Automatische Erkennung von Cover-Versionen und Plagiaten in ...

Weitere Magazine

Empfehlungen

Info

Literaturverzeichnis 98 [35] N. Otsu. A threshold selection method from gray level histograms. IEEE Trans. Systems, Man and Cybernetics, 9:62—66, March 1979. minimize inter class varian- ce. [36] T. Painter and A. Spanias. Perceptual coding of digital audio. In Proceedings of the IEEE, volume 88, pages 451—513. IEEE, IEEE Computer Society, April 2000. [37] Elias Pampalk. Computational Models of Music Similarity and their Application in Music Information Retrieval. PhD thesis, Technische Universität Wien, 2006. [38] Isabelle Peretz, Lise Gagnon, Sylvie Hébert, and Joël Macoir. Singing in the brain - insights from cognitive neuropsychology. Music Perception, 21(3):373—390, 2004. [39] Alan W. Pollak. A musicological analysis of all beatles’ songs. (Online: http://www.icce.rug.nl/ soundscapes/), 1989—2000 (Stand: August 2007). [40] J. Princen, J. Illingworth, and J. Kittler. A formal definition of the hough trans- form: properties and relationships. Journal of Mathematical Imaging and Vision, Vol. 1:153—168, 1992. [41] A. Röbel. Transient detection and preservation in the phase vocoder. Proc. Int. Computer Music Conference (ICMC’03), pp.247-250, Singapore, 2003. [42] Thomas D. Rossing. The science of sound. Addison-Wesley, 2nd edition edition, 1990. [43] X. und Smith J. Serra. Spectral modeling synthesis: A sound analysis/synthesis based on deterministic plus stochastic decomposition. Computer Music Journal, Vol. 14(Nr. 4):12–24, Winter 1990. [44] K. Steiglitz. Digital Signal Processing Primer - With Applications to Digital Audio and Computer Music. Addison-Wesley, 1996. [45] D. Temperley. What’s key for key? – the krumhansl-schmuckler key finding algo- rithm reconsidered. Music Perception, 17(1), 1999. [46] E. Terhardt. Calculating virtual pitch. Hearing Research, 1:155—182, 1979. [47] P. Toiviainen and C.L. Krumhansl. Measuring and modeling real-time responses to music: The dynamics of tonality induction. Perception, 2003.
Literaturverzeichnis 99 [48] Steven van de Par, Armin Kohlrausch, Richard Heusdens, Jesper Jensen, and Søren Holdt Jensen. A perceptual model for sinusoidal audio coding based on spectral integration. EURASIP Journal on Applied Signal Processing, 2005(9):1292– 1304, 2005. doi:10.1155/ASP.2005.1292. [49] Yongwei Zhu, Mohan S. Kankanhalli, and Sheng Gao. Music key detection for musical audio. In MMM ’05: Proceedings of the 11th International Multimedia Modelling Conference (MMM’05), pages 30–37, Washington, DC, USA, 2005. IEEE Computer Society.
Seite 1 und 2:
Automatische Erkennung von Cover-Ve
Seite 3 und 4:
Abstract This thesis is dedicated t
Seite 5 und 6:
Inhaltsverzeichnis IV 3.5 Transpose
Seite 7 und 8:
Abbildungsverzeichnis VI 3.15 Modif
Seite 9 und 10:
Einleitung 1 1 Einleitung Die vorli
Seite 11 und 12:
Einleitung 3 diese Vorgehensweise e
Seite 13 und 14:
Grundlagen 5 2 Grundlagen Dieses Ka
Seite 15 und 16:
Grundlagen 7 Typ III: Stimmen Bei d
Seite 17 und 18:
Grundlagen 9 Kritische Bänder Im m
Seite 19 und 20:
Grundlagen 11 Betrachtet man die mu
Seite 21 und 22:
Grundlagen 13 Abbildung 2.7: Flache
Seite 23 und 24:
Grundlagen 15 Abbildung 2.11: Empir
Seite 25 und 26:
Grundlagen 17 Abbildung 2.15: Dreik
Seite 27 und 28:
Feature Extraktion 19 3.1 Arbeitsab
Seite 29 und 30:
Feature Extraktion 21 3.2 Spektrala
Seite 31 und 32:
Feature Extraktion 23 3.2.3 Fenster
Seite 33 und 34:
Feature Extraktion 25 Name b SNR De
Seite 35 und 36:
Feature Extraktion 27 (a) (b) (c) A
Seite 37 und 38:
Feature Extraktion 29 zur Berechnun
Seite 39 und 40:
Feature Extraktion 31 e(t) ist dabe
Seite 41 und 42:
Feature Extraktion 33 sich am mensc
Seite 43 und 44:
Feature Extraktion 35 3.2.8.3 Simul
Seite 45 und 46:
Feature Extraktion 37 (a) (b) (c) A
Seite 47 und 48:
Feature Extraktion 39 di = ∆i −
Seite 49 und 50:
Feature Extraktion 41 Frequenz devn
Seite 51 und 52:
Feature Extraktion 43 Abbildung 3.1
Seite 53 und 54:
Feature Extraktion 45 wird. Alterna
Seite 55 und 56: Feature Extraktion 47 Abbildung 3.1
Seite 57 und 58: Feature Extraktion 49 einem ringfö
Seite 59 und 60: Feature Extraktion 51 Die Methode g
Seite 61 und 62: Feature Extraktion 53 Gewonnen wird
Seite 63 und 64: Feature Extraktion 55 begründet li
Seite 65 und 66: Feature Extraktion 57 a und b stehe
Seite 67 und 68: Feature Extraktion 59 1. Expectatio
Seite 69 und 70: Feature Extraktion 61 3.6.1.4 Erwei
Seite 71 und 72: Feature Extraktion 63 analyse der z
Seite 75 und 76: Feature Extraktion 67 3.7 Struktura
Seite 77 und 78: Feature Extraktion 69 Die Ähnlichk
Seite 81 und 82: Feature Extraktion 73 einander verg
Seite 85 und 86: Feature Extraktion 77 Ausrichtung z
Seite 87 und 88: Klassifizierung 79 jedoch von solch
Seite 89 und 90: Klassifizierung 81 4.2 Dynamic Time
Seite 91 und 92: Klassifizierung 83 bale Tempo kann
Seite 93 und 94: Klassifizierung 85 Eine Änderung d
Seite 95 und 96: Resultate und Perspektiven 87 • H
Seite 97 und 98: Resultate und Perspektiven 89 Titel
Seite 99 und 100: Resultate und Perspektiven 91 Abbil
Seite 101 und 102: Resultate und Perspektiven 93 Grund
Seite 103 und 104: Literaturverzeichnis 95 Literaturve
Seite 105: Literaturverzeichnis 97 Processing,
Seite 109: Eidesstattliche Erklärung 101 Eide
Alle anzeigen

Automatische Erkennung von Cover-Versionen und Plagiaten in ...

Erfolgreiche ePaper selbst erstellen

Template löschen?

Als Template speichern?