Automatische Erkennung von Cover-Versionen und Plagiaten in ...
Automatische Erkennung von Cover-Versionen und Plagiaten in ...
Automatische Erkennung von Cover-Versionen und Plagiaten in ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Feature Extraktion 73<br />
e<strong>in</strong>ander verglichen werden. Mathematisch wird das durch die e<strong>in</strong>fache Verschiebungs-<br />
Matrix S ausgedrückt.<br />
⎛<br />
0<br />
⎜<br />
0<br />
⎜ . . .<br />
S = ⎜<br />
0<br />
⎜<br />
⎝ 0<br />
1<br />
0<br />
. . .<br />
. . .<br />
. . .<br />
0<br />
1<br />
. . .<br />
. . .<br />
. . .<br />
. . .<br />
0<br />
. . .<br />
0<br />
0<br />
. . .<br />
. . .<br />
. . .<br />
1<br />
0<br />
0<br />
0<br />
. . .<br />
0<br />
1<br />
1 0 . . . . . . . . . 0<br />
⎞<br />
⎟<br />
⎠<br />
(3.65)<br />
Gleichung 3.61 wird demnach modifiziert <strong>und</strong> man erhält unter Berücksichtigung e<strong>in</strong>er<br />
Modulation um m Halbtöne folgenden Zusammenhang.<br />
rm(t, l) = 1 − | Sm −→ v (t)<br />
maxc vc(t) − −→ v (t−l)<br />
maxc vc(t−l) |<br />
√ 12<br />
(3.66)<br />
Das beschriebene Verfahren zur Berechnung der Ähnlichkeiten wird nicht nur auf m = 0<br />
sondern auf m = 0, 1, ..., 11 angewandt. Das Resultat besteht aus zwölf Mengen <strong>von</strong><br />
L<strong>in</strong>iensegmenten <strong>und</strong> deren Gruppierungen. Diese werden schließlich zusammengefügt,<br />
sodass modulierte <strong>und</strong> nicht-modulierte Wiederholungen <strong>in</strong> den gleichen Sets enthalten<br />
s<strong>in</strong>d.<br />
3.7.5 Auswahl des Refra<strong>in</strong>s<br />
Das Ergebnis der bisherigen Schritte besteht aus e<strong>in</strong>er Menge an Gruppen sich wieder-<br />
holender Passagen <strong>in</strong>nerhalb e<strong>in</strong>es Musikstücks. Es bleibt noch zu bestimmen, welche<br />
dieser Gruppen nun die Refra<strong>in</strong>-Stellen beschreibt. Dazu wird e<strong>in</strong> weiteres Maß νi, für<br />
die Wahrsche<strong>in</strong>lichkeit e<strong>in</strong>es Clusters, den Refra<strong>in</strong> zu enthalten, def<strong>in</strong>iert.<br />
⎛<br />
<br />
νi = ⎝<br />
Mj+1<br />
j=1<br />
λij<br />
⎞<br />
⎠ log<br />
TEi − TSi<br />
Dlen<br />
(3.67)<br />
Dabei ist λij der Durchschnitt der Ähnlichkeiten r(t, l) <strong>in</strong>nerhalb e<strong>in</strong>es Segments – die<br />
Summe somit der akkumulierte Wert über alle Elemente der Gruppe i. Die Konstante<br />
Dlen ist e<strong>in</strong> frei wählbarer Parameter zur Normierung. Zudem wird die letztendliche<br />
Auswahl der Refra<strong>in</strong>-Gruppe wie folgt bee<strong>in</strong>flusst.