Graphenbasierte Musik-Klassifizierung

Diese Studienarbeit beschreibt, wie man Musikstücke, welche im MIDI Format vorliegen, auf komplexe Netzwerke abbildet, um sie mit mathematischen Hilfsmitteln klassifizieren zu können. Die MIDI Dateien werden mit Hilfe eines Samplingverfahrens in Vektoren von gleichzeitig erklingenden Tönen unterteilt. Die Vektoren werden dedupliziert und zu einem gerichteten Graphen verbunden. Die gerichteten Kanten des Graphen geben die Reihenfolge vor, in der die Vektoren durchlaufen werden müssen. Die so entstandenen Netzwerke werden dann mit Werkzeugen der Graphentheorie beschrieben. Dabei konnte festgestellt werden, dass es sich bei den Musik-Graphen um Small World Netzwerke handelt und dass die Graphen Eigenschaften von komplexen Netzwerken aufweisen. Die Charakteristiken der Graphen werden sodann pro Musikstück in Feature-Vektoren zusammengefasst, welche zusammen mit den gerichteten Kanten des Graphen das Musikstück charakterisieren. Um festzustellen, ob die gewählten Features wirklich die Musikstücke charakterisieren, wurde ein Clustering der Feature-Vektoren durchgeführt, mit dem Ziel, in den entstehenden Clustern die Genres der Musikstücke wiederzufinden. Obwohl das Clustering gute Resultate liefert, stimmten die Musikgenres nicht vollumfänglich mit den Clustern überein. Wir vermuten, dass das Clustering eher eine Gruppierung nach der Komplexität der Stücke liefert, welche nicht mit der Einteilung in Genres übereinstimmen muss.