Researcher:
Bağcı, Ulaş

Profile Picture
ORCID

Job Title

Master Student

First Name

Ulaş

Last Name

Bağcı

Name

Name Variants

Bağcı, Ulaş

Email Address

Birth Date

Filters

2006 - 200922010 - 20131

Advanced Search

Filter by

Settings

Researcher Of Publications: search.filters.isAuthorOfPublication.bd87f72f-a413-4aa0-a0bd-a6c138d840a9

Search Results

Now showing 1 - 3 of 3
  • Placeholder
    PublicationMetadata only
    Boosting classifiers for music genre classification
    (Institute of Electrical and Electronics Engineers (IEEE), 2006) N/A; Department of Computer Engineering; Bağcı, Ulaş; Erzin, Engin; Master Student; Faculty Member; Department of Computer Engineering; Graduate School of Sciences and Engineering; College of Engineering; N/A; 34503
    This paper investigates discriminative boosting of classifiers to improve the automatic music genre classification performance. Two classifier structures, boosting of the Gaussian mixture model based classifiers and classifiers that are using the inter-genre similarity information, are proposed. The first classifier structure presents a novel extension to the maximum-likelihood based training of the Gaussian mixtures to integrate GMM classifier into boosting architecture. In the second classifier structure, the boosting idea is modified to better model the intergenre similarity information over the mis-classified feature population. Once the inter-genre similarities are modeled, elimination of the inter-genre similarities reduces the inter-genre confusion and improves the identification rates. A hierarchical auto-clustering classifier scheme is integrated into the inter-genre similarity modeling. Experimental results with promising classification improvements are provided. / Öz: Bu makale, otomatik müzik türü sınıflandırma performansını iyileştirmek için sınıflandırıcıların ayrımcı güçlendirmesini araştırmaktadır. Gauss karışım modeli tabanlı sınıflandırıcıların ve türler arası benzerlik bilgisini kullanan sınıflandırıcıların güçlendirilmesi olmak üzere iki sınıflandırıcı yapısı önerilmiştir. İlk sınıflandırıcı yapısı, GMM sınıflandırıcısını güçlendirme mimarisine entegre etmek için Gauss karışımlarının maksimum olabilirliğe dayalı eğitimine yeni bir uzantı sunar. İkinci sınıflandırıcı yapısında, türler arası benzerlik bilgisini yanlış sınıflandırılmış özellik popülasyonu üzerinde daha iyi modellemek için artırma fikri değiştirilir. Türler arası benzerlikler modellendikten sonra, türler arası benzerliklerin ortadan kaldırılması türler arası karışıklığı azaltır ve tanımlama oranlarını artırır. Hiyerarşik bir otomatik kümeleme sınıflandırıcı şeması, türler arası benzerlik modellemesine entegre edilmiştir. Umut verici sınıflandırma iyileştirmeleri ile deneysel sonuçlar sağlanmıştır.
  • Placeholder
    PublicationMetadata only
    Inter genre similarity modeling for automatic music genre classification
    (Institute of Electrical and Electronics Engineers (IEEE), 2006) N/A; Department of Computer Engineering; Bağcı, Ulaş; Erzin, Engin; Master Student; Faculty Member; Department of Computer Engineering; Graduate School of Sciences and Engineering; College of Engineering; N/A; 34503
    Two important problems of the automatic music genre classification are feature extraction and classifier design. This paper investigates inter-genre similarity modeling (IGS) to improve the automatic music genre classification performance. Intergenre similarity information is extracted over the mis-classified feature population. Once the inter-genre similarity is modeled, elimination of the inter-genre similarity reduces the inter-genre confusion and improves the identification rates. Inter-genre similarity modeling is further improved with iterative IGS modeling and score modeling for IGS elimination. Experimental results with promising classification improvements are provided. / Öz: Otomatik müzik türü sınıflandırmasının iki önemli sorunu, özellik çıkarımı ve sınıflandırıcı tasarımıdır. Bu makale, otomatik müzik türü sınıflandırma performansını iyileştirmek için türler arası benzerlik modellemesini (IGS) araştırmaktadır. Türler arası benzerlik bilgisi, yanlış sınıflandırılmış özellik popülasyonu üzerinden çıkarılır. Türler arası benzerlik modellendikten sonra, türler arası benzerliğin ortadan kaldırılması, türler arası karışıklığı azaltmakta ve tanımlama oranlarını iyileştirmektedir. Türler arası benzerlik modellemesi, yinelemeli IGS modellemesi ve IGS'nin ortadan kaldırılması için puan modellemesi ile daha da geliştirildi. Umut verici sınıflandırma iyileştirmeleri ile deneysel sonuçlar sağlanmıştır.
  • Placeholder
    PublicationMetadata only
    Inter genre similarity modeling for automatic music genre classification
    (IEEE Computer Society, 2013) N/A; Department of Computer Engineering; Bağcı, Ulaş; Erzin, Engin; Master Student; Faculty Member; Department of Computer Engineering; Graduate School of Sciences and Engineering; College of Engineering; N/A; 34503
    Music genre classification is an essential tool for music information retrieval systems and it has been finding critical applications in various media platforms. Two important problems of the automatic music genre classification are feature extraction and classifier design. This paper investigates inter-genre similarity modelling (IGS) to improve the performance of automatic music genre classification. Inter-genre similarity information is extracted over the mis-classified feature population. Once the inter-genre similarity is modelled, elimination of the inter-genre similarity reduces the inter-genre confusion and improves the identification rates. Inter-genre similarity modelling is further improved with iterative IGS modelling(IIGS) and score modelling for IGS elimination( SMIGS). Experimental results with promising classification improvements are provided.