arte, os principais trabalhos da

´area de classiﬁca¸c˜ao autom´atica de gˆeneros musicais.

2.4.1 Sem combina¸c˜ao de classiﬁcadores

A id´eia de classiﬁca¸c˜ao autom´atica de gˆeneros musicais como uma tarefa de recon-

hecimento de padr˜oes de sinais de m´usicas foi apresentada no trabalho de Tzanetakis e

Cook (2002). Neste trabalho, foi proposto um conjunto abrangente de caracter´ısticas para

representar um sinal de ´audio. As caracter´ısticas foram utilizadas para construir trˆes tipos

de classiﬁcadores: classiﬁcador Gaussiano, modelos de mistura Gaussiana e k-NN. O con-

junto de caracter´ısticas proposto ´e composto de caracter´ısticas relacionadas ao espectro

sonoro, ao padr˜ao r´ıtmico (beat-related) e `a altura da nota (pitch-related). Os experimen-

tos foram avaliados numa base de dados contendo 1.000 m´usicas de 10 gˆeneros distintos,

sendo 100 m´usicas de cada gˆenero. Os gˆeneros utilizados foram: Blues, Classical, Country,

Disco, Hiphop, Jazz, Metal, Pop, Regg ae e Rock. O acerto obtido inicialmente nesta base

foi de cerca de 60% utilizando o mecanismo de valida¸c˜ao-cruzada fator 10 cem vezes.

importante observar que os experimentos foram avaliados utilizando apenas os primeiros

30 segundos de cada m´usica. Outro aspecto interessante deste trabalho ´e que o conjunto

de caracter´ısticas utilizado est´a dispon´ıvel atrav´es do Framework Marsyas

(TZANETAKIS;

COOK, 1999), um software livre para o desenvolvimento e avalia¸c˜ao de aplica¸c˜oes voltadas

`a computa¸c˜ao musical.

Tzanetakis e Cook (2002) motivaram a pesquisa e desenvolvimento de novas abor-

dagens para a tarefa de classiﬁca¸c˜ao autom´atica de gˆeneros musicais utilizando t´ecnicas

de aprendizado de m´aquina e processamento digital de sinais.

No trabalho de Kosina (2002) foi desenvolvido o MUGRAT

– um sistema prot´otipo

para a classiﬁca¸c˜ao autom´atica de gˆeneros musicais que utiliza um subconjunto de carac-

ter´ısticas das propostas por Tzanetakis & Cook. A principal diferen¸ca do MUGRAT para

o Marsyas, ´e que ele n˜ao utiliza as caracter´ısticas relacionadas ao pitch nem as relaciona-

das aos cinco primeiros MFCC (Coeﬁcientes Cepstrais de Freq¨uˆencia-Mel). A avalia¸c˜ao

do MUGRAT foi efetuada numa base de dados contendo 189 m´usicas de trˆes gˆeneros:

Metal (63), Dance (65) e Classical (61). Os vetores de caracter´ısticas foram extra´ıdos de

amostras aleat´orias com trˆes segundos de dura¸c˜ao. A melhor classiﬁca¸c˜ao (88.35%) foi

obtida utilizando o classiﬁcador k-NN com o valor de k = 3 com o m´etodo de avalia¸c˜ao de

valida¸c˜ao-cuzada estratiﬁcada fator 10. Um aspecto interessante constatado no trabalho ´e

que ao construir a base de dados a autora percebeu que a mesma m´usica no formato MP3

obtida de fontes diferentes possu´ıa uma informa¸c˜ao diferente no campo gˆenero (Genre)

do r´otulo ID3. Este fato foi utilizado para ilustrar que a classiﬁca¸c˜ao humana de gˆeneros

Dispon´ıvel em: http://marsyas.sourceforge.net/

Dispon´ıvel em: http://kyrah.net/mugrat/

musicais realmente ´e nebulosa, mas como mostrado na se¸c˜ao introdu¸c˜ao, este n˜ao ´e o

´unico problema associado aos r´otulos ID3.

Li, Ogihara e Li (2003) realizaram um estudo comparativo para a classiﬁca¸c˜ao

autom´atica de gˆeneros musicais baseada em conte´udo entre o conjunto de caracter´ıs-

ticas propostas por Tzanetakis & Cook e um novo conjunto de caracter´ısticas extra´ıdos

utilizando DWCH (Histogramas de Coeﬁcientes fornecidos pela Daubechies Wavelet). Eles

tamb´em dese jam veriﬁcar se outros m´etodos estat´ısticos como LDA (An´alise discriminante

linear) e SVM (M´aquinas de suporte vetorial) teriam um melhor desempenho do que os

demais classiﬁcadores utilizados anteriormente. Os experimentos foram realizados em

duas bases de dados: a primeira (Base A) ´e a mesma utilizada nos experimentos de

Tzanetakis & Cook e a segunda (Base B) cont´em 756 m´usicas de cinco gˆeneros (Ambient

(109), Classical (164), Fusion (136), Jazz (251) e Rock (96)). Um aspecto importan-

te desta segunda base de dados ´e que as caracter´ısticas foram extra´ıdas do segmento

composto pelo segundo 31 ao segundo 61, ao inv´es dos primeiros trinta segundos (como

acontece na base do Tzanetakis & Cook). As conclus˜oes dos exp erimentos realizados neste

trabalho mostram que o melhor resultado foi obtido com o classiﬁcador SVM que me lhorou

o acerto obtido na base A para cerca de 72% com o mesmo conjunto de caracter´ısticas, e

para cerca de 78% no melhor caso com as caracter´ısticas da DWCH (em ambos os casos

utilizando o classiﬁcador SVM). Na base B a taxa de acerto obtida foi de 74% (utilizando

DWCH) e 71% (utilizando as caracter´ısticas do Tzanetakis & Cook). Outro aspecto

importante deste trabalho ´e que eles avaliaram diferentes estrat´egias de decomposi¸c˜ao

que s˜ao necess´arias por classiﬁcadores que n˜ao lidam naturalmente com problemas multi-

classe. Eles avaliaram o classiﬁcador SVM utilizando as estrat´egias de Um-Contra-Todos

(OAA), Round Robin(RR)(que eles chamam de Pairwise Comparison) e fun¸c˜oes objetivas

multi-classe. Os melhores resultados foram alcan¸cados com a estrat´egia OAA com as ca-

racter´ısticas da DWCH. A diferen¸ca entre a taxa de classiﬁca¸c˜ao obtida pelo conjunto de

caracter´ısticas baseado em DWCH em rela¸c˜ao `as caracter´ısticas do Tzanetakis & Cook

foi de 2% (utilizando o k-NN) a 7% utilizando SVM com OAA para a base A e de 2%

(utilizando o k-NN) a 4% utilizando SVM com OAA para a base B.

No trabalho de Li e Ogihara (2005) foi investigado o uso de uma taxonomia

hier´arquica para a classiﬁca¸c˜ao de gˆeneros musicais. Esta taxonomia identiﬁca as rela¸c˜oes

de dependˆencia de diferentes gˆeneros e fornece valiosas fontes de informa¸c˜ao para a clas-

siﬁca¸c˜ao de gˆeneros. Os experimentos foram realizados com as mesmas bases utilizadas

anteriormente pelo grupo (LI; OGIHARA; LI, 2003) e a taxa de classiﬁca¸c˜ao aumentou em

0.7% para a base A e 3% para a base B.

Em (SILLA JR.; KAESTNER; KOERICH, 2005) foram avaliados m´etodos de Bagging e

Boosting aliados aos classiﬁcadores J48 (

Arvores de Decis˜ao), NB (Naive Bayes) e 3-NN.

Os experimentos foram realizados utilizando a base do trabalho de Tzanetakis e Cook

(2002). O uso das t´ecnicas de meta-aprendizagem aumentaram a taxa de classiﬁca¸c˜ao

correta do J48 em todos os casos. Para o NB os m´etodos de meta-aprendizagem se

mostraram ineﬁcientes, enquanto que para o 3-NN apenas o m´etodo de Bagging forneceu

melhores resultados.

Um trabalho relacionado com a tarefa de classiﬁca¸c˜ao autom´atica de gˆeneros musi-

cais, por´em com outro foco, ´e o realizado por Hu et al. (2005) onde s˜ao utilizados reviews

de m´usicas e t´ecnicas de minera¸c˜ao de textos para realizar a classiﬁca¸c˜ao autom´atica dos

gˆeneros.

2.4.2 Com combina¸c˜ao de classiﬁcadores

A id´eia de decomposi¸c˜ao e combina¸c˜ao de classiﬁcadores foi utilizada para a classi-

ﬁca¸c˜ao autom´atica de gˆeneros musicais no trabalho de Grimaldi, Cunningham e Kokaram

(2003b, 2003a). Nestes trabalhos foram realizados experimentos utilizando diferentes

estrat´egias de combina¸c˜ao de classiﬁcadores e sele¸c˜ao de atributos. Eles avaliaram o des-

empenho de OAA, RR e RSM (M´etodo de Busca em Subespa¸cos Aleat´orios) (HO, 1998)

com alguns algoritmos para ranqueamento de caracter´ısticas para sele¸c˜ao de atributos,

conhecidas como PCA (An´alise de Componentes Principais), IG (Ganho de Informa¸c˜ao)

e GR (Raz˜ao de Ganho). Os experimentos foram realizados numa base contendo 200

m´usicas de cinco gˆeneros (Jazz, Classical, Rock, Heavy Metal e Techno). Para efetuar

a valida¸c˜ao foi utilizado o m´etodo de valida¸c˜ao cruzada fator 5. Todos os experimentos

foram avaliados utilizando apenas o classiﬁcador k-NN. Para extrair as caracter´ısticas foi

utilizada a DWPT (Transformada Wavelet Discreta) aplicada ao sinal da m´usica inteira.

No trabalho de Costa, Valle Jr. e Koerich (2004) foi proposto um novo m´etodo

para a classiﬁca¸c˜ao autom´atica de gˆeneros musicais, baseado na extra¸c˜ao de caracter´ıs-

ticas de trˆes segmentos do sinal de ´audio. As caracter´ısticas foram extra´ıdas do in´ıcio,

meio e ﬁm da m´us ica. Para cada segmento foi treinado um classiﬁcador componente

e a decis˜ao ﬁnal era obtida atrav´es do voto da maioria de cada uma das partes. Os

classiﬁcadores utilizados foram MLP (Rede Neural do tipo Multi-Layer Perceptron) e k-

NN. As caracter´ısticas foram extra´ıdas utilizando o s oftware MUGRAT. Os experimentos

foram realizados em uma base contendo 414 m´usicas de dois gˆeneros (Rock e Classical).

A base foi particionada em trˆes conjuntos: treinamento com 208 m´us icas, valida¸c˜ao com

82 m´usicas e teste com 122 m´usicas. A conclus˜ao obtida no trabalho foi que o m´etodo de

combina¸c˜ao proposto n˜ao melhorava o desempenho al´em da classiﬁca¸c˜ao individual dos

segmentos isolados.

Uma continua¸c˜ao do trabalho de Costa, Valle Jr. e Koerich (2004) foi apresentada

por Koerich e Poitevin (2005) onde para realizar a combina¸c˜ao dos classiﬁcadores foram

utilizadas outras regras de combina¸c˜ao al´em do voto da maioria. As regras eram baseadas

nas probabilidades individuais de cada classe fornecida na sa´ıda dos classiﬁcadores. As

regras utilizadas foram MAX, SUM, WS, PROD e WP. A base utilizada foi a mesma do

experimento anterior. Uma altera¸c˜ao ´e que ne ste trabalho os autores utilizaram apenas

redes neurais MLP para fazer a classiﬁca¸c˜ao. Os resultados obtidos mostraram uma

melhora na taxa de acerto em rela¸c˜ao aos segmentos individuais utilizando dois segmentos

e as regras de soma e produto ponderados.

No trabalho de Meng, Ahrendt e Larsen (2005) s˜ao utilizadas caracter´ısticas basea-

das em trˆes escalas de tempo: as caracter´ısticas de tempo curto s˜ao computadas utilizando

janelas de an´alise de tamanho 30 ms, o signiﬁcado perceptual deste tipo de caracter´ıstica

est´a relacionado ao timbre (freq¨uˆe ncia instantˆanea); as caracter´ısticas de tempo m´edio s˜ao

computadas utilizando janelas de an´alise de tamanho 740 ms, e est˜ao relacionadas `a mo-

dula¸c˜ao (instrumenta¸c˜ao); as caracter´ısticas de tempo longo s˜ao computadas utilizando

janelas de an´alise de tamanho 9.62s e est˜ao relacionadas `a batida, ao padr˜ao r´ıtmico e

inﬂex˜ao vocal, etc. Para realizar os experimentos foram considerados dois classiﬁcadores:

LNN (Rede neural simples de uma camada) e um classiﬁcador Gaussiano com uma ma-

triz completa de covariˆancia. Os experimentos foram realizados em duas bases de dados,

mas o prop´osito destes era veriﬁcar o desempenho relativo das caracter´ısticas ao inv´es de

veriﬁcar o erro no conjunto de dados. A primeira base de dados utilizada cont´em 100

m´usicas, distribu´ıdas igualmente em cinco gˆeneros (Classical, Rock, Jazz, Pop e Techno).

A segunda base consiste de 354 m´usicas de 30 segundos extra´ıdas do “Amazon.com Free-

Downloads” e possuem 6 gˆeneros (Classical, Country, Jazz, Rap, Rock e Techno). Foram

realizados diversos experimentos e os melhores resultados computacionais obtidos no con-

junto de teste foram de 5% em rela¸c˜ao a 1

base de dados utilizando a combina¸c˜ao de

caracter´ısticas de tempo m´edio e longo.

No trabalho de Yaslan e Cataltepe (2006) foram utilizados os seguintes classiﬁca-

dores: Fisher (Classiﬁcador de Fisher); LDC (Linear classiﬁer assuming normal densities

with equal covariance matrices); QDC (Quadratic classiﬁer assuming normal densities);

UDC (Quadratic classiﬁer assuming normal uncorrelated densities); NB (Classiﬁcador

Na¨ıve Bayes); PDC (Parzen Density Based Classiﬁer ); k-NN (Vizinhos mais pr´oximos

com o valor ´otimo de k computado utilizando o metodo de valida¸c˜ao cruzada com leave-

one-out); 1-NN (1 vizinho mais pr´oximo), 3-NN (3 vizinhos mais pr´oximos); 5-NN (5

vizinhos mais pr´oximos). A base utilizada foi a GTZAN (Base de dados desenvolvida no

trabalho de Tzanetakis e Cook (2002)) e o processo de extra¸c˜ao de caracter´ısticas foi efe-

tuado com o MARSYAS. A principal diferen¸ca desse trabalho em rela¸c˜ao aos anteriores, ´e

que foram avaliadas as caracter´ısticas de acordo com os grupos a que elas pertecem para

cada um dos classiﬁcadores listados. Al´em disso foram utilizados m´etodos de FFS (Sele¸c˜ao

de caracter´ısticas com busca para frente) e BFS (Sele¸c˜ao de caracter´ısticas com busca para

tr´as) para tentar encontrar um melhor subconjunto de caracter´ısticas que aumentasse o

desempenho dos classiﬁcadores. Os resultados obtidos foram positivos e os autores ainda

propuseram o uso de um ensemble (que deveria ter sido classiﬁcado como Stacking) c om-

binando a sa´ıda dos classiﬁcadores que apresentarem os melhores resultados. Essa t´ecnica

de combina¸c˜ao tamb´em apresentou resultados positivos.

2.4.3 Com sele¸c˜ao de caracter´ısticas

O uso de m´etodos de sele¸c˜ao de caracter´ısticas para a classiﬁca¸c˜ao autom´atica

de gˆeneros musicais foi recentemente avaliado nos trabalhos de (FIEBRINK; FUJINAGA,

2006) e (YASLAN; CATALTEPE, 2006). No trabalho de Fiebrink e Fujinaga (2006) foram

realizados exp erimentos utilizando m´etodos de FFS e PCA em conjunto com o classiﬁcador

k-NN para classiﬁcar a base Magnatune

(4.476 amostras de 24 gˆeneros), com 74 carac-

ter´ısticas que foram extra´ıdas utilizando o JAudio (MCENNIS et al., 2005). As conclus˜oes

obtidas neste trabalho foram que considerando o desempenho dos sistemas utilizando

PCA os resultados obtidos foram similares ao uso do m´etodo de FFS por´em com um

tempo computacional bem reduzido.

2.4.4 Recursos e Ferramentas

Alguns trabalhos recentes apresentam uma preocupa¸c˜ao com o desenvolvimento de

ferramentas que possam trabalhar diretamente com a classiﬁca¸c˜ao autom´atica de gˆeneros

musicais e que isto possa ser feito de forma escal´avel (devido `a grande quantidade de

recursos computacionais necess´arios). A vers˜ao mais nova do Marsyas desenvolvida por

Bray e Tzanetakis (2005) foi proj etada para trabalhar com diferentes computadores de

forma a distribuir a carga computacional. Visando o desenvolvimento de um framework

comum para o desenvolvimento de extra¸c˜ao de caracter´ısticas a partir de sinais de ´audio

McEnnis et al. (2005) desenvolveram o JAudio

. Outra ferramenta disponibilizada recen-

temente ´e o ACE (Autonomous Classiﬁer Engine)

(MCKAY et al., 2005) que tem como

Base de dados com m´usicas obtidas de http://magnatune.com

Dispon´ıvel em: http://coltrane.music.mcgill.ca/ACE/features.html

Dispon´ıvel em: http://coltrane.music.mcgill.ca/ACE/

objetivo ser uma plataforma espec´ıﬁca para realizar experimentos que permitem explo-

rar o uso de diferentes m´etodos e t´ecnicas de combina¸c˜ao de classiﬁcadores para tarefas

relacionadas a MIR.

Com o intuito de criar uma base de dados p´ublica para a tarefa, Homburg et al.

(2005) disponibilizaram uma base de 1.886 m´usic as obtidas a partir do site Garageband.

A ´unica limita¸c˜ao desta base ´e que cada m´usica ´e representada por uma amostra de 10

segundos extra´ıdo aleatoriamente da m´usica. A base est´a dividida em 9 gˆeneros sendo:

Blues (120); Electronic (113); Jazz (319); Pop (116); Rap/HipHop (300); Rock (504);

Folk/Country (222); Alternative (145); Funk/Soul (47).

Desta forma, considerando a limita¸c˜ao das poucas bases publicamente dispon´ıveis,

no trabalho de (MCKAY; MCENNIS; FUJINAGA, 2006) ´e apresentada a CODAICH database

que possui 20.894 m´usicas no formato MP3 de 1.941 artistas. Os detalhes da base pode m

ser acessados nos formatos: iTunes XML, ACE XML, Weka ARFF ou jMusicMetadata

HTML ﬁles. As m´usicas s ˜ao classiﬁcadas de acordo com 53 gˆeneros poss´ıveis.

Por´em, um dos principais problemas existentes ap´os o desenvolvimento de bases de

dados musicais ´e como distribu´ı-las para os demais pesquisadores por causa das quest˜oes

de direitos autorais. No intuito de centralizar o acesso a diversas bases de dados, sem

ferir as quest˜oes de direitos autorais, no trabalho de (MCENNIS; MCKAY; FUJINAGA, 2006)

foi de senvolvido o OMEN (On demand Metadata ExtractioN ) que ´e uma plataforma

para centralizar o acesso `as bases de dados que sejam criadas e para permitir o acesso

a CODAICH database. Algumas quest˜oes levantadas neste trabalho ´e que permitir que

todas as possibilidades de extra¸c˜ao de caracter´ısticas fossem previamente calculadas e

disponibilizadas iriam gerar uma explos˜ao combinatorial em termos de processamento e

tamb´em em termos de recursos de armazenamento. Desta forma, ´e apresentada uma

interface para o pesquisador que seleciona quais as caracter´ısticas que deseja trabalhar

e a forma como elas devem ser extra´ıdas e isso ´e feito sob demanda para contornar as

limita¸c˜oes anteriores. Em alguns casos ´e poss´ıvel fazer o armazenamento tempor´ario das

caracter´ısticas calculadas, quando h´a espa¸co para tal. Como para a extra¸c˜ao de caracte-

r´ısticas ´e utilizado o JAudio, ´e poss´ıvel atrav´es da interface submeter os c´odigos fontes

em java para que outras caracter´ısticas possam ser dispon´ıveis na plataforma.

2.4.5 Cr´ıticas `a Tarefa

Com a aten¸c˜ao recebida pela tarefa de classiﬁca¸c˜ao autom´atica de gˆeneros musi-

cais, Aucouturier e Pachet (2003) ﬁzeram um survey sobre essa tarefa. Neste trabalho eles

descrevem experimentos no sentido de deﬁnir taxonomias para a tarefa. Por´em, chegam `a

conclus˜ao que gˆeneros musicais s˜ao normalmente mal deﬁnidos (ill-deﬁned), logo, sistemas

que classiﬁcam baseados em gˆeneros s˜ao mal deﬁnidos, pois apresentam esta limita¸c˜ao.

Eles classiﬁcam as abordagens para a classiﬁca¸c˜ao autom´atica de gˆeneros em duas (por

sinal, as mesmas que em qualquer sistema de RP): as trein´aveis e as baseadas em agrupa-

mento. Nesse trabalho eles fazem um cr´ıtica aos sistemas baseados em janelas de an´alise

por n˜ao utilizarem as informa¸c˜oes temporais da m´usica. Outro aspe cto criticado ´e o baixo

n´umero de gˆeneros utilizados assim como a falta de m´etodos de sele¸c˜ao de caracter´ısticas

para gˆeneros espec´ıﬁcos, pois para um determinado gˆenero musical as informa¸c˜oes obtidas

do timbre global da m´usica podem n˜ao ser interessantes. Outro aspecto abordado ´e que

n˜ao h´a padroniza¸c˜ao dos resultados nos trabalhos anteriores. Os autores ainda sugerem o

uso de duas t´ecnicas oriundas da ´area de minera¸c˜ao de dados conhecidas como Filtragem

Colaborativa e An´alise de Co-ocorrˆencia para determinar a similaridade de m´usicas. Para

a constru¸c˜ao de novas bases de dados para o problema eles sugerem criar bases de dados

utilizando compila¸c˜oes de m´usicas de um determinado ritmo (i.e. Best of Italian Love

Songs).

No trabalho de (MCKAY; FUJINAGA, 2006) ´e feita uma an´alise cr´ıtica se a tarefa

de classiﬁca¸c˜ao autom´atica de gˆeneros musicais mereceria ou n˜ao continuar a ser pesqui-

sada/tratada. Antes de apresentar os argumentos, eles utilizam a deﬁni¸c˜ao de (FABBRI,

1999) para deﬁnir os gˆeneros musicais como sendo: “um tipo de m´usica, como ela ´e aceita

por uma comunidade por qualquer raz˜ao, prop´osito ou crit´erio”. As principais conclus˜oes

apresentadas neste trabalho s˜ao:

1. Para aumentar o desempenho dos sistemas de classiﬁca¸c˜ao autom´atica de gˆeneros

musicais ´e necess´ario utilizar outros mecanismos al´em do timbre, como informa¸c˜oes

culturais dispon´ıveis na web;

2. Possibilitar a atribui¸c˜ao de mais de um gˆenero para cada m´usica, seja na sa´ıda do

classiﬁcador, seja na rotula¸c˜ao da base de dados;

3. A aquisi¸c˜ao de dados para Ground truth e sua respectiva classiﬁca¸c˜ao tem que ser

considerados objetivos priorit´arios por si s´o;

4. Permitir uma estrutura, mesmo que simples, de ontologia mapeando as rela¸c˜oes

entre os gˆeneros;

5. Outra quest˜ao levantada considera que diferentes partes de uma m´usica podem

pertencer a diferentes gˆeneros, assim como podem ser representa¸c˜oes diferentes do

mesmo gˆenero e argumentam que utilizar as m´edias das caracter´ısticas ao longo

de longas janelas de an´alise ou mesmo da m´usica inteira pode ser uma abordagem

limitadora;

6. De uma perspectiva musicol´ogica, eles desencorajam o uso de t´ecnicas como PCA

para a redu¸c˜ao de caracter´ısticas, por mais que isto possa promover uma melhora na

taxa de acerto. Isto limita a qualidade dos resultados de uma perspectiva te´orica,

pois s˜ao perdidas informa¸c˜oes importantes como quais caracter´ısticas s˜ao mais ´uteis

em diferentes contextos, e sugerem o uso de mecanismos de sele¸c˜ao de atributos

baseados em FFS, BFS e algoritmos gen´eticos;

7. Por ﬁm, eles apontam para a necessidade de realizarem mais pesquisas no aspecto

psicol´ogico da classiﬁca¸c˜ao de gˆeneros musicais realizadas pelas pessoas considerando

especialistas, n˜ao especialistas, pessoas de diferentes idades, culturas e experiˆencias.

Pois isto seria ben´eﬁco n˜ao apenas para melhorar o ground truth da ´area como

tamb´em desenvolver diferentes sistemas para diferentes audiˆencias e suas respectivas

necessidades.

2.5 Avalia¸c˜ao Cr´ıtica

Um aspecto comum a maioria dos trabalhos da literatura ´e que ele s est˜ao nor-

malmente propondo novos m´etodos de extra¸c˜ao de caracter´ısticas em conjunto com clas-

siﬁcadores bem deﬁnidos. Como pode ser visto na proposta do ACE, mecanismos de

combina¸c˜ao de classiﬁcadores foram pouco estudados e utilizados para a tarefa de reco-

nhecimento autom´atico de gˆeneros musicais. Outro aspecto que s´o recentemente tem sido

investigado neste dom´ınio ´e o uso de mecanismos de se le¸c˜ao de atributos.

Um outro aspecto importante ´e que as ´unicas bases dispon´ıveis publicamente s˜ao

a do trabalho de Tzanetakis e Cook (2002) (GTZAN), a base desenvolvida no trabalho

de Homburg et al. (2005) e a CODAICH database (MCKAY; MCENNIS; FUJINAGA, 2006).

Por´em, as duas primeiras bases possuem s´erias limita¸c˜oes: na primeira est˜ao dispon´ıveis

apenas os primeiros 30 segundos de cada m´usica no formato de ´audio PCM. Na se-

gunda est˜ao dispon´ıveis apenas 10 segundos extra´ıdos de segmentos aleat´orios de cada

m´usica. Com exce¸c˜ao dessas duas bases, as demais utilizadas na literatura possuem pou-

cas m´usicas, e os gˆeneros utilizados s˜ao normalmente os mesmos (Rock, Classical) e os

gˆeneros s˜ao disjuntos, ou seja, n˜ao e xistem trabalhos com subgˆeneros realmente pr´oximos

como House e Trance. No caso da terceira base, ela foi publicada somente em novembro

de 2006, impossibilitando seu uso neste trabalho.

Dessa forma, tendo em mente o trabalho de Aucouturier e Pachet (2003), onde

´e mostrado que deﬁnir uma taxonomia para gˆeneros ´e uma tarefa mal formulada, uma

poss´ıvel solu¸c˜ao para este problema seria utilizar uma classiﬁca¸c˜ao um pouco mais abran-

gente baseada na percep¸c˜ao humana de como os gˆeneros s˜ao dan¸cados. Apesar de n˜ao ser

abrangente o suﬁciente para incluir todos os gˆeneros m´usicais poss´ıveis, esta abordagem

permitiria a constru¸c˜ao de uma base de dados usando caracter´ısticas culturais de diversos

tipos de m´usica.

Cap´ıtulo 3

Uma Proposta de M´etodo para Classiﬁca¸c˜ao Au-

tom´atica de Gˆeneros Musicais

Como mostrado no cap´ıtulo anterior, a grande maioria dos trabalhos da ´area con-

sidera apenas o uso de um ´unico segmento da m´usica para realizar a classiﬁca¸c˜ao dos

gˆeneros musicais. Al´em disto, as bases de dados existentes para realizar a tarefa possuem

uma s´erie de problemas e/ou limita¸c˜oes. Desta forma, para poder veriﬁcar as hip´oteses

deste trabalho, existe a necessidade do desenvolvimento de uma nova base de dados para

a tarefa. O procedimento utilizado para a constru¸c˜ao desta base ´e apresentado na se¸c˜ao

3.1. Na se¸c˜ao 3.2 ´e apresentada a abordagem para classiﬁca¸c˜ao autom´atica de gˆeneros

musicais, que consiste na extra¸c˜ao de caracter´ısticas de diferentes partes da m´usica, o

treinamento de um classiﬁcador para cada segmento e a combina¸c˜ao destes segmentos

utilizando as estrat´egias de OAA, RR e baseadas nos escores de conﬁan¸ca produzidos por

cada classiﬁcador. No intuito de melhorar os resultados de classiﬁca¸c˜ao individuais dos

segmentos, e desta forma possivelmente melhorar a taxa de acerto dos mesmos, foram

utilizados mecanismos de sele¸c˜ao de atributos utilizando AG’s, que s˜ao apresentados na

se¸c˜ao 3.3.

3.1 Cria¸c˜ao e Manuten¸c˜ao da Base de Dados

Tendo em vista as limita¸c˜oes das bases desenvolvidas nos trabalhos anteriores para

a veriﬁca¸c˜ao das hip´oteses deste trabalho, surgiu a necessidade do desenvolvimento de uma

nova base de dados para a tarefa. Por´em considerando o esfor¸co humano necess´ario para

fazer a atribui¸c˜ao manual de gˆeneros as m´usicas, e tamb´em que uma base desenvolvida

com cuidado p oderia ser utilizada em outras tarefas al´em da classiﬁca¸c˜ao autom´atica de

gˆeneros musicais, foi necess´ario planejar como seria realizada a atribui¸c˜ao dos gˆeneros e

o armazenamento, acesso e recupera¸c˜ao dessas informa¸c˜oes.

Antes de iniciar o processo de aquisi¸c˜ao, classiﬁca¸c˜ao e armazenamento das m´usicas,

foi deﬁnido que seriam adquiridas pelo menos 3.000 m´usicas de 10 gˆeneros distintos de

forma a poder fazer uma contribui¸c˜ao real para a ´area, visto que at´e ent˜ao a base de

dados mais abrangente (GTZAN) era composta por 1.000 m´usicas (limitadas a apenas os

primeiros trinta segundos) de 10 gˆeneros.

3.1.1 O Processo de Atribui¸c˜ao de Gˆeneros Musicais

Neste trabalho o processo utilizado para atribuir um gˆenero a cada m´usica ´e ba-

seado na percep¸c˜ao humana de como cada m´usica ´e utilizada para a dan¸ca. Para realizar

este processo foram consultados dois proﬁssionais com mais de dez anos de experiˆencia no

ensino de dan¸cas de sal˜ao. Estes proﬁssionais ﬁzeram uma primeira sele¸c˜ao das m´usicas

que eles julgavam pertinentes a um determinado gˆenero de acordo com a forma que este era

dan¸cado e o autor deste trabalho veriﬁcou cada uma das m´usicas inicialmente seleciona-

das para evitar que equ´ıvocos fossem cometidos devido ao desgaste produzido pelo esfor¸co

humano necess´ario para realizar a tarefa. Em m´edia foram classiﬁcadas 300 m´usicas por

mˆes, sendo que o processo total para a cria¸c˜ao da base de dados demorou um ano.

Como resultado desse esfor¸co, foi desenvolvida a Latin Music Database que conta

com 3.160 m´usicas de 10 gˆeneros musicais. Os gˆeneros musicais dispon´ıveis na base e

respectivos n´umeros de m´usicas s˜ao: Tango (404); Salsa (303); Forr´o (315); Ax´e (304);

Bachata (308); Bolero (302); Merengue (307); Ga´ucha (306); Sertaneja (310); Pagode

(301). No total a base possui 543 artistas diferentes.

E importante ressaltar que na base desenvolvida foi utilizado este protocolo de

inspe¸c˜ao humana de acordo com como as m´usicas s˜ao utilizadas para a dan¸ca. Ao contr´ario

do que foi sugerido no trabalho de Aucouturier e Pachet (2003) para utilizar CDs de

cole¸c˜oes completas, no caso dos r´ıtmos latinos esta abordagem se mostrou ineﬁciente. Por

exemplo, no caso da coletˆanea de quatro CDs (Los 100 Mayores Exitos De La Musica

Salsa) apenas metade (50 das 100) das m´usicas podem ser classiﬁcadas como Salsa, as

demais m´usicas desta coletˆanea s˜ao de outros gˆeneros musicais como Merengue, Lambada,

Zouk e at´e mesmo Samba. Outra op¸c˜ao teria sido basear a classiﬁca¸c˜ao de todas as trilhas

de um determinado ´album de acordo com o perﬁl do artista. Desta forma todas as m´usicas

de Carlos Gardel seriam classiﬁcados como Tango. Por´em, ´e importante ressaltar, que

de todas as suas mais de 500 composi¸c˜oes apenas cerca de 400 s˜ao Tangos. Desta forma

introduziria ru´ıdo desneces s´ario na base. Por este motivo todas as m´usicas utilizadas

nesta base foram avaliadas manualmente uma a uma e somente aquelas que realmente

pertencem aos gˆeneros em quest˜ao foram rotulados como sendo desses gˆeneros. E mesmo

no caso de outros artistas de um determinado gˆe nero, como Salsa, muito diﬁcilmente

todas as trilhas de seus ´albuns s˜ao apenas Salsas.

Ao longo do processo de cria¸c˜ao da base foi observado que normalmente cerca de

uma a trˆes m´usicas n˜ao s˜ao do gˆenero principal do perﬁl do artista.

3.1.2 Armazenamento, Acesso e Recupera¸c˜ao das M´usicas

Al´em da aquisi¸c˜ao das m´usicas e suas repectivas atribui¸c˜oes de gˆenero, para o

desenvolvimento da base e sua ampla utiliza¸c˜ao em outras tarefas, v´arias reﬂex˜oes foram

realizadas no sentido de: criar uma base que possa ser facilmente utilizada para outras

tarefas; permitir total repro dutibilidade dos experimentos realizados; evitar duplicidade

das m´usicas cadastradas; facilitar o registro de novas m´usicas e/ou novos gˆeneros. Desta

forma, tendo em mente estas v´arias quest˜oes, nesta se¸c˜ao s˜ao apresentadas as solu¸c˜oes

adotadas para atingir esses objetivos.

O processo de armazenamento de uma nova m´usica na base ocorre da seguinte

forma:

1. Atribui¸c˜ao de um gˆenero `a m´usica em quest˜ao seguindo o pro cedimento descrito na

SubSe¸c˜ao 3.1.1;

2. Inspe¸c˜ao manual do r´otulo ID3 da m´usica para veriﬁcar se os campos est˜ao preen-

chidos corretamente e tamb´em de corrig´ı-los/adapt´a-los a um padr˜ao simples que

consiste na padroniza¸c˜ao dos nomes e no uso do caracter especial & para indicar

o nome de mais de um artista na mesma m´usica. Os campos obrigat´orios para

cadastrar uma nova m´usica s˜ao o Artista e o T´ıtulo da m´usica. A raz˜ao para essa

abordagem ´e simples, mesmo que apenas uma pessoa esteja trabalhando no cada-

stro de m´usicas na base de dados, eventualmente ´albuns do mesmo artista conter˜ao

trilhas com m´usicas presentes em outros ´albuns, como por exemplo, no caso de

um ´album com os maiores sucessos de um artista. Desta forma, este procedimento

permite evitar duplicidade de m´usicas interpretadas pelo mesmo artista na base.

Este controle de duplicidade ´e realizado no sistema quando uma nova m´usica ´e

cadastrada.

3. Cadastramento da m´usica no sistema. Nesta etapa o sistema obt´em os dados da

m´usica, veriﬁca se n˜ao h´a duplicidade, atribui um c´odigo identiﬁcador para a m´usica,

associa esta m´usica ao gˆenero pr´e-determinado e cria uma c ´opia da m´usica. A in-

forma¸c˜ao do gˆenero da m´usica ´e armazenada no banco de dados, pois como visto

anteriormente, o campo Genre dos r´otulos ID3 n˜ao ´e conﬁ´avel. Al´em disto, no caso

de trabalhos futuros onde seja necess´ario o uso de alguma hierarquia, esta modi-

ﬁca¸c˜ao pode ser incorporada facilmente ao sistema. No momento do cadastramento

o sistema gera uma c´opia da m´usica cadastrada em um diret´orio pr´e- determinado

seguindo a seguinte conven¸c˜ao:

DIRETORIO_GENERO\ARTISTA - TITULO - ALBUM - TRACK.MP3

onde DIRETORIO GENERO ´e um diret´orio com o nome do gˆenero associado `a

m´usica, e ARTISTA, TITULO, ALBUM e TRACK s˜ao informa¸c˜oes obtidas do

r´otulo ID3 da m´usica no momento em que ela ´e cadastrada.

O acesso `a base de dados pode ser feito de forma convencional atrav´es do sistema de

arquivos do sistema operacional, pois como mostrado, o sistema utiliza uma estrutura de

arquivos e algumas regras de conven¸c˜ao simples para cadastrar as m´usicas. Por´em, visando

facilitar o acesso dos descritores das m´usicas pelos algoritmos de aprendizagem de m´aquina

e tamb´em a reprodutibilidade dos experimentos, foram desenvolvidos dois m´odulos no

sistema. Um para a extra¸c˜ao de caracter´ısticas e seu respectivo armazenamento no sistema

e outro para a obten¸c˜ao destas caracter´ısticas j´a no formato utilizado por ferramentas de

aprendizagem de m´aquina como ´e o caso do formato arﬀ utilizado pelo WEKA (WITTEN;

FRANK, 2005).

No que diz respeito `a reprodutibilidade dos experimentos, com esta abordagem,

todas as m´usicas dispon´ıveis na base de dados tˆem as informa¸c˜oes de Artista e T´ıtulo.

Com estas informa¸c˜oes ´e poss´ıvel criar junto com os arquivos arﬀs, gerados para os expe-

rimentos, uma lista das m´usicas utilizadas na mesma ordem em que elas ser˜ao utilizadas

pelo m´odulo de classiﬁca¸c˜ao. O arquivo utilizado para armazenar esta lista ´e chamado de

SAL (Song Artist List). O SAL ´e uma forma melhor de representar esta informa¸c˜ao por

trˆes motivos:

1. Algumas vˆezes artistas diferentes interpretam as mesmas m´usicas (por´em, `as vˆezes,

at´e mesmo em ritmos diferentes). Logo, utilizar apenas o T´ıtulo da m´usica n˜ao ´e

suﬁciente;

2. Utilizar o ID da m´usica fornecido pelo sistema n˜ao ´e conﬁ´avel, pois se por algum mo-

tivo for necess´ario recadastrar todas as m´usicas, elas diﬁcilmente ser˜ao cadastradas

na mesma ordem em que foram cadastradas originalmente;

3. Pode ser que ao observar a lista das m´usicas utilizadas seja mais f´acil de interpretar

os resultados obtidos.

Figura 3.1: Vis˜ao Geral do M´etodo Proposto

Um m´odulo para extra¸c˜ao das caracter´ısticas e seu armazenamento em banco de

dados ´e uma op¸c˜ao interessante n˜ao apenas visando a reprodutibilidade dos experimentos,

mas tamb´em em rela¸c˜ao ao tempo que demora para calcular as caracter´ısticas de cada

m´usica. Al´em disto, se em experimentos forem utilizados conjuntos de caracter´ısticas

diferentes das usadas neste trabalho, esta modiﬁca¸c˜ao exigiria apenas a adi¸c˜ao de novas

colunas nas tabelas existentes, permitindo uma compara¸c˜ao direta entre os resultados

deste trabalho com as demais estrat´egias sendo propostas.

3.2 M´etodo Para o Reconhecimento Autom´atico

Uma vis˜ao geral do m´etodo proposto ´e apresentado na ﬁgura 3.1. O m´etodo

proposto consiste na evolu¸c˜ao dos trabalhos de Costa, Valle Jr. e Ko erich (2004) e Koerich

e Poitevin (2005). Al´em do m´etodo original proposto baseado na segmenta¸c˜ao da m´usica

em trˆes trechos (in´ıcio, meio e ﬁm), o acerto preditivo dos classiﬁcadores pretende ser

melhorado com o uso dos m´etodos de decomposi¸c˜ao do espa¸co do problema e de algoritmos

de sele¸c˜ao de atributos.

3.2.1 Segmenta¸c˜ao do Sinal de

Audio (Decomposi¸c˜ao Temporal)

3.2.1.1 Deﬁni¸c˜ao

Convencionalmente, o problema da classiﬁca¸c˜ao autom´atica de gˆeneros musicais

pode ser deﬁnido como: dado um sinal de ´audio de uma m´usica S representado por um

vetor de caracter´ısticas D-dimensional, deseja-se atribuir uma classe (no caso um gˆenero

musical) g ∈ G que melhor representa o vetor de caracter´ısticas extra´ıdo de S. G ´e o

conjunto de todos os gˆeneros musicais poss´ıveis.

Em um problema t´ıpico de reconhecimento de padr˜oes, dado um padr˜ao de entrada,

um vetor de caracter´ısticas D-dimensional X

´e extra´ıdo de todo o padr˜ao. Contudo,o

sinal da m´usica pode ser visto como um padr˜ao variante no tempo. Desta forma, uma

das solu¸c˜oes poss´ıveis para levar em conta esta variabilidade intr´ınseca ´e extrair caracte-

r´ısticas do sinal da m´usica inteira. Desta forma as caracter´ısticas v˜ao ser computadas ao

longo do sinal. Contudo, extrair caracter´ısticas da m´usica inteira ´e um proc esso compu-

tacionalmente caro que deve ser evitado. Tamb´em n˜ao existe nenhuma garantia de que as

caracter´ısticas extra´ıdas ser˜ao mais conﬁ´aveis do que outras abordagens que consideram

caracter´ısticas extra´ıdas apenas de uma parte do sinal da m´usica.

Por este motivo, a maior parte das abordagens para a classiﬁca¸c˜ao autom´atica

de gˆeneros musicais faz a extra¸c˜ao de caracter´ısticas de um n´umero limitado de janelas

da m´usica. A maior desvantagem deste tipo de abordagem ´e que os valores das ca-

racter´ısticas se tornam dependentes dos quadros da m´usica. Desta forma, estes valores

variam de acordo com a posi¸c˜ao das janelas utilizadas. Isto acontece porque a maioria

das caracter´ısticas proposta para a tarefa s˜ao variantes no tempo. A Figura 3.2 ilustra a

variabilidade dos valores das caracter´ısticas em rela¸c˜ao `a posi¸c˜ao dos frames de onde elas

foram extra´ıdas. Na Figura 3.2 in´ıcio, meio e ﬁm representam os vetores de caracter´ısticas

extra´ıdos destes trechos das m´usicas.

Neste trabalho ´e utilizada a estrat´egia de segmenta¸c˜ao proposta no trabalho de

Costa, Valle Jr. e Koerich (2004) ao inv´es de utilizar o in´ıcio da m´usica (TZANETA-

KIS; COOK, 2002) ou a m´usica inteira (GRIMALDI; CUNNINGHAM; KOKARAM, 2003b). A

estrat´egia de segmenta¸c˜ao consiste em extrair segmentos do sinal de ´audio e tomar a de-

cis˜ao baseada na combina¸c˜ao dos classiﬁcadores treinados e especializados para classiﬁcar

cada um dos segmentos individualmente.

Formalmente esta abordagem pode ser deﬁnida como: sendo um sinal de ´audio

digital deﬁnido como uma seq¨uˆencia S =< s(1), s(2), . . . , s(A) >= s

onde s(i) representa

o sinal amostrado no instante i, e A ´e o n´umero total de amostras que forma o sinal de

´audio digital.

Figura 3.2: M´edia dos valores de 30 caracter´ısticas extra´ıdos de diferentes segmentos

utilizando 150 m´usicas do gˆenero musical latino conhecido como Salsa.

Considerando que o sinal de ´audio S ´e amostrado de acordo com uma freq¨uˆencia f

de amostras por segundo, e que o procedimento de extra¸c˜ao de caracter´ısticas ´e efetuado

de acordo com uma janela de dura¸c˜ao de t

segundos, e que esta opera¸c˜ao ´e realizada

num intervalo de t

segundos. I sto implica que existem ft

amostras de ´audio em cada

segmento.

Desta forma, cada segmento de um sinal digital j ´e composto pelas amostras

f(j) = s(j.t

.f +

k), onde

k = 0, 1, . . . , t

.f − 1 (3.1)

Ou seja, o primeiro segmento f(0) considera amostras da m´usica < s(0), s(1), . . . , s(t

.f −

1) >, e o quadro j

engloba as amostras da m´usica f (j) em < s(j.t

.f), s(j.t

.f +

1), . . . , s(j.t

.f + t

.f − 1) >. Destarte, para considerar a varia¸c˜ao temporal ao longo

do sinal de ´audio, os vetores de caracter´ısticas s˜ao obtidos realizando o procedimento de

extra¸c˜ao de caracter´ısticas para cada segmento f(j).

3.2.1.2 Aplica¸c˜ao

Nos experimentos realizados neste trabalho, do sinal de ´audio da m´usica S s˜ao

extra´ıdos trˆes segmentos de trinta (t

= 30) segundos. A principal raz˜ao para o uso de

trˆes segmentos ao inv´es de dois, quatro, cinco ou qualquer outro n´umero ´e que este ainda

´e um problema em aberto pois al´em da segmenta¸c˜ao do sinal da m´usica em q quadros

ainda existem outros problemas relacionados a segmenta¸c˜ao como o tamanho da janela

Figura 3.3: Vis˜ao geral do processo de extra¸c˜ao de caracter´ısticas

de an´alise utilizada. Este ´ultimo problema foi investigado recentemente no trabalho de

West e Cox (2005) onde eles avaliaram o desempenho de diferentes janelas de an´alise e

propuseram uma t´ecnica de segmenta¸c˜ao autom´atica. Outra raz˜ao para o uso de trˆes

segmentos ´e que, ao construir a base de dados, devido `a natureza dos gˆeneros utilizados,

normalmente foi necess´ario ouvir o meio da m´usica e `as vezes o ﬁnal tamb´em para atribuir

o gˆenero corretamente.

Lembrando que cada segmento da m´usica ´e representado por f (j), por uma quest˜ao

de simplicidade, ao longo deste trabalho esta nota¸c˜ao vai ser substitu´ıda por Seg

parte

Outra quest˜ao importante ´e que ao inv´es de utilizar um intervalo constante com um valor

de (t

) pr´e-deﬁnido para cada segmento, como est˜ao sendo utilizados trˆes segmentos,

foi utilizada uma estrat´egia alternativa para deﬁnir o in´ıcio de cada segmento. O ponto

inicial dos segmentos ´e representando por t

• Seg

beg

representa o in´ıcio da m´usica. Neste segmento s˜ao utilizados os primeiros

trinta segundos do sinal de ´audio da m´usica.

• Seg

mid

representa o meio da m´usica. Neste segmento s˜ao utilizados os trinta se-

gundos do meio da m´usica. Como a dura¸c˜ao das m´usicas ´e vari´avel, a estrat´egia

utilizada para determinar o valor de t

´e a seguinte: o ponto inicial vai ser deﬁnido

por: t

= (

) − 13 segundos. Lembrando que d ´e a dura¸c˜ao total da m´usica.

• Seg

end

representa o ﬁnal de uma m´usica. Entretanto para evitar pegar o ﬁnal ruidoso

ou silencioso que existe em algumas m´usicas no formato MP3, a estrat´egia utilizada

para determinar o valor de t

´e: i = d − 38 segundos.

3.2.2 Extra¸c˜ao de Caracter´ısticas

Neste trabalho ´e utilizado o framework Marsyas para extrair caracter´ısticas de

diferentes segmentos do sinal de ´audio e gerar vetores de caracter´ısticas. O Marsyas im-

plementa o conjunto de caracter´ısticas propostas originalmente por Tzanetakis e Cook

(2002) e utilizado em outros trabalhos (KOSINA, 2002) (LI; OGIHARA; LI, 2003). S˜ao

considerados trˆes tipos de caracter´ısticas: relacionadas ao espectro sonoro (Timbral tex-

ture), relacionadas ao padr˜ao r´ıtmico (beat-related) e relacionadas `a altura da nota (pitch-

related). Caracter´ısticas do espectro sonoro incluem a m´edia e a variˆancia do centr´oide

espectral, do rolloﬀ espectral, do ﬂuxo espectral, das taxas de cruzamento zero, MFCC

(Coeﬁcientes Cepstrais de Freq ¨uˆencia-Mel), e da baixa energia. Caracter´ısticas relacio-

nadas ao padr˜ao r´ıtmico incluem as amplitudes relativas e as batidas por minuto. As

caracter´ısticas relacionadas ao pitch incluem os per´ıodos m´aximos do pico do pitch nos

histogramas. Estas caracter´ısticas formam vetores de trinta dimens˜oes (Espectro sonoro:

9 STFT + 10 MFCC; Padr˜ao R´ıtmico: 6; Pitch: 5 ) que posteriormente s˜ao utilizados

no treinamento de classiﬁcadores de maneira supervisionada. A seguir s˜ao descritas as

caracter´ısticas extra´ıdas das m´usicas:

3.2.2.1 Caracter´ısticas Relacionadas ao Espectro Sonoro

Centr´oide Espectral (Spectral Centroid) ´e o ponto balanceado do espectro.

E uma

medida da forma espectral e ´e associado freq¨uentemente com a no¸c˜ao do brilho espectral.

O centr´oide espectral pode ser calculado como apresentado na equa¸c˜ao 3.2.



n=1

[n] ∗ n



n=1

[n]

(3.2)

onde M

[n] ´e o valor da transformada de Fourier no quadro t e faixa de freq¨uˆencia n.

O centr´oide espectral ´e um atributo perceptual importante na caracteriza¸c˜ao do timbre

musical de instrumentos.

Rolloﬀ Espectral (Spectral Rolloﬀ ) ´e outra medida da forma espectral que ´e de-

ﬁnida como a freq¨uˆencia R

apresentada na equa¸c˜ao 3.3 na qual 85% da magnitude da

distribui¸c˜ao est´a concentrada.



n=1

[n] = 0.85



n=1

[n] (3.3)

Fluxo Espectral (Spectral Flux ) ´e uma medida da mudan¸ca espectral local e ´e

deﬁnido como apresentado na equa¸c˜ao 3.4.



n=1

[n] − N

t−1

[n])

(3.4)

onde N

[n] ´e o valor normalizado da transformada de Fourier na janela t.

Taxas de Cruzamento Zero (Time Domain Zero–Crossings) ´e uma caracter´ıstica

que ocorre quando as amostras sucessivas tˆem sinais diferentes.

E calculada como apre-

sentada na equa¸c˜ao 3.5.



n=1

|sign(x[n]) − sign(x[n − 1])| (3.5)

onde x[n] ´e o sinal no dom´ınio do tempo e a fun¸c˜ao sign ´e 1 ou 0 para os argumentos

positivos e negativos respectivamente. Ao contr´ario do centr´oide espectral, do rolloﬀ

espectral e do ﬂuxo espectral, que s˜ao caracter´ısticas no dom´ınio da freq¨uˆencia, a taxa do

cruzamento zero ´e uma caracter´ıstica no dom´ınio do tempo.

Coeﬁcientes Cepstrais da freq¨uˆencia Mel (Mel-frequency cepstral coeﬃcients) s˜ao

caracter´ısticas perceptualmente motivadas que tamb´em s˜ao baseadas na STFT (Short

Time Fourrier Transform). Ap´os obter a amplitude logar´ıtmica da magnitude do espec-

tro, as faixas pr´e-determinadas s˜ao agrupadas e suavizadas (smoothed) de acordo com a

motiva¸c˜ao perceptual da escala da freq¨uˆencia Mel. Finalmente, para descorrelacionar os

vetores de caracter´ısticas resultantes, uma transformada discreta de coseno ´e utilizada.

Apesar de normalmente treze coeﬁcientes serem utilizados para representar a fala, experi-

mentos mostram que os cinco primeiros coeﬁcientes levam a um melhor desempenho para

a classiﬁca¸c˜ao de gˆeneros musicais (TZANETAKIS; COOK, 2002).

An´alise e Janela de Textura. Em an´alise de ´audio o sinal ´e quebrado em pequenos

segmentos de tempo sobrepostos e cada segmento ´e processado separadamente. Estes

segmentos s˜ao chamados de janela de an´alise e devem ser pequenos o suﬁciente para que

as caracter´ısticas de freq¨uˆencia do espectro de magnitude sejam relativamente est´aveis.

Entretanto a sensa¸c˜ao de textura do som surge como resultado de m´ultiplos espectros de

tempo curto com diferentes caracter´ısticas seguindo algum padr˜ao no tempo. Por exemplo,

a fala cont´em vogais e consoantes as quais tem diferentes caracter´ısticas espectrais.

Logo, de forma a capturar a longa natureza da textura do som, as caracter´ısticas

computadas s˜ao m´edias e variˆancias das caracter´ısticas descritas anteriormente nesta

se¸c˜ao, em um n´umero de janelas de an´alise. O termo janela de textura ´e utilizado para

descrever esta janela maior e idealmente deve corresponder ao m´ınimo de tempo de som

que ´e necess´ario para identiﬁcar a textura de um som ou de uma m´usica. Essencialmente,

ao inv´es de usar os valores das caracter´ısticas diretamente, s˜ao calculados os parˆametros

de uma distribui¸c˜ao gaussiana multidimensional. Mais especiﬁcamente, os parˆametros

(m´edias, variˆancias) s˜ao calculados com base na janela de textura que consiste no vetor

de caracter´ısticas atual em adi¸c˜ao a um n´umero espec´ıﬁco de vetores de caracter´ısticas

do passado.

Baixa Energia (Low Energy) ´e calculada sobre um n´umero de janelas com a m´edia e

varia¸c˜ao, e n˜ao separadas para cada janela como as outras caracter´ısticas. A caracter´ıstica

energia baixa ´e deﬁnida como a porcentagem das janelas que tˆem menos energia do que

a energia m´edia de todas as 40 janelas. Por exemplo, sinais musicais ter˜ao energia mais

baixa que sinais de fala que normalmente contˆem muitas janelas silenciosas.

Com as caracter´ısticas apresentadas nesta se¸c˜ao, o espectro sonoro de uma m´usica

consiste nas seguintes caracter´ısticas: m´edias e variˆancias do centr´oide espectral, do rolloﬀ

espectral, do ﬂuxo espectral, das taxas de cruzamento zero sobre a janela da textura (8),

baixa energia (1) e as m´edias e variˆancias dos cinco primeiros coeﬁcientes MFCC sobre a

janela de textura resultado assim em um vetor de caracter´ısticas com dezenove dimens˜oes.

3.2.2.2 Caracter´ısticas Relacionadas ao Padr˜ao R´ıtmico (Beat-Related)

A batida e a estrutura r´ıtmica de uma m´usica ´e freq¨uentemente uma boa indica¸c˜ao

do gˆenero. Por exemplo, dance music tende a ter uma batida principal muito forte e

distintiva. A m´usica cl´assica, geralmente n˜ao tem uma batida dominante e regular desob-

stru´ıda, devido `a complexidade do arranjo. A extra¸c˜ao de caracter´ısticas da batida tenta

encontrar a batida principal da m´usica e de seu per´ıodo em BPM (Batidas Por Minuto).

Al´em desta, ´e calculada tamb´em `a batida mais forte, e um n´umero de caracter´ısticas

relacionando a primeira e segunda batida.

Inicialmente o sinal ´e decomposto em um n´umero de bandas de freq¨uˆencias usando

uma transformada Wavelet discreta (KOSINA, 2002 apud SWELDENS; PIESSENS, 1993).

Ap´os esta decomposi¸c˜ao, uma s´erie de passos para a extra¸c˜ao do envelope da amplitude

no dom´ınio do tempo ´e aplicada a cada banda: retiﬁca¸c˜ao de onda completa, ﬁltragem

passa-baixa, sub-amostragem e remo¸c˜ao das m´edias (KOSINA, 2002; TZANETAKIS; COOK,

2002).

Ap´os o passo da extra¸c˜ao, os envelopes de cada banda s˜ao somados e a autocor-

rela¸c˜ao resultante ´e calculada. Este resultado ´e uma fun¸c˜ao de autocorrela¸c˜ao onde os

picos (peaks) dominantes correspondem ao tempo de lag (time lags) onde o sinal tem a

auto-similaridade mais forte. Os primeiros trˆes picos da fun¸c˜ao de autocorrela¸c˜ao s˜ao adi-

cionados ao histograma de batida. C ada banda do histograma corresponde a um per´ıodo

da batida em B PM. Para cada um dos trˆes picos selecionados, a amplitude do pic o ´e

adicionada ao histograma. Este procedimento ´e repetido para cada janela de an´alise. Os

picos mais fortes no ﬁnal do histograma correspondem `as batidas mais fortes do sinal.

Seis caracter´ısticas s˜ao calculadas usando o histograma de batidas:

• A amplitude relativa (i.e. a amplitude dividida pela soma de amplitudes) do pri-

meiro e do segundo picos no histograma de batidas. Esta ´e uma medida de qu˜ao

distintivas s˜ao as batidas comparadas com o resto do sinal.

• A raz˜ao da amplitude do segundo pico dividida pela amplitude do primeiro pico.

Essa caracter´ıstica expressa a rela¸c˜ao entre a batida principal e a primeira batida

auxiliar.

• O per´ıodo do primeiro e segundos picos em BPM, indicando qu˜ao r´apida ´e a m´usica.

• A soma do histograma, a qual pode ser um indicador da for¸ca da batida. A soma das

bandas do histograma ´e uma medida de for¸ca da auto-similaridade entre as batidas,

a qual ´e um fator de qu˜ao r´ıtmica uma m´usica parece ser.

3.2.2.3 Caracter´ısticas Relacionadas `a Altura da Nota (Pitch-Related)

O conjunto de caracter´ısticas de conte´udo pitch ´e baseado em m´ultiplas t´ecnicas

de detec¸c˜ao de pitch. Neste algoritmo, o sinal ´e decomposto em duas bandas de freq¨uˆencia

(abaixo e acima de 1.000 Hz) e envelopes de amplitude s˜ao extra´ıdos para cada banda da

freq¨uˆencia. A extra¸c˜ao do envelope ´e realizada aplicando retiﬁca¸c˜ao de meia onda e ﬁltro

passa-baixa. Os envelopes s˜ao somados e uma fun¸c˜ao “aumentada” de autocorrela¸c˜ao ´e

computada para que o efeito de m´ultiplos inteiros no pico das freq¨uˆencias para m´ultiplos

pitch’s detectados sejam reduzidos.

Os picos proeminentes desta fun¸c˜ao de autocorrela¸c˜ao “aumentada” correspondem

aos principais pitches para aquele curto segmento de som. Esse m´etodo ´e similar a de-

tec¸c˜ao da estrutura de batidas para curtos per´ıodos correspondendo a percep¸c˜ao de pitch.

Os trˆes picos dominantes s˜ao acumulados em histogramas de pitch sobre todo o sinal de

´audio. Para computar o histograma de pitch, ´e utilizada uma janela de an´alise de 512

amostras com taxa de amostragem de 22 050 Hz (aproximadamente 23 ms).

3.2.2.4 Vetor de Caracter´ısticas Resultante

O vetor de caracter´ısticas resultante ´e apresentando na Figura 3.4, onde ´e descrita

a associa¸c˜ao entre a posi¸c˜ao no vetor e a caracter´ıstica relacionada. Um procedimento

N´umero da caracter´ıstica Descri¸c˜ao

1–6 Caracter´ısticas relacionadas `a batida

7 M´edia do Centr´oide Espectral

8 M´edia do Rolloﬀ Espectral

9 M´edia do Fluxo Espectral

10 M´edia das Taxas de Cruzamento Zero

11 Desvio Padr˜ao do Centr´oide Espectral

12 Desvio Padr˜ao do Rolloﬀ Espectral

13 Desvio Padr˜ao do Fluxo Espectral

14 Desvio Padr˜ao das Taxas de Cruzamento Z ero

15 Baixa Energia

16 M´edia do 1

MFCC

17 M´edia do 2

MFCC

18 M´edia do 3

MFCC

19 M´edia do 4

MFCC

20 M´edia do 5

MFCC

21 Desvio Padr˜ao do 1

MFCC

22 Desvio Padr˜ao do 2

MFCC

23 Desvio Padr˜ao do 3

MFCC

24 Desvio Padr˜ao do 4

MFCC

25 Desvio Padr˜ao do 5

MFCC

26–30 Caracter´ısticas relacionadas ao Pitch

Figura 3.4: Descri¸c˜ao do vetor de caracter´ısticas

ﬁnal que deve ser aplicado ao vetor de caracter´ısticas resultante ´e um procedimento para

normaliza¸c˜ao dos atributos para que esses possam ser utilizados pelos algoritmos de apren-

dizagem de m´aquina.

Desta forma a seguinte regra de normaliza¸c˜ao ´e utilizada: considerando MAX VALUE

como sendo o valor m´aximo do atributo e MIN VALUE o valor m´ınimo, o novo valor do

atributo (para cada instˆancia) ´e dado por: NovoValor = (ValorAntigo - MIN VALUE) /

(MAX VALUE - MIN VALUE).

3.3 Sele¸c˜ao de Atributos

Como mostrado na ﬁgura 3.1 o mecanismo de sele¸c˜ao de atributos ´e aplicado

a cada segmento, dessa forma o mecanismo de sele¸c˜ao de atributos pode ser avaliado

independentemente em cada um dos vetores de caracter´ısticas, denotados por X

. . . x

), X

= (x

. . . x

), . . . , X

= (x

. . . x

). A raz˜ao desse procedimento

ser utilizado em todos os segmentos e n˜ao apenas em um ´unico segmento e replicado

(nesse caso utilizando as mesmas caracter´ısticas) para os demais ´e porque em virtude

do sinal da m´usica ser variante no tempo, ´e poss´ıvel que as caracter´ısticas que melhor

representam o segmento do in´ıcio da m´usica (Seg

beg

) n˜ao sejam as mesmas que melhor

representam o ﬁm da m´usica (Seg

end

O mecanismo de sele¸c˜ao de atributos utilizado neste trabalho consiste no uso da

abordagem envelope em conjunto com o uso de AGs. Desta forma o conjunto original

de caracter´ısticas ´e utilizado para criar um conjunto de 20 indiv´ıduos que utilizam a

nota¸c˜ao apresentada na se¸c˜ao 2.3. Esses indiv´ıduos s˜ao gerados aleat´oriamente, utilizando

a nota¸c˜ao mostrada anteriormente. Ou seja, s˜ao criados vetores bin´arios de 30 posi¸c˜oes

onde 0 indica a ausˆencia e 1 indica a presen¸ca da caracter´ıstica naquele indiv´ıduo.

Desta forma, para cada indiv´ıduo o seguinte procedimento vai ser aplicado:

E treinado um classiﬁcador espec´ıﬁco para o indiv´ıduo, que utiliza apenas as carac-

ter´ısticas indicadas como presentes;

2. O classiﬁcador ´e utilizado num conjunto de valida¸c˜ao para calcular a fun¸c˜ao de

adequabilidade do indiv´ıduo, que ´e determinada pela taxa de classiﬁca¸c˜ao correta

do classiﬁcador;

3. O valor de adequabilidade ´e retornado.

Ap´os este procedimento ter sido aplicado a toda a popula¸c˜ao de indiv´ıduos (neste

trabalho ´e utilizada uma popula¸c˜ao de 50 indiv´ıduos), vai ser veriﬁcado se a solu¸c˜ao

convergiu ou se o n´umero m´aximo de gera¸c˜oes foi atingido. Se isto acontecer, ´e retor-

nado como solu¸c˜ao o indiv´ıduo de maior adequabilidade, caso contr´ario s˜ao aplicadas as

opera¸c˜oes gen´eticas de muta¸c˜ao e crossover para gerar uma nova popula¸c˜ao de indiv´ıduos

e repetir o processo.

3.4 Classiﬁca¸c˜ao, Combina¸c˜ao e Decis˜ao

As estrat´egias de combina¸c˜ao de classiﬁcadores utilizadas neste trabalho est˜ao lo-

calizadas em dois n´ıveis na ﬁgura 3.1. No primeiro n´ıvel a “combina¸c˜ao de classiﬁcadores”

representa o uso das estrat´egias de decomposi¸c˜ao do espa¸co do problema, criando uma

abordagem h´ıbrida baseada na decomposi¸c˜ao de tempo (segmenta¸c˜ao) e espa¸co (t´ecnicas

de decomposi¸c˜ao do espa¸co do problema). Neste trabalho s˜ao utilizadas as t´ecnicas de

Um-Contra-Todos (One-Against-All) e Round Robin. No segundo n´ıvel, a combina¸c˜ao dos

resultados dos classiﬁcadores individuais ou aliados `as t´ecnicas de decomposi¸c˜ao do espa¸co

do problema treinado em cada segmento v˜ao ser combinadas atrav´es do voto da maioria

ou de uma das regras baseada na probabilidade a posteriori fornecida pelos classiﬁcadores.

Desta forma, para cada segmento um classiﬁcador vai ser treinado. Este procedi-

mento vai resultar em trˆes classiﬁcadores: C

beg

, C

mid

, C

end

E importante ressaltar que o

classiﬁcador de base utilizado ´e sempre homogˆeneo (ou seja, o mesmo classiﬁcador).

Outro aspecto importante ´e que a regra padr˜ao utilizada no caso de empates que

podem ocorrer ao utilizar as regras de vota¸c˜ao da maioria e Max. De forma a resolver

os empates e fornecer uma ´unica sa´ıda, entre as classes que empataram, o gˆenero vai ser

atribu´ıdo com base no escore de conﬁan¸ca mais alto. No caso de haver outro empate, desta

vez com os escores de conﬁan¸ca, a decis˜ao vai ser baseada nos segmentos que empataram.

Se um dos votos empatados foi fornecido pelo classiﬁcador C

mid

, o gˆenero vai ser decidido

por ele. Se n˜ao, a decis˜ao vai ser atribu´ıda ao classiﬁcador C

beg

Cap´ıtulo 4

Avalia¸c˜ao do M´etodo Proposto

Neste cap´ıtulo s˜ao apresentados os experimentos realizados ao longo do desenvol-

vimento do trabalho. Em todos os experimentos apresentados neste cap´ıtulo foi utilizada

uma vers˜ao completa da base Latin Music Database apresentada na se¸c˜ao 3.1. De forma

a realizar os experimentos com um n´umero balanceado de exemplos por classe, f oram

selecionadas 300 m´usicas de cada gˆenero. Para a extra¸c˜ao de caracter´ısticas foi utilizado

o Marsyas (TZANETAKIS; COOK, 1999). Os valores apresentados nas tabelas de resultados

s˜ao referentes `a m´edia dos valores obtidos utilizando valida¸c˜ao cruzada fator 10.

E importante ressaltar que para evitar qualquer tipo de tendˆencia (bias) nos expe-

rimentos, todas as m´usicas dispon´ıveis foram selecionadas aleatoriamente sem repeti¸c˜ao

para compor os conjuntos utilizados nos experimentos. A quest˜ao da an´alise estat´ıstica

dos resultados obtidos foi amplamente discutida durante o desenvolvimento do trabalho.

Por´em, como s˜ao utilizados trˆes segmentos da m´usica com o mesmo conjunto de carac-

ter´ısticas em todos os casos, n˜ao fazia sentido em comparar os diferentes se gmentos da

m´usica, pois o objeto que estava sendo comparado n˜ao era o mesmo, apesar das ca-

racter´ısticas serem as mesmas. Se fosse poss´ıvel realizar a an´alise estat´ıstica, teria sido

utilizado um dos m´etodos abordados em (DEMSAR, 2006).

Outra observa¸c˜ao importante ´e que o m´odulo de classiﬁca¸c˜ao do sistema ´e inte-

grado ao framework WEKA (WITTEN; FRANK, 2005) que pe rmite obter a probabilidade

de cada classe mesmo para classiﬁcadores como o k-NN, que normalmente n˜ao fornece

probabilidades na sa´ıda, sendo que neste caso as distˆancias s˜ao convertidas em probabili-

dades.

4.1 Decomposi¸c˜ao Temporal Vs. M´usica Inteira

Os objetivos deste primeiro experimento foram:

Tabela 4.1: Taxa de classiﬁca¸c˜ao correta (%) utilizando segmentos isolados vs. m´usica

inteira sobre o conjunto de testes.

Taxa de Classiﬁca¸c˜ao Correta (%)

Classiﬁcador Seg

beg

Seg

mid

Seg

end

J48 39.60 44.44 38.80 44.20

3-NN 45.83 56.26 48.43 57.96

MLP 53.96 56.40 48.26 56.46

NB 44.43 47.76 39.13 48.00

SVM 57.43 63.50 54.60 63.40

• Veriﬁcar o desempenho dos classiﬁcadores nos segmentos do in´ıcio (Seg

beg

), meio

(Seg

mid

) e ﬁm (Seg

end

) da m´usica;

• Combinar classiﬁcadores utilizando o m´etodo de Decomposi¸c˜ao Temporal com as

diferentes regras de combina¸c˜ao baseadas nas probabilidades a posteriori de cada

classiﬁcador;

• Veriﬁcar o desempenho deste m´etodo em rela¸c˜ao aos classiﬁcadores treinados utili-

zando caracter´ısticas extra´ıdas da m´usica inteira e aos classiﬁcadores que utilizam

somente um segmento da m´usica.;

A Tabela 4.1 apresenta os resultados obtidos por cada classiﬁcador treinado uti-

lizando cada um dos trˆes segmentos e tamb´em utilizando um classiﬁcador treinado uti-

lizando as caracter´ısticas extra´ıdas da MI (M´usica Inteira). Uma an´alise dos resultados

apresentados na tabela 4.1 mostra que considerando apenas os trˆes segmentos, em todos

os casos os melhores resultados s˜ao obtidos pelo Seg

mid

e n˜ao pelo Seg

beg

que ´e comumente

utilizado na literatura. Outro aspecto interessante ´e que as caracter´ısticas extra´ıdas dos

diferentes segmentos da m´usica levam a resultados signiﬁcativamente diferentes conside-

rando a taxa de classiﬁca¸c˜ao correta. Alguns motivos para isto ´e que devido aos gˆeneros

utilizados, como Salsa em que algumas vezes come¸ca como uma m´usica lenta e depois de

algum tempo elas “explodem”e diversos instrumentos come¸cam a tocar. Outra poss´ıvel

raz˜ao para este comportamento ´e que o Seg

mid

´e normalmente mais est´avel que o resto

da m´usica.

Ao comparar o desempenho obtido utilizando os segmentos individuais em rela¸c˜ao

`a m´usica inteira, observou-se que utilizar a m´usica inteira fornece resultados similares

ou superiores ao Seg

mid

. Entretanto, utilizar caracter´ısticas da m ´usica inteira ´e compu-

tacionalmente mais caro do que utilizar ap enas um ´unico segmento. Por exemplo, para

uma m´usica de 4 minutos e 57 segundos, para extrair caracter´ısticas da m´usica inteira s˜ao

gastos em m´edia 56 segundos e 40 segundos para extrair caracter´ısticas dos trˆes segmentos.

A tabela 4.2 apresenta os resultados para cada classiﬁcador utilizando diferentes

regras de combina¸c˜ao a-posteriori onde, MAJ indica Voto da Maioria (Majority Voting),

WS indica Soma Ponderada (Weighted Sum). Para WS I (Weighted Sum I) foram con-

siderados os valores de α = 0.3, β = 0.6 e γ = 0.1. Para WS II foram considerados

os valores de α = 0.25, β = 0.5 e γ = 0.25. WP indica Produto Ponderado (Weighted

Product e os pesos utilizados foram os mesmos que para WS I e II respectivamente. Os

pesos foram deﬁnidos desta forma para atribuir ao classiﬁcador do Seg

mid

um peso um

pouco maior que os demais. Contudo, estes pesos poderiam ser melhorados utilizando

algoritmos gen´eticos para buscar uma me lhor combina¸c˜ao dos pesos. Este procedimento

possivelmente levaria a um desempenho um pouco melhor. No intuito de facilitar a com-

para¸c˜ao dos m´etodos de combina¸c˜ao em rela¸c˜ao aos respec tivos classiﬁcadores utilizando

a MI, os resultados da tabela 4.1 s˜ao repetidos.

Tabela 4.2: Taxa de classiﬁca¸c˜ao correta (%) utilizando v´arias regras para a combina¸c˜ao

de classiﬁcadores vs. m´usica inteira sobre o conjunto de testes.

Taxa de Classiﬁca¸c˜ao Correta (%)

Classiﬁcador MAJ MAX SUM WS I WS I I PROD WP I WP II MI

J48 47.33 43.76 47.30 45.93 47.63 20.50 20.50 20.50 44.20

3-NN 60.46 60.67 62.66 61.60 63.16 62.06 61.40 62.26 57.96

MLP 59.43 57.40 61.83 58.16 59.63 62.50 62.16 62.56 56.46

NB 46.03 45.96 46.66 48.40 47.80 46.13 48.06 46.80 48.00

SVM 65.06 64.13 65.73 66.76 66.46 65.50 66.50 66.30 63.40

A an´alise dos resultados da tabela 4.2 mostram que a eﬁciˆencia das regras de

combina¸c˜ao dependem dos classiﬁcadores utilizados. Para os classiﬁcadores 3-NN, MLP

e SVM, em todos os casos as regras de combina¸c˜ao fornecem melhores resultados do que

utilizar a m´usica inteira. Para o Classiﬁcador NB as ´unicas regras de combina¸c˜ao que

provˆem resultados similares ao utilizar a m´usica inteira s˜ao a soma e produto ponderados

I (WS I e WP I respectivamente). Para o J48 as regras de voto da maioria, soma e

somas ponderadas apresentam resultados melhores do que a m´usica inteira. O baixo

desempenho obtido pelo classiﬁcador J48 em rela¸c˜ao `a regra de combina¸c˜ao do produto e

produto ponderado ´e em fun¸c˜ao de um grande n´umero de empates que ocorreram no caso

deste classiﬁcador. Este foi o ´unico classiﬁcador em que ocorreram empates utilizando

as regras de combina¸c˜ao. Os melhores resultados em todos os experimentos desta se¸c˜ao

foram obtidos utilizando o classiﬁcador SVM. A melhor taxa de classiﬁca¸c˜ao obtida foi

de 66.76% utilizando a regra de combina¸c˜ao WS I.

Com os experimentos realizados nesta se¸c˜ao ﬁcou provado que o uso da estrat´egia

de decomposi¸c˜ao temporal fornece melhores resultados do que utilizar a m´usica inteira ou

os segmentos individualmente.

4.2 Decomposi¸c˜ao Temporal–Espacial

Os objetivos deste segundo experimento foram:

• Veriﬁcar o desempenho dos classiﬁcadores nos segmentos do in´ıcio (Seg

beg

), meio

(Seg

mid

), ﬁm (Seg

end

) e na m´usica inteira utilizando os m´etodos de Decomposi¸c˜ao

Espacial, mais especiﬁcamente OAA e RR;

• Utilizar a estrat´egia de Decomposi¸c˜ao Temporal–Espacial e comparar seu desem-

penho com o m´etodo de Decomposi¸c˜ao Temporal;

A Tabela 4.3 apresenta os resultados obtidos p or cada classiﬁcador treinado utili-

zando cada um dos trˆes segmentos com as estrat´egias de OAA e RR. De forma a facilitar a

compara¸c˜ao destes m´etodos aos resultados obtidos nos experimentos da Se¸c˜ao 4.1, a coluna

BL (Baseline) apresenta os resultados obtidos por cada classiﬁcador em cada segmento

sem utilizar os m´etodos de decomposi¸c˜ao do espa¸co do problema para cada segmento da

m´usica. Tamb´em ´e importante ressaltar que como o classiﬁcador SVM foi utilizado por

padr˜ao com a estrat´egia de decomposi¸c˜ao Round Robin, os resultados para a coluna BL

foram omitidos.

Tabela 4.3: Taxa de Reconhecimento (%) utilizando OAA e RR nos segmentos individuais.

Seg

beg

Seg

mid

Seg

end

Classiﬁcador BL OAA RR BL OAA RR BL OAA RR

J48 39.60 41.56 45.96 44.44 44.56 49.93 38.80 38.42 45.53

3-NN 45.83 45.83 45.83 56.26 56.26 56.26 48.43 48.43 48.43

MLP 53.96 52.53 55.06 56.40 53.08 54.59 48.26 51.96 51.92

NB 44.43 42.76 44.43 47.76 45.83 47.79 39.13 37.26 39.19

SVM – 26.63 57.43 – 36.82 63.50 – 28.89 54.60

A an´alise dos resultados apresentados na tabela 4.3 mostra que para o classiﬁcador

J48 a estr´ategia RR melhora os resultados do classiﬁcador enquanto que a estr´ategia de

OAA produz melhoras mas n˜ao t˜ao signiﬁcativas. Para o classiﬁcador 3-NN os resulta-

dos s˜ao sempre os mesmos, por´em uma observa¸c˜ao interessante olhando os arquivos de

resultados ´e que as respostas fornecidas em cada estrat´e gia s˜ao diferentes. Para a MLP as

estrat´egias de decomposi¸c˜ao melhoram o desempenho do in´ıcio da m´usica utilizando RR e

no ﬁnal da m´usica utilizando tanto OAA como RR. Para o classiﬁcador NB as estrat´egias

de decomposi¸c˜ao n˜ao melhoraram a performance do classiﬁcador. Para o SVM pode ser

observado como a escolha da estrat´egia de decomposi¸c˜ao do espa¸co do problema p ode fa-

zer com que o melhor classiﬁcador utilizando RR possa ser o pior ao utilizar a estrat´egia

de OAA. Em geral, o m´etodo de RR fornece resultados superiores ou equivalentes ao BL,

a ´unica exce¸c˜ao foi para o classiﬁcador MLP para o Seg

mid

Na tabela 4.4 s˜ao apresentados os resultados utilizando as t´ecnicas de decomp osi¸c˜ao

do espa¸co do problema na m´usica inteira, e tamb´em com o m´etodo de Decomposi¸c˜ao

Temporal–Espacial. Nessa tabela os valores do BL s˜ao deﬁnidos pelos valores obtidos

sem estrat´egias de de composi¸c˜ao do espaco do problema para m´usica, e utilizando os

valores do experimento anterior com o voto da maioria.

Tabela 4.4: Taxa de reconhecimento (%) utilizando decomposi¸c˜ao temporal–espacial vs.

m´usica inteira

Ensembles MI

Classiﬁcador BL OAA RR BL OAA RR

J48 47.33 49.63 54.06 44.20 43.79 50.63

3-NN 60.46 59.96 61.12 57.96 57.96 59.93

MLP 59.43 61.03 59.79 56.46 58.76 57.86

NB 46.03 43.43 47.19 48.00 45.96 48.16

SVM – 30.79 65.06 – 37.46 63.40

A an´alise dos resultados apresentados na tabela 4.4 mostra que para a m´usica

inteira o uso da estr´ategia de RR sempre aumenta a taxa de acerto de qualquer um

dos classiﬁcadores em rela¸c˜ao ao BL, enquanto a estrat´egia de OAA fornece resultados

superiores apenas para a rede neural MLP. Ao comparar os resultados da MI em rela¸c˜ao

aos trˆes segmentos, a m´usica inteira utilizando RR sempre fornece resultados melhores do

que os obtidos por qualquer segmento indiferente da estrat´egia de combina¸c˜ao utilizada.

A ´unica exce¸c˜ao ´e para a rede MLP em que os melhores resultados s˜ao obtidos utilizando

a estrat´egia de OAA.

No caso dos resultados utilizando Decomposi¸c˜ao Temporal–Espacial, as estrat´egias

de OAA e RR podem melhorar o desempenho dos classiﬁcadores, mas esta melhora n˜ao ´e

signiﬁcativa. J´a a compara¸c˜ao da m´usica inteira em rela¸c˜ao ao m´etodo de Decomposi¸c˜ao

Temporal–Espacial mostra um resultado semelhante ao experimento anterior, visto que

para os classiﬁcadores J48, 3-NN e MLP em todos os casos as regras de combina¸c˜ao

fornecem melhores resultados do que utilizar a m´usica inteira e para o NB os resultados

s˜ao inferiores ou similares. Para o SVM os resultados s´o s˜ao superiores ao utilizar a

estrat´egia de RR.

4.3 Sele¸c˜ao de Caracter´ısticas

Os objetivos deste terceiro experimento foram:

• Utilizar o m´etodo de sele¸c˜ao de atributos com algoritmos gen´eticos em cada um dos

segmentos utilizados pelo m´etodo de Decomposi¸c˜ao Temporal e tamb´em na m´usica

inteira;

• Veriﬁcar se a combina¸c˜ao das caracter´ısticas selecionadas, pelo m´etodo de sele¸c˜ao de

atributos, em cada segmento em conjunto com as diferentes regras de combina¸c˜ao,

baseadas nas probabilidades a posteriori de cada classiﬁcador, aumentam a taxa de

reconhecimento dos classiﬁcadores;

• Veriﬁcar se o m´etodo de sele¸c˜ao de atributos consegue discriminar um sub conjunto

de caracter´ısticas relevantes para aumentar a taxa de reconhecimento dos classiﬁca-

dores treinados com caracter´ısticas extra´ıdas da m´usica inteira.

• Comparar o desempenho dos classiﬁcadores utilizando sele¸c˜ao de atributos com De-

composi¸c˜ao Temporal e diferentes regras de c ombina¸c˜ao baseadas nas probabilidades

a posteriori em rela¸c˜ao aos classiﬁcadores treinados utilizando sele¸c˜ao de atributos

com a m´usica inteira.

A Tabela 4.5 apresenta os resultados obtidos por cada classiﬁcador treinado uti-

lizando cada um dos trˆes segmentos utilizando o n´umero de caracter´ısticas selecionadas

pelo AG (que s˜ao indicadas na coluna #) e tamb´em os resultados obtidos sem utilizar a

sele¸c˜ao de atributos que s˜ao tidos como Baseline (BL).

Tabela 4.5: Taxa de classiﬁca¸c˜ao correta (%) utilizando sele¸c˜ao de atributos com AG nos

segmentos individuais.

Seg

beg

Seg

mid

Seg

end

Classiﬁcador BL GA # BL GA # BL GA #

J48 39.60 44.70 15 44.44 45.76 21 38.80 38.73 18

3-NN 45.83 51.19 14 56.26 60.02 18 48.43 51.11 19

MLP 53.96 52.73 22 56.40 54.73 24 48.26 47.86 18

NB 44.43 45.43 21 47.76 50.09 18 39.13 39.66 24

SVM 57.43 57.13 24 63.50 59.70 22 54.60 55.33 24

A an´alise dos resultados apresentados na tabela 4.5 mostra que o m´etodo de sele¸c˜ao

de atributos se mostrou eﬁciente para os classiﬁcadores J48, 3-NN e NB melhorando a taxa

de acerto ou pelo menos mantendo uma taxa de acerto similar, por´em com um n´umero

reduzido de atributos. Para a rede MLP o n´umero de atributos foi reduzido por´em a taxa

de reconhecimento foi prejudicada. Isto tamb´em aconteceu com o SVM com exce¸c˜ao do

Seg

end

, onde o m´etodo de sele¸c˜ao de atributos forneceu um n´umero menor de atributos

com uma melhora na taxa de classiﬁca¸c˜ao.

Na tabela 4.6 s˜ao apresentados os resultados utilizando a t´ecnica de Decomposi¸c˜ao

Temporal com os vetores de caracter´ısticas gerados utilizando o m´etodo de sele¸c˜ao de

atributosdos para cada segmento. Tamb´em s˜ao apresentados os resultados para a m´usica

inteira com o respectivo n´umero de atributos selecionados (#). Os resultados obtidos

utilizando o m´etodo de Decomposi¸c˜ao Temporal s em o uso do m´etodo de sele¸c˜ao de

atributos, foram repetidos para facilitar a compara¸c˜ao dos resultados.

Tabela 4.6: Taxa de classiﬁca¸c˜ao correta (%) utilizando v´arias regras para a combina¸c˜ao

de classiﬁcadores vs. m´usica inteira sobre o conjunto de testes.

Classiﬁcador MAJ MAX SUM WS I WS II PROD WP I WP II MI

J48 47.33 43.76 47.30 45.93 47.63 20.50 20.50 20.50 44.20

J48-GA 50.10 46.00 50.90 47.03 49.30 22.83 22.83 22.83 45.13 (#19)

3-NN 60.46 60.67 62.66 61.60 63.16 62.06 61.40 62.26 57.96

3-NN-GA 63.20 63.00 63.93 64.43 64.86 64.26 64.80 64.73 57.30 (#16)

MLP 59.43 57.40 61.83 58.16 59.63 62.50 62.16 62.56 56.46

MLP-GA 59.30 57.70 60.33 56.90 58.33 60.90 60.73 60.96 53.56 (#24)

NB 46.03 45.96 46.66 48.40 47.80 46.13 48.06 46.80 48.00

NB-GA 47.10 44.80 48.00 51.46 51.03 47.76 51.06 49.36 49.63 (#19)

SVM 65.06 64.13 65.73 66.76 66.46 65.50 66.50 66.30 63.40

SVM-GA 63.03 60.43 64.40 64.40 64.40 64.90 64.60 64.36 61.13 (#22)

A an´alise dos resultados da tabela 4.6 mostra que para a m´usica inteira, o m´etodo

de sele¸c˜ao de atributos reduz o n´umero de caracter´ısticas por´em apenas para os classiﬁ-

cadores J48 e 3-NN a taxa de reconhecimento ´e similar ao resultados obtidos sem o uso

do m´etodo de sele¸c˜ao de atributos. J´a o m´etodo de Decomposi¸c˜ao Temporal aliado `a

sele¸c˜ao de atributos fornece melhoras na taxa de reconhecimento dos classiﬁcadores J48 e

3-NN em todos os casos. Os classiﬁcadores MLP e NB possuem taxas de reconhecimento

melhores em alguns casos e piores em outros e no caso do SVM o m´etodo utilizando

sele¸c˜ao de atributos sempre piora ou ´e igual a taxa de reconhecimento. Em compara¸c˜ao

com a m´usica inteira, considerando apenas os resultados utilizando sele¸c˜ao de atributos,

os resultados s˜ao similares aos do experimento 1, ou seja, para os classiﬁcadores 3-NN-GA

e MLP-GA para todos os casos as regras de combina¸c˜ao fornecem melhores resultados do

que utilizar a m´usica inteira. Para o classiﬁcador SVM isto acontece em todos os casos,

menos para a regra de combina¸c˜ao MAX. Para o J48, com exce¸c˜ao das regras baseadas

no produto, todas as outras apresentam resultados melhores do que a m´usica inteira,

Tabela 4.7: Caracter´ısticas selec ionadas para cada segmento dos classiﬁcadores 3-NN, J48

e MLP.

3-NN J48 MLP

# Full Seg

beg

Seg

mid

Seg

end

Full Seg

beg

Seg

mid

Seg

end

Full Seg

beg

Seg

mid

Seg

end

1 X X X X

2 X X

3 X X X X

4 X X X X

5 X X

6 X X X X X X X X X X X

7 X X X X X X X X X

8 X X X X X X

9 X X X X X X X X X X X X

10 X X X X X X X X X

11 X X X X X X X X

12 X X X X X X X

13 X X X X X X X X X X X

14 X X X X X X

15 X X X X X X X X X X X

16 X X X X X X X X X X X X

17 X X X X X X X X X

18 X X X X X X X X X X X X

19 X X X X X X X X X

20 X X X X X X X X

21 X X X X X X X X X X X X

22 X X X X X X X X X X X

23 X X X X X X X X X X X X

24 X X X X X X X X

25 X X X X X X X X X X

26 X X X

27 X X X X

28 X X X X X X X X X

29 X

30 X X

enquanto que para o NB as regras com pesos ponderados (WS I, WS I I , WP I, WP II)

apresentam resultados superiores a utilizar a m´usica inteira.

Desta forma o m´etodo de sele¸c˜ao de c aracter´ısticas considerando os segmentos

individuais s´o se mostrou eﬁciente, melhorando a taxa de classiﬁca¸c˜ao e reduzindo o

n´umero de caracter´ısticas, para os classiﬁcadores J48, 3-NN e NB. Utilizando a m´usica

inteira o m´etodo s´o foi eﬁcente para os classiﬁcadores J48 e NB. A combina¸c˜ao do m´etodo

Tabela 4.8: Caracter´ısticas selecionadas para cada segmento dos classiﬁcadores NB e

SVM.

NB SVM

# Full Seg

beg

Seg

mid

Seg

end

Full Seg

beg

Seg

mid

Seg

end

1 X X X X X X X

2 X X X X X

3 X X X

4 X X X X

5 X X X X

6 X X X X X X X

7 X

8 X X X X

9 X X X X X X X X

10 X X X X X X X X

11 X X X X

12 X X X X X X X

13 X X X X X X X X

14 X X

15 X X X X X X X X

16 X X X X X X X X

17 X X X X X X X X

18 X X X X X X X X

19 X X X X X X X

20 X X X X X

21 X X X X X X X

22 X X X X X X X X

23 X X X X X X

24 X X X X

25 X X X X X X X

26 X X X X X X X

27 X X X X X

28 X X X X X X X X

29 X X

30 X X X X

de sele¸c˜ao de caracter´ısticas e Decomposi¸c˜ao Temporal forneceu resultados eﬁcientes para

os classiﬁcador J48 e 3-NN.

As tabelas 4.7 e 4.8 apresentam quais foram as caracter´ısticas selecionadas para

cada classiﬁcador e cada segmento. O s´ımbolo # indica o n´umero da caracter´ıstica.

4.4 Decomposi¸c˜ao Temporal-Espacial com Sele¸c˜ao de Ca-

racter´ısticas

Os objetivos deste quarto experimento foram:

• Veriﬁcar se a estrat´egia de Decomposi¸c˜ao Temporal–Espacial pode se beneﬁciar do

uso do m´etodo de sele¸c˜ao de atributos.

• Veriﬁcar se a estrat´egia de Decomposi¸c˜ao Espacial com o m´etodo de sele¸c˜ao de

atributos aumenta o desempenho dos classiﬁcadores treinados utilizando a m´usica

inteira.

• Comparar o desempenho dos classiﬁcadores utilizando sele¸c˜ao de atributos com

Decomposi¸c˜ao Temporal–Espacial em rela¸c˜ao aos m´etodos anteriores e tamb´em com

a m´usica inteira.

Nesta se¸c˜ao visando uma avalia¸c˜ao geral dos resultados e uma compara¸c˜ao com os

experimentos anteriores, em todas as tabelas os resultados obtidos combinando o m´etodo

de sele¸c˜ao de atributos com a combina¸c˜ao de estrat´egia de decomposi¸c˜ao do espa¸co do

problema s˜ao apresentados nas colunas FS-OAA para o m´etodo utilizando a estrat´egia

de OAA e FS-RR para o m´etodo utilizando a estrat´egia de RR. As demais colunas s˜ao

referentes aos experimentos anteriores onde: BL indica o baseline que foi deﬁnido no

experimento da se¸c˜ao 4.1, ou seja, sem nenhum m´etodo de decomposi¸c˜ao do espa¸co do

problema ou sele¸c˜ao de atributos; OAA e RR indicam os resultados obtidos no experi-

mento da se¸c˜ao 4.2, utilizando as estrat´egia de decomp osi¸c˜ao do espa¸co do problema; FS

indicam os resultados obtidos no experimento da se¸c˜ao 4.3 utilizando apenas o m´etodo

de sele¸c˜ao de atributos. Os resultados obtidos para os segmentos Seg

beg

, Seg

mid

e Seg

end

s˜ao apresentados nas tabelas 4.9, 4.10 e 4.11 respectivamente.

A an´alise dos resultados apresentados na tabela 4.9 indica que para os classiﬁca-

dores J48 e 3-NN o m´etodo de sele¸c˜ao de caracter´ısticas com Decomposi¸c˜ao Temporal–

Espacial fornece melhores resultados considerando o Seg

beg

. Para a rede MLP o m´etodo

produz melhores resultados do que utilizando apenas sele¸c˜ao de caracter´ısticas. Por´em,

Tabela 4.9: Taxa de Reconhecimento (%) utilizando as diversas estrat´egias no Seg

beg

Seg

beg

Classiﬁcador BL OAA RR FS FS-OAA FS-RR

J48 39.60 41.56 45.96 44.70 43.52 48.53

3-NN 45.83 45.83 45.83 51.19 51.73 53.36

MLP 53.96 52.53 55.06 52.73 53.99 54.13

NB 44.43 42.76 44.43 45.43 43.46 45.39

SVM – 23.63 57.43 – 26.16 57.13

ainda ´e inferior aos resultados obtidos utilizando apenas Decomp osi¸c˜ao Temporal–Espacial

sem FS com a estrat´egia de decomposi¸c˜ao RR. Para o classiﬁcador NB os resultados

s˜ao melhores do que o BL e as estrat´egias anteriores, mas ainda ainda s˜ao inferiores ao

m´etodo FS. Para o SVM os resultados s˜ao inferiores aos obtidos utilizando Decomposi¸c˜ao

Temporal–Espacial com RR.

Tabela 4.10: Taxa de reconhecimento (%) utilizando as diversas estrat´egias no Seg

mid

Seg

mid

Classiﬁcador BL OAA RR FS FS-OAA FS-RR

J48 44.44 44.56 49.93 45.76 45.09 50.86

3-NN 56.26 56.26 56.26 60.02 60.95 62.55

MLP 56.40 53.08 54.59 54.73 54.76 49.76

NB 47.76 45.83 47.79 50.09 48.79 50.69

SVM – 38.62 63.50 – 32.86 59.70

A an´alise dos resultados apresentados na tabela 4.10 indica que para o Seg

mid

m´etodo de FS com Decomposi¸c˜ao Temporal–Espacial com RR fornecem melhores resulta-

dos para os classiﬁcadores J48, 3-NN e NB. Para a rede MLP os resultados obtidos ainda

s˜ao inferiores ao BL. Para o SVM os resultados forem inferiores aos anteriores em ambos

os casos.

Tabela 4.11: Taxa de reconhecimento (%) utilizando as diversas estrat´egias no Seg

end

Seg

end

Classiﬁcador BL OAA RR FS FS-OAA FS-RR

J48 38.80 38.42 45.53 38.73 38.99 45.86

3-NN 48.43 48.43 48.43 51.11 51.10 53.49

MLP 48.26 51.96 51.92 47.86 50.53 49.64

NB 39.13 37.26 39.19 39.66 37.63 39.59

SVM – 28.89 54.60 – 28.22 55.33

A an´alise dos resultados apresentados na tabela 4.11 indica que para o Seg

end

resutados s´o foram superiores para o classiﬁcador 3-NN. Nos demais os resultados foram

similares, utilizando RR, para os classiﬁcadores SVM, NB, e J48. Para a rede MLP n˜ao

houve melhora, sendo que os m´etodos de OAA e RR sem FS fornecem melhores resultados.

Tabela 4.12: Taxa de reconhecimento (%) utilizando as diversas estrat´egias na m´usica

inteira (MI).

Classiﬁcador BL OAA RR FS FS-OAA FS-RR

J48 44.20 43.79 50.63 45.13 45.09 49.39

3-NN 57.96 57.96 59.93 57.30 58.22 59.47

MLP 56.46 58.76 57.86 53.56 53.82 54.46

NB 48.00 45.96 48.16 49.63 47.83 49.63

SVM – 37.46 63.40 – 32.92 61.13

A an´alise dos resultados apresentados na tabela 4.12 indica que para o classiﬁcador

J48, os m´etodos de FS-OAA e FS-RR n˜ao tiveram melhoras signiﬁcativas, a melhor taxa

de acerto foi obtida com o m´etodo RR. Para o 3-NN os resultados foram similares, por´em

a melhor taxa de acerto foi obtida com o m´etodo de FS sem RR. Para o MLP e SVM

os resultados foram inferiores aos obtidos nos experimentos anteriores. Somente para o

classiﬁcador NB com o FS-RR ´e que os resultados foram melhores do que os anteriores.

Tabela 4.13: Taxa de Reconhecimento (%) utilizando as t´ecnicas de combina¸c˜ao.

Ensembles

Classiﬁcador BL OAA RR FS FS-OAA FS-RR

J48 47.33 49.63 54.06 50.10 50.03 55.46

3-NN 60.46 59.96 61.12 63.20 62.77 64.10

MLP 59.43 61.03 59.79 59.30 60.96 56.86

NB 46.03 43.43 47.19 47.10 44.96 49.79

SVM – 30.79 65.06 – 29.47 63.03

A an´alise dos resultados apresentados na tabela 4.12 indica que para os classiﬁ-

cadores J48, 3-NN e NB o m´etodo FS-RR fornece melhora nos resultados. Para a rede

MLP o m´etodo FS-OAA produz resultados similares ao do OAA sem sele¸c˜ao de atributos.

Para o SVM os melhores resultados s˜ao obtidos sem o uso de FS.

4.5 Avalia¸c˜ao e Discuss˜ao dos Resultados

Nesta se¸c˜ao ´e realizada a avalia¸c˜ao e discuss˜ao dos resultados obtidos no de senvol-

vimento deste trabalho.

No 1

experimento foi poss´ıvel observar que em todos os casos utilizar o Seg

mid

fornece melhores resultados do que utilizar a ab ordagem comum na literatura que utiliza

o Seg

beg

. E ssa observa¸c˜ao j´a havia sido feita em um experimento anterior (SILLA JR.;

KAESTNER; KOERICH, 2006a) utilizando uma vers˜ao da Latin Music Database com apenas

dois gˆeneros. Al´em disto, foi poss´ıvel veriﬁcar que o uso das t´ecnicas de combina¸c˜ao

sempre fornece resultados melhores do que utilizar apenas um ´unico segmento da m´usica

e tamb´em sempre produz resultados melhores do que utilizar a m´usica inteira no caso dos

classiﬁcadores mais robustos (SVM, MLP e 3-NN). Isto mostra que a quest˜ao levantada

no trabalho de (MCKAY; FUJINAGA, 2006) onde era argumentado que utilizar as m´edias

das caracter´ısticas ao longo da m´usica inteira poderia ser uma abordagem limitada, de

fato ´e veriﬁcada.

No 2

experimento o m´etodo de Decomposi¸c˜ao Temporal–Espacial sempre apre-

senta para todos os classiﬁcadores uma melhora na taxa de reconhecimento utilizando

a estrat´egia de Round Robin. Apenas para a rede MLP ´e que uma melhora na taxa

de acerto ´e obtida utilizando a estrat´egia de Um-Contra-Todos (One-Against-All). Uti-

lizando o MLP com OAA de exemplo ´e poss´ıvel observar como apesar de no caso dos

segmentos individuais o desempenho do ensemble melhorou, isto se deve a um aumento

na diversidade introduzida pelo m´etodo de decomposi¸c˜ao do problema que levou a uma

melhora no uso da estrat´egia de combina¸c˜ao. Outra observa¸c˜ao importante ´e que, em

rela¸c˜ao a um experimento anterior (SILLA JR.; KAESTNER; KOERICH, 2006b) utilizando

uma vers˜ao da base com 4 gˆeneros o m´etodo de Decomposi¸c˜ao Temporal–Espacial, os re-

sultados obtidos utilizando o m´etodo na base de 10 gˆeneros s˜ao superiores aos resultados

utilizando os segmentos individualmente. Isto conﬁrma as expectativas apresentadas no

trabalho citado de que o m´etodo de Decomposi¸c˜ao Temporal–Espacial fornece melhores

resultados com um n ´umero maior de classes, visto que as fun¸c˜oes de decis˜ao e separa¸c˜ao

das classes se tornam mais complexas.

No 3

experimento o m´etodo de sele¸c˜ao de atributos com algoritmos gen´eticos para

classiﬁca¸c˜ao dos segmentos da m´usica se mostrou eﬁciente para os classiﬁcadores J48, 3-

NN e NB e ineﬁciente para SVM e MLP. Para a m´usica inteira o m´etodo de sele¸c˜ao de

atributos somente forneceu resultados melhores para J48 e NB. O uso da Decomposi¸c˜ao

Temporal em conjunto com o m´etodo de sele¸c˜ao de atributos forneceu uma melhora si-

gniﬁcativa para o classiﬁcador 3-NN. Apesar desta melhora ter sido apenas para este

classiﬁcador, este resultado corrobora com os experimentos recentemente realizados em

(YASLAN; CATALTEPE, 2006) onde os resultados positivos tamb´em foram obtidos utili-

zando o classiﬁcador k-NN.

No 4

experimento foi integrado o m´etodo de Decomposi¸c˜ao Temporal–Espacial

ao m´odulo de sele¸c˜ao de atributos e os resultados obtidos foram comparados com os re-

sultados realizados nos trˆes experimentos anteriores. Para a classiﬁca¸c˜ao dos segmentos

individuais o m´etodo apresenta melhora para Seg

beg

e Seg

mid

com os classiﬁcadores J48,

3-NN e NB. Para Seg

end

um aumento na taxa de reconhecimento ´e obtida com os classiﬁ-

cadores J48, 3-NN e SVM. Em todos os casos os resultados s˜ao obtidos com a estrat´egia de

RR. Para a m´usica inteira somente o classiﬁcador NB apresenta resultados melhores em

rela¸c˜ao aos demais experimentos. Para a estrat´egia de combina¸c˜ao ´e obtida uma melhora

nos resultados dos classiﬁcadores J48, 3-NN e NB.

No intuito de veriﬁcar qual a melhor estrat´egia para cada classiﬁcador utilizado foi

criada a tabela 4.14 que apresenta uma compara¸c˜ao das melhoras taxas de classiﬁca¸c˜ao

considerando todos os experimentos realizados neste trabalho, onde % indica a taxa de

classiﬁca¸c˜ao e M indica o m´etodo utilizado.

Tabela 4.14: Compara¸c˜ao das melhores taxas de classiﬁca¸c˜ao (%) em cada segmento, na

m´usica inteira e na combina¸c˜ao

Seg

beg

Seg

mid

Seg

end

MI Ensemble

% M % M % M % M % M

J48 48.53 FS-RR 50.86 FS-RR 45.86 FS-RR 50.63 RR 55.46 FS-RR

3-NN 53.36 FS-RR 62.55 FS-RR 53.49 FS-RR 59.93 RR 64.86 FS-WS II

MLP 55.06 RR 56.40 BL 51.96 OAA 58.76 OAA 62.50 BL-PROD

NB 45.43 RR 50.69 FS-RR 39.66 FS 49.63 FS 51.46 FS-WS I

SVM 57.43 RR 63.50 RR 55.33 FS-RR 64.40 RR 66.76 RR- WS I

A an´alise dos resultados apresentados na tabela 4.14 mostra que em todos os

casos os melhores resultados s˜ao obtidos utilizando alguma das t´ecnicas de combina¸c˜ao

de classiﬁcadores.

Cap´ıtulo 5

Considera¸c˜oes Finais

Neste trabalho foi apresentada uma abordagem baseada em combina¸c˜ao de classi-

ﬁcadores e sele¸c˜ao de caracter´ısticas para a tarefa de classiﬁca¸c˜ao autom´atica de gˆeneros

musicais. Para realizar a tarefa de classiﬁca¸c˜ao foram utilizados algoritmos cl´assicos de

aprendizagem supervisionada como

Arvores de Decis˜ao (J48), Na¨ıve Bayes (NB), k vizin-

hos mais pr´oximos (k-NN), M´aquinas de Suporte Vetorial (SVM), e redes neurais MLP.

Para realizar os experimentos foi constru´ıda uma base in´edita para a tarefa denominada

Latin Music Database que cont´em 3.160 m´usicas de 10 gˆeneros. Ap´os a constru¸c˜ao da

base foram realizados quatro experimentos de classiﬁca¸c˜ao autom´atica de gˆeneros musi-

cais no intuito de veriﬁcar: (1) se o m´etodo de Decomposi¸c˜ao Temporal fornece resultados

melhores do que utilizar os se gmentos individuais ou a m´usica inteira; (2) se o m´etodo

de Decomposi¸c˜ao Temporal–Espacial fornece resultados superiores aos obtidos pela De-

composi¸c˜ao Temporal; (3) se o uso de um mecanismo de sele¸c˜ao de atributos baseado em

algoritmos gen´eticos melhora a taxa de reconhecimento dos gˆeneros; e (4) se o uso desse

mecanismo de sele¸c˜ao poderia melhorar os resultados dos m´etodos anteriores.

Cada um destes experimentos foi realizado e analisado, concluindo-se que as es-

trat´egias baseadas na combina¸c˜ao de classiﬁcadores sempre fornecem melhores resultados

relativamente ao uso de segmentos isolados ou caracter´ısticas extra´ıdas da m´usica in-

teira. Durante a realiza¸c˜ao diversas contribui¸c˜oes cient´ıﬁcas originais, algumas limita¸c˜oes

e trabalhos futuros foram identiﬁcados.

As principais contribui¸c˜oes deste trabalho para o estado da arte da classiﬁca¸c˜ao

autom´atica de gˆeneros musicais e para a recupera¸c˜ao de informa¸c˜oes musicais, s˜ao:

• A constru¸c˜ao de uma nova base de dados intitulada de Latin Music Database, que

utilizou um procedimento in´edito para a atribui¸c˜ao de gˆeneros as m´usicas e pode ser

utilizada para diversas tarefas relacionadas a MIR, n˜ao limitando-se a classiﬁca¸c˜ao

autom´atica de gˆeneros musicais;

• A veriﬁca¸c˜ao de que o us o de combina¸c˜ao de classiﬁcadores utilizando classiﬁcadores

treinados em diferentes trechos da m´usica ´e uma forma eﬁciente de realizar a tarefa,

obtendo resultados superiores ao uso de caracter´ısticas extra´ıdas da m´usica inteira

e tamb´em dos respectivos segmentos individuais. Uma observa¸c˜ao importante ´e que

em nenhum trabalho da literatura ´e veriﬁcada a quest˜ao de que se utilizar um trecho

da m´usica (usualmente o in´ıcio) ´e melhor ou pior do que utilizar a m´usica inteira,

tornado essa avalia¸c˜ao pioneira neste sentido;

• A avalia¸c˜ao do uso de mecanismos de sele¸c˜ao de atributos baseados em algoritmos

gen´eticos, visto que este t´opico tem s ido somente indicado como trabalho futuro em

publica¸c˜oes recentes da ´area;

• Uma contribui¸c˜ao menor por´em pertinente ´e que ﬁcou evidente que se for utilizado

apenas um segmento da m ´usica o ideal ´e utilizar o Seg

mid

ao inv´es do Seg

beg

como

´e feito na literatura;

• Este ´e o primeiro trabalho na ´area a considerar efetivamente a varia¸c˜ao temporal

da m´usica, pois a decis˜ao, no caso da combina¸c˜ao de classiﬁcadores leva em conta

caracter´ısticas extra´ıdas de diferentes segmentos da m´usica.

A principal limita¸c˜ao desse trabalho est´a no m´odulo de sele¸c˜ao de caracter´ısticas

que ´e dependente do MARSYAS. Por´em, pela forma como o sistema de classiﬁca¸c˜ao foi

implementado, ele pode ser substitu´ıdo facilmente por outros softwares de extra¸c˜ao de

caracter´ısticas como o JAudio sem nenhuma diﬁculdade. Outra limita¸c˜ao deste trabalho

´e que n˜ao foram realizados experimentos no intuito de veriﬁcar a quantidade de segmentos

e/ou a dura¸c˜ao de cada segmento para obter uma melhor taxa de classiﬁca¸c˜ao. Foi deﬁnido

no in´ıcio do projeto que seriam utilizados trˆes segmentos de trinta segundos e esta decis˜ao

foi seguida em todos os experimentos.

Com o desenvolvimento da Latin Music Database, existe um grande n´umero de

possibilidades para a c ontinua¸c˜ao deste trabalho. Primeiramente pretende-se integrar

a base ao s istema OMEN de forma a disponibiliz´a-la para todos os pesquisadores da

comunidade MIR sem ter problemas com as quest˜oes de distribui¸c˜ao em fun¸c˜ao dos direitos

autorais das m´usicas. Al´em disto, seria interessante repetir os experimentos realizados na

base de dados CODAICH que logo estar´a integrada ao OMEN.

Tamb´em p oderiam ser utilizadas as novas ferramentas dispon´ıveis como o JAudio

para extra¸c˜ao de outros vetores de caracter´ısticas. Outra op¸c˜ao seria estudar o uso de

m´etodos de stacking como foi realizado no trabalho de (YASLAN; CATALTEPE, 2006) para

veriﬁcar se isso poderia trazer uma melhora para a tarefa de classiﬁca¸c˜ao.

Uma outra possibilidade interessante seria utilizar a combina¸c˜ao de classiﬁcadores

utilizando t´enicas de webmining em conjunto com as caracter´ısticas extra´ıdas do conte´udo

do sinal de ´audio, al´em de um estudo comparativo utilizando diversas t´ecnicas de sele¸c˜ao

de atributos, dentre elas o uso de algoritmos gen´eticos multi-objetivos e an´alise de com-

ponentes principais.

Referˆencias Bibliogr´aﬁcas

AUCOUTURIER, J. J.; PACHET, F. Representing musical genre: A state of the art.

Journal of New Music Research, v. 32, n. 1, p. 83–93, 2003.

BLUM, A.; LANGLEY, P. Selection of relevant features and examples in machine

learning. Artiﬁcial Intelligence, v. 97, n. 1-2, p. 245–271, 1997.

BRAY, S.; TZANETAKIS, G. Distributed audio feature extraction for music. In:

INTERNATIONAL CONFERENCE ON MUSIC INFORMATION RETRIEVAL, 6.,

2005, London, UK. Anais... London, UK: ISMIR, 2005. p. 434–437.

COSTA, C. H. L.; VALLE JR., J. D.; KOERICH, A. L. Automatic classiﬁcation of

audio data. In: IEEE INTERNATIONAL CONFERENCE ON SYSTEMS, MAN, AND

CYBERNETICS, 2004, Haia, Holanda. Anais... Haia, Holanda: IEEE Press, 2004. p.

562–567.

DASH, M.; LIU, H. Feature selection for classiﬁcation. Intelligent Data Analysis, v. 1,

n. 1–4, p. 131–156, 1997.

DEMSAR, J. Statistical comparisons of classiﬁers over multiple data sets. Journal of

Machine Learning Research, v. 7, p. 1–30, 2006.

DIETTERICH, T. G. Ensemble methods in machine learning. In: INTERNATIONAL

WORKSHOP ON MULTIPLE CLASSIFIER SYSTEM, 1., 2000, Cagliari, Italy. Anais...

Cagliari, Italy: Springer, 2000. (Lecture Notes in Computer Science, 1857), p. 1–15.

DOWNIE, J. S.; CUNNINGHAM, S. J. Toward a theory of music information retrieval

queries: System design implications. In: INTERNATIONAL CONFERENCE ON

MUSIC INFORMATION RETRIEVAL, 3., 2002, Paris, France. Anais... Paris, France:

ISMIR, 2002. p. 299–300.

FABBRI, F. Browsing Music Spaces: Categories and the Musical Mind. 1999. Disp on´ıvel

em: <http://www.mediamusicstudies.net/tagg/others/ﬀabbri9907.html>. Acesso em:

20 jan. 2007.

FIEBRINK, R.; FUJINAGA, I. Feature selection pitfalls and music classiﬁcation. In:

INTERNATIONAL CONFERENCE ON MUSIC INFORMATION RETRIEVAL, 7.,

2006, Victoria, Canada. Anais... Victoria, Canada: ISMIR, 2006. p. 340–341.

FINGERHUT, M. The ircam multimedia library: A digital music library. In:

IEEE FORUM ON RESEARCH AND TECHNOLOGY ADVANCES IN DIGITAL

LIBRARIES, 1., 1999, Baltimore, USA. Anais... Baltimore, USA: IEEE Press, 1999. p.

19–21.

URNKRANZ, J. Pairwise classiﬁcation as an ensemble technique. In: EUROPEAN

CONFERENCE ON MACHINE LEARNING, 13., 2002, Helsinki, Finland. Anais...

Helsinki, Finland: Springer-Verlag, 2002. (Lecture Notes in Computer Science, v. 2430),

p. 97–110.

GRIMALDI, M.; CUNNINGHAM, P.; KOKARAM, A. An Evaluation of Alternative

Feature Selection Strategies and Ensemble Techniques for C lassifying Music. 2003.

Dispon´ıvel em: <http://www.mee.tcd.ie/˜ moumir/articles/Marco ECML2003-

MIW.pdf>. Acesso em: 10 out. 2005.

GRIMALDI, M.; CUNNINGHAM, P.; KOKARAM, A. A wavelet packet representation

of audio signals for music genre classiﬁcation using diﬀerent ensemble and feature

selection techniques. In: ACM SIGMM INTERNATIONAL WORKSHOP ON

MULTIMEDIA INFORMATION RETRIEVAL, 5., 2003, Berkeley, California. Anais...

Berkeley, California: ACM Press, 2003. p. 102–108.

GUO, G.; LI, S. Z. Content–based audio classiﬁcation and retrieval by support vector

machines. IEEE Transactions on Neural Networks, v. 14, n. 1, p. 209–215, 2003.

HO, T. K. Nearest neighbors in random subspaces. In: ADVANCES IN PATTERN

RECOGNITION, JOINT IAPR INTERNATIONAL WORKSHOPS SSPR E SPR, 1998,

Sydney, Australia. Anais... Sydney, Australia: Springer Verlag, 1998. (Lecture Notes in

Computer Science, v. 1451), p. 640–648.

HOMBURG, H. et al. A benchmark dataset for audio classiﬁcation and clustering. In:

INTERNATIONAL CONFERENCE ON MUSIC INFORMATION RETRIEVAL, 6.,

2005, London, UK. Anais... London, UK: ISMIR, 2005. p. 528–531.

HU, X. et al. Mining music reviews: Promising preliminary results. In: INTERNATIO-

NAL CONFERENCE ON MUSIC INFORMATION RETRIEVAL, 6., 2005, London,

UK. Anais... London, UK: ISMIR, 2005. p. 536–539.

KITTLER, J. et al. On combining classiﬁers. IEEE Transaction on Pattern Analysis and

Machine Intelligence, v. 20, n. 3, p. 226–239, March 1998.

KOERICH, A. L.; POITEVIN, C. Combination of homogeneous classiﬁers for musical

genre classiﬁcation. In: IEEE INTERNATIONAL CONFERENCE ON SYSTEMS,

MAN, AND CYBERNETIC S, 2005, Hawaii, USA. Anais... Hawaii, USA: IEEE Press,

2005. p. 554–559.

KOSINA, K. Music Genre Recognition. Disserta¸c˜ao (Mestrado) — Fachlochschul

Hagenberg, Fachlochschul Hagenberg, 2002.

KUNCHEVA, L. I. Combining Pattern Classiﬁers. New Jersey: Wiley-Interscience, 2004.

360 p.

LEE, J. H.; DOWNIE, J. S. Survey of music information needs, uses, and seeking

behaviours: preliminary ﬁndings. In: INTERNATIONAL CONFERENCE ON MUSIC

INFORMATION RETRIEVAL, 5., 2004, Barcelona, Spain. Anais... Barcelona, Spain:

ISMIR, 2004. p. 441–446.

LI, T.; OGIHARA, M. Music genre classiﬁcation with taxonomy. In: IEEE

INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH,AND SIGNAL

PROCESSING, 2005, Philadelphia, USA. Anais... Philadelphia, USA: ISMIR, 2005. p.

197–200.

LI, T.; OGIHARA, M.; LI, Q. A comparative study on content-based music genre

classiﬁcation. In: INTERNATIONAL ACM SIGIR CONFERENCE ON RESEARCH

AND DEVELOPMENT IN INFORMAION RETRIEVAL, 26., 2003, Toronto, Canada.

Anais... Toronto, Canada: ACM Press, 2003. p. 282–289.

LYMAN, P.; VARIAN, H. R. How much information. 2003. Dispon´ıvel em:

<http://www.sims.berkeley.edu/how-much-info-2003>. Acesso em: 25 mar. 2005.

MCENNIS, D.; MCKAY, C.; FUJINAGA, I. Overview of on-demand metadata

extraction network (omen). In: INTERNATIONAL CONFERENCE ON MUSIC

INFORMATION RETRIEVAL, 7., 2006, Victoria, Canada. Anais... Victoria, Canada:

ISMIR, 2006. p. 7–12.

MCENNIS, D. et al. Jaudio: A f eature extraction library. In: INTERNATIONAL

CONFERENCE ON MUSIC INFORMATION RETRIEVAL, 6., 2005, London, UK.

Anais... London, UK: ISMIR, 2005. p. 600–603.

MCKAY, C. et al. Ace: A framework for optimizing music classiﬁcation. In:

INTERNATIONAL CONFERENCE ON MUSIC INFORMATION RETRIEVAL, 6.,

2005, London, UK. Anais... London, UK: ISMIR, 2005. p. 42–49.

MCKAY, C.; FUJINAGA, I. Musical genre classiﬁcation: Is it worth pursuing and

how can it be. In: INTERNATIONAL CONFERENCE ON MUSIC INFORMATION

RETRIEVAL, 7., 2006, Victoria, Canada. Anais... Victoria, Canada: ISMIR, 2006. p.

101–106.

MCKAY, C.; MCENNIS, D.; FUJINAGA, I. A large publicly accessible database

of annotated audio for music research. In: INTERNATIONAL CONFERENCE ON

MUSIC INFORMATION RETRIEVAL, 7., 2006, Victoria, Canada. Anais... Victoria,

Canada: ISMIR, 2006. p. 160–163.

MENG, A.; AHRENDT, P.; LARSEN, J. Improving music genre classiﬁcation by

short-time feature integration. In: IEEE INTERNATIONAL CONFERENCE ON

ACOUSTICS, SPEECH, AND SIGNAL PROCESSING, 30., 2005, Philadelphia, USA.

Anais... Philadelphia, PA, USA: IEEE PRESS, 2005. p. 497–500.

MOLINA, L. C.; BELANCHE, L.; NEBOT,

A. Feature selection algorithms: A survey

and experimental evaluation. In: IEEE INTERNATIONAL CONFERENCE ON DATA

MINING, 2002, Maebashi City, Japan. Anais... Maebashi City, Japan: IEEE Press,

2002. p. 306–313.

PAMPALK, E.; RAUBER, A.; MERKL, D. Content–based organization and visualization

of music archives. In: ACM INTERNATIONAL CONFERENCE ON MULTIMEDIA,

10., 2002, Juan-les-Pins, France. Anais... Juan-les-Pins, France: ACM, 2002. p. 570–579.

SHAO, X.; XU, C.; KANKANHALLI, M. S. Applying neural network on the

content–based audio classiﬁcation. In: INTERNATIONAL CONFERENCE ON

INFORMATION, COMMUNICATIONS ANDSIGNAL PROCESSING, 4., 2003,

Singapore. Anais... Singapore: IEEE Press, 2003. v. 3, p. 1821–1825.

SILLA JR., C. N.; KAESTNER, C. A. A.; KOERICH, A. L. Classiﬁca¸¸c˜ao autom´atica

de gˆeneros musicais utilizando m´etodos de bagging e boosting. In: BRAZILIAN

SYMPOSIUM ON COMPUTER MUSIC, 10., 2005, Belo Horizonte, Brasil. Anais...

Belo Horizonte: SBC, 2005. p. 48–57.

SILLA JR., C. N.; KAESTNER, C. A. A.; KOERICH, A. L. Automatic genre

classiﬁcation of latin music using ensemble of classiﬁers. In: SEMIN

ARIO INTEGRADO

DE SOFTWARE E HARDWARE, 33., 2006, Campo Grande, MS, Brasil. Anais... S˜ao

Paulo: SONOPRESS, 2006. p. 47–53.

SILLA JR., C. N.; KAESTNER, C. A. A.; KOERICH, A. L. Time-space ensemble

strategies for automatic music genre classiﬁcation. In: SICHMAN, J. S.; COELHO, H.;

REZENDE, S. O. (Ed.). Advances in Artiﬁcial Intelligence - IBERAMIA-SBIA 2006.

Ribeir˜ao Preto, Brasil: Springer, 2006. (Lecture Notes in Artiﬁcial Intelligence, v. 4140),

p. 339–348.

SWELDENS, W.; PIESSENS, R. Wavelet sampling techniques. In: STATISTICAL

COMPUTING SECTION, 1993, USA. Anais... USA: American Statistical Association,

1993. p. 20–29.

TZANETAKIS, G.; COOK, P. Marsyas: A framework f or audio analysis. Organized

Sound, v. 4, n. 3, p. 169–175, 1999.

TZANETAKIS, G.; COOK, P. Musical genre classiﬁcation of audio signals. IEEE

Transactions on Speech and Audio Processing, v. 10, n. 5, p. 293–302, 2002.

VIGNOLI, F. Digital music interaction concepts: a user study. In: INTERNATIONAL

CONFERENCE ON MUSIC INFORMATION RETRIEVAL, 5., 2004, Barcelona, Spain.

Anais... Barcelona, Spain: ISMIR, 2004.

WEST, K.; COX, S. Finding an optimal segmentation for audio genre classiﬁcation. In:

INTERNATIONAL CONFERENCE ON MUSIC INFORMATION RETRIEVAL, 6.,

2005, London, UK. Anais... London, UK: ISMIR, 2005. p. 680–685.

WITTEN, I. H.; FRANK, E. Data Mining: Practical machine learning tools and

techniques. 2nd. ed. San Francisco: Morgan Kaufmann, 2005.

YANG, J.; HONAVAR, V. Feature subset selection using a genetic algorithm. IEEE

Intelligent Systems, v. 13, n. 2, p. 44–49, 1998.

YASLAN, Y.; CATALTEPE, Z. Audio music genre classiﬁcation using diﬀerent classiﬁers

and feature selection methods. In: INTERNATIONAL CONFERENCE ON PATTERN

RECOGNITION, 18., 2006, Hong Kong. Anais... Hong Kong: ICPR, 2006. p. 573–576.

ZHANG, T.; KUO, C. C. J. Audio content analysis for online audiovisual data

segmentation and classiﬁcation. IEEE Transactions on Speech and Audio Processing,

v. 9, n. 4, p. 441–457, 2001.

Gloss´ario

Algoritmo Gen´etico (AG)

E uma t´ecnica de procura utilizada na ciˆencia da computa¸c˜ao para achar solu¸c˜oes

aproximadas em problemas de otimiza¸c˜ao e busca. Algoritmos gen´eticos s˜ao uma

classe particular de algoritmos evolutivos que usam t´ecnicas inspiradas pela biologia

evolutiva como hereditariedade, muta¸c˜ao, sele¸c˜ao natural e recombina¸c˜ao.

Altura da nota (Pitch )

Refere-se `a forma como o ouvido humano percebe a freq¨uˆencia dos sons. As baixas

freq¨uˆencias s˜ao percebidas como sons graves e as mais altas como sons agudos.

Aprendizagem Supervisionada

E um dos tipos de algoritmo de aprendizagem de m´aquina onde: na fase de trein-

amento s˜ao apresentados os objetos e suas respectivas classes. No contexto deste

trabalho os objetos s˜ao as m´usicas e as classes os gˆeneros musicais.

Classiﬁcador

E um sistema que f az a classiﬁca¸c˜ao de objetos. Em linhas gerais, a tarefa do

classiﬁcador consiste em organizar os objetos de um dado universo em grupos ou

categorias, com um prop´osito espec´ıﬁco.

Espectro Sonoro (Timbral Texture)

E a distribui¸c˜ao, no dom´ınio das freq¨uˆencias, do conjunto de todas as ondas que

formam um som. O espectro ´e composto das amplitudes da freq¨uˆencia fundamental

e de cada um dos harmˆonicos ou parciais que soam junto `a fundamental. O espectro

de um som deﬁne sua forma de onda e ´e um dos comp onentes do timbre de uma

voz ou instrumento musical.

Gˆenero Musical

E utilizada a deﬁni¸c˜ao de (FABBRI, 1999): “Um tipo de m ´usica, como ela ´e aceita

por uma comunidade por qualquer raz˜ao, prop´osito ou crit´erio”.

Meta-Informa¸c˜oes Textuais

S˜ao informa¸c˜oes a respeito das m´usicas que est˜ao sendo utilizadas como t´ıtulo e

artista.

Padr˜ao R´ıtmico (Beat )

Refere-se `a forma como o ouvido humano percebe a batida de uma m´usic a.

Anexo A

O Formato do R´otulo ID3

O formato de ´audio MPEG layer I, layer II e layer III (MP3) n˜ao tem uma forma

nativa de armazenar informa¸c˜ao sobre o seu conte´udo, exceto por algums parametros

simples do tipo sim/n˜ao como “privado”, “copyrighted”e “original home”(indicando que

esse arquivo ´e o original e n˜ao uma c´opia). Uma solu¸c˜ao para esse problema apresentada

no programa “Studio3”, desenvolvido por Eric Kemp em 1996, consiste em adicionar

uma pequena quantidade de informa¸c˜oes extras no ﬁnal de um arquivo MP3 para p oder

armazenar informa¸c˜oes a respeito do conte´udo daquele arquivo.

A localiza¸c˜ao do r´otulo ID3, como essa informa¸c˜ao ﬁcou conhecida, foi provavel-

mente escolhida, pois havia pouca chance de apresentar problemas para os decodiﬁcadores.

No intuito de fazer o r´otulo ser facilmente detectado um tamanho ﬁxo de 128 bytes foi es-

colhido. A Figura A.1 apresenta o layout do r´otulo ID3, enquanto a Tabela A.1 apresenta

o counte´udo das informa¸c˜oes do r´oulo.

Tabela A.1: Informa¸c˜oes do conte´udo do r´otulo ID3

Informa¸c˜ao Tamanho

T´ıtulo 30 caracteres

Artista 30 caracteres

Album 30 caracteres

Ano 4 caracteres

Coment´ario 30 caracteres

Gˆenero 1 byte

Como pode ser visto na Tabela A.1 o campo gˆenero possui apenas um byte, e al´em

disso o padr˜ao original s´o continha uma lista ﬁxa de 80 gˆeneros (apresentados na tabela

A.2) que foi criada sem crit´erio algum. Como o campo Gˆenero ´e representado por um

byte, como visto na Tabela A.1, outros desenvolvedores adicionaram suas pr´oprias listas

de gˆeneros a lista original, impossibilitando uma padroniza¸c˜ao.

Figura A.1: Esquema do Formato do R´otulo ID3 (www.id3.org)

Tabela A.2: Mapeamento dos Gˆeneros no Padr˜ao ID3

# Gˆenero # Gˆenero # Gˆenero # Gˆenero

0 Blues 20 Alternative 40 AlternRock 60 Top 40

1 Classic Rock 21 Ska 41 Bass 61 Christian Rap

2 Country 22 Death Metal 42 Soul 62 Pop/Funk

3 Dance 23 Pranks 43 Punk 63 Jungle

4 Disco 24 Soundtrack 44 Space 64 Native American

5 Funk 25 Euro-Techno 45 Meditative 65 Cabaret

6 Grunge 26 Ambient 46 Instrumental Pop 66 New Wave

7 Hip-Hop 27 Trip-Hop 47 Instrumental Rock 67 Psychadelic

8 Jazz 28 Vocal 48 Ethnic 68 Rave

9 Metal 29 Jazz+Funk 49 Gothic 69 Showtunes

10 New Age 30 Fusion 50 Darkwave 70 Trailer

11 Oldies 31 Trance 51 Techno-Industrial 71 Lo-Fi

12 Other 32 Classical 52 Electronic 72 Tribal

13 Pop 33 Instrumental 53 Pop-Folk 73 Acid Punk

14 R&B 34 Acid 54 Eurodance 74 Acid Jazz

15 Rap 35 House 55 Dream 75 Polka

16 Reggae 36 Game 56 Southern Rock 76 Retro

17 Rock 37 Sound Clip 57 Comedy 77 Musical

18 Techno 38 Gospel 58 Cult 78 Rock & Roll

19 Industrial 39 Noise 59 Gangsta 79 Hard Rock

Livros Grátis
( http://www.livrosgratis.com.br )
 
Milhares de Livros para Download:
 
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas

Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
 
 