Pitch-frequency histogram-based music information retrieval for Turkish music

Gedik, Ali C.; Bozkurt, Barış

doi:10.1016/j.sigpro.2009.06.017

Cited by 49 publications

(54 citation statements)

References 28 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Further investigations revealed that the assignment rules based on these membership functions failed to assign any phrase to these makamlar, preventing the computation of a precision rate as well as a subsequent F-measure. Similar observations were reported by previous makam classification studies (such as Ünal, Bozkurt, and Karaosmanoglu 2014;Gedik and Bozkurt 2010) since the pitch class distributions of Beyati and Uşşak makamlar are very similar (as can be seen in Figure 6), and from music theory we know that Rast and Hüseyni pieces may include a large amount of Uşşak makam phrases. It is clear that new features are needed to capture the characteristics that differentiate specifically these two makamlar.…”

Section: Resultssupporting

confidence: 88%

“…Ünal, Bozkurt, and Karaosmanoglu (2014) have studied the automatic makam classification problem using n-grams where they report that even 1-gram information, which corresponds to simply pitch class distributions, is highly discriminative. Gedik and Bozkurt (2010) and Ioannidis, Gómez, and Herrera (2011) have shown that pitch distributions can be effectively used for makam classification of audio data.…”

Section: Membership Functionmentioning

confidence: 99%

See 1 more Smart Citation

A computational analysis of Turkishmakammusic based on a probabilistic characterization of segmented phrases

Bozkurt

Karaçali

2014

Journal of Mathematics and Music

Self Cite

View full text Add to dashboard Cite

This study targets automatic analysis of Turkish makam music pieces on the phrase level. While makam is most simply defined as an organization of melodic phrases, there has been very little effort to computationally study melodic structure in makam music pieces. In this work, we propose an automatic analysis algorithm that takes as input symbolic data in the form of machine-readable scores that are segmented into phrases. Using a measure of makam membership for phrases, our method outputs for each phrase the most likely makam the phrase comes from. The proposed makam membership definition is based on Bayesian classification and the algorithm is specifically designed to process the data with overlapping classes. The proposed analysis system is trained and tested on a large data set of phrases obtained by transferring phrase boundaries manually written by experts of makam music on printed scores, to machine-readable data. For the task of classifying all phrases, or only the beginning phrases to come from the main makam of the piece, the corresponding F-measures are .52 and .60 respectively.

show abstract

Section: Resultssupporting

confidence: 88%

Section: Membership Functionmentioning

confidence: 99%

A computational analysis of Turkishmakammusic based on a probabilistic characterization of segmented phrases

Bozkurt

Karaçali

2014

Journal of Mathematics and Music

Self Cite

View full text Add to dashboard Cite

show abstract

“…This difference is equal to one Turkish kuma (or cumma). Each octave consists of 53 logarithmically equal kuma, and since the octave consists of 1200 logarithmically equal cents, the one kuma is about 22.6 cents [35]. So accordingly, the lowerstep interval from Ed in rast and huzam is 7 kuma, and the upper step is 6, in bayat it is just the opposite.…”

Section: Theoretical Background Of the Modelmentioning

confidence: 97%

Real-Time Maqam Estimation Model in Max/MSP Configured for the Nāy

Al-Ghawanmeh¹,

Al-Ghawanmeh²,

Abed³

2016

IJCNS

View full text Add to dashboard Cite

Automatic maqam estimation is considered significant toward improving multimedia live music performances and automatic accompaniment. This contribution proposed a real-time maqam estimation model developed in the visual programming language MAX/MSP and configured for the nāydukah. The model's design stood on basic formulas of Arab music maqamat as explained in theory and applied in practice. The model consisted of different layers of competition; the first was for the identification of the instant tonic of the melodic figure, and the second was for the recognition of its identifying E (E, E half-flat and E flat). Those two competitions were used to estimate the maqam in real-time. Then, accumulated estimation results were used to estimate the maqam in longer durations; five-second and full duration. The model was evaluated using professionally performed nāy improvisations. Results reflected a success in estimating all the studied maqamat when the full improvisation was considered. In addition, results were very good for realtime and five-second estimation where average estimation confidence was 75.98% and 80.04%, respectively.

show abstract

“…Kullanılan [35] Makam tanıma N-gram modeli MusicXML Gedik ve Bozkurt [32] Makam tanıma Ses frekans histogramı Ses dosyaları Darabi vd. [25] Dastgah ve makam tanıma Örüntü tanıma Ses dosyaları Abdoli [26] Dastgah sınıflandırma Bulanık mantık Ses dosyaları Şentürk vd.…”

Section: Nota Dönüşümü (Note Transformation)unclassified

“…Klasik Türk Müziği eserlerinin makamlarına göre sınıflandırılması konusunda literatürdeki ilk çalışmayı yapan Gedik ve Bozkurt [31], sonraki çalışmalarında, ses frekans histogramları kullanılarak otomatik ton tespiti ile makam tanıma yapmıştır [32]. Bu çalışmada yazarlar, ses frekans histogramlarının Batı Müziği eserlerine başarı ile uygulanan bir teknik olmasına rağmen, Türk Müziği eserlerinde histogramların yanı sıra makam tahmininde önemli bir yere sahip nota dizilişleri ve kalıplar bulunduğundan bahsetmektedirler.…”

Section: Gi̇ri̇ş (Introduction)unclassified

Klasik Türk müziğinde makam tanıma için veri madenciliği kullanımı

Abidin¹,

Öztürk²,

Öztürk³

2017

Gazi Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi

View full text Add to dashboard Cite

eserleri sembolik veriye dönüştürülmüştür  Makam tanıma için veri madenciliği algoritmaları kullanılmıştır  "Random Forest" algoritması ile %89,7 oranında başarım gözlemlenmiştir Makale Bilgileri ÖZET Geliş: 05.08.2016 Kabul: 09.05.2017 DOI:Müzik eserlerinin sayısal ortama aktarılmasıyla birlikte, bilgisayar bilimleri müzikoloji çalışmalarının içerisinde kendine yer bulmaya başlamıştır. Müzik eserleri bilimsel araştırmalarda veri olarak kullanılmakta ve hesaplamalı müzik alanı bu alanda yapılan çalışmalar ile hızla gelişmektedir. Her ne kadar yapılan çalışmaların büyük bir bölümü sembolik olarak ifade edilmesi daha kolay olan Batı Müziği eserleri üzerine olsa da, Türk Müziği eserleri de artık çeşitli çalışmaların konusu olmaktadır. Türk Müziğinin temeli olan makam sistemi, bilgisayar bilimleri ile uğraşan araştırmacıların dikkatini çekmiş ve Türk Müziği eserleri veri madenciliği, makine öğrenmesi, sınıflandırma gibi çalışmaların konusu olmuştur. Bu çalışmada, bir ses dosyasından nota tanıma ile elde edildiği varsayılan ve 1261 Türk Müziği eserine ait sadece nota dizilerini içeren veri dosyası üzerinde makine öğrenmesi metodu ile makam tahmini yapmaya yönelik deneysel bir çalışma gerçekleştirilmiştir. MusicXML biçimindeki eserlerin makine öğrenmesi uygulamasında kullanılabilmesi amacıyla bir yazılım geliştirilmiş, bu yazılımla makine öğrenmesinde başarımı arttırmak için özgün veri kümesine dört farklı türetilmiş veri sahası eklenmiştir. Sonuç olarak, 'Rastgele Orman' algoritması ile makam tanımada %89,7 oranında başarım gözlemlenmiştir.

show abstract

Pitch-frequency histogram-based music information retrieval for Turkish music

Cited by 49 publications

References 28 publications

A computational analysis of Turkishmakammusic based on a probabilistic characterization of segmented phrases

A computational analysis of Turkishmakammusic based on a probabilistic characterization of segmented phrases

Real-Time Maqam Estimation Model in Max/MSP Configured for the Nāy

Klasik Türk müziğinde makam tanıma için veri madenciliği kullanımı

Contact Info

Product

Resources

About