맞춤기술찾기

이전대상기술

특징 벡터 선택 방법 및 장치, 그리고 이를 이용한 음악장르 분류 방법 및 장치

  • 기술번호 : KST2015125250
  • 담당센터 : 경기기술혁신센터
  • 전화번호 : 031-8006-1570
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 본 발명은 특징 벡터 선택 방법 및 장치, 그리고 이를 이용한 음악 장르 분류 방법 및 장치를 개시한다. 본 발명의 특징 벡터 선택 방법은 복수 개의 그룹으로 분류된 훈련 데이터들로부터 추출된 특징값 각각에 대하여 가우시안 혼합 모델을 기반으로 하는 확률 분포 함수를 생성하는 단계; 및 상기 생성된 확률 분포 함수를 이용하여, 상기 특징값들 중에서 그룹 분류 오류를 최소화하는 소정 개수의 특징값들을 선택하는 단계를 포함한다. 본 발명에 따르면, 정규 분포 특성을 갖지 않는 음악 데이터 등에 대한 확률 분포 모델링을 보다 정확하게 할 수 있고, 또한 특징값을 순차적으로 선별함으로써 다중 범주에서 분류의 정확성을 향상시킬 수 있다. 특징 벡터, 음악 장르, 가우시안 혼합 모델, 다중 범주 분류
Int. CL G10L 25/51 (2013.01) G10L 25/27 (2013.01) G10L 25/03 (2013.01) G10L 15/00 (2013.01)
CPC G10L 25/27(2013.01) G10L 25/27(2013.01) G10L 25/27(2013.01) G10L 25/27(2013.01) G10L 25/27(2013.01) G10L 25/27(2013.01)
출원번호/일자 1020080059696 (2008.06.24)
출원인 연세대학교 산학협력단, 전자부품연구원
등록번호/일자 10-0974871-0000 (2010.08.03)
공개번호/일자 10-2010-0000265 (2010.01.06) 문서열기
공고번호/일자 (20100811) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 소멸
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2008.06.24)
심사청구항수 8

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 연세대학교 산학협력단 대한민국 서울특별시 서대문구
2 한국전자기술연구원 대한민국 경기도 성남시 분당구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 박영철 대한민국 강원도 원주시
2 최택성 대한민국 서울특별시 성북구
3 이석필 대한민국 경기도 성남시 분당구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인우인 대한민국 서울특별시 강남구 역삼로 ***, *층(역삼동, 중평빌딩)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 전자부품연구원 대한민국 경기도 성남시 분당구
2 연세대학교 원주산학협력단 강원도 원주시
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application
2008.06.24 수리 (Accepted) 1-1-2008-0452916-10
2 보정요구서
Request for Amendment
2008.07.08 발송처리완료 (Completion of Transmission) 1-5-2008-0084079-15
3 [출원서등 보정]보정서
[Amendment to Patent Application, etc.] Amendment
2008.08.08 수리 (Accepted) 1-1-2008-0569753-74
4 지분약정 무효처분안내서
Notification for Invalidation of Share Agreement
2008.08.12 발송처리완료 (Completion of Transmission) 1-5-2008-0099176-86
5 의견제출통지서
Notification of reason for refusal
2010.02.26 발송처리완료 (Completion of Transmission) 9-5-2010-0087987-73
6 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2010.04.22 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2010-0259089-86
7 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)
2010.04.22 수리 (Accepted) 1-1-2010-0259066-36
8 등록결정서
Decision to grant
2010.07.26 발송처리완료 (Completion of Transmission) 9-5-2010-0316771-24
9 출원인정보변경(경정)신고서
Notification of change of applicant's information
2011.12.15 수리 (Accepted) 4-1-2011-5252006-10
10 출원인정보변경(경정)신고서
Notification of change of applicant's information
2013.04.17 수리 (Accepted) 4-1-2013-0013766-37
11 출원인정보변경(경정)신고서
Notification of change of applicant's information
2013.04.24 수리 (Accepted) 4-1-2013-5062749-37
12 출원인정보변경(경정)신고서
Notification of change of applicant's information
2013.06.24 수리 (Accepted) 4-1-2013-5088566-87
13 출원인정보변경(경정)신고서
Notification of change of applicant's information
2014.09.25 수리 (Accepted) 4-1-2014-5114224-78
14 출원인정보변경(경정)신고서
Notification of change of applicant's information
2020.08.24 수리 (Accepted) 4-1-2020-5189497-57
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
a) 복수 개의 그룹으로 분류된 훈련 데이터들로부터 추출된 특징값 각각에 대하여 가우시안 혼합 모델을 기반으로 하는 확률 분포 함수를 생성하는 단계; 및 b) 상기 생성된 확률 분포 함수를 이용하여 상기 특징값들 중에서 분류 오류를 최소화하는 소정 개수의 특징값들을 선택하고, 상기 선택된 특징값들을 특징 벡터를 구성하는 성분들로 결정하는 단계를 포함하고, 상기 b)단계에서 특징값들을 선택하는 것은 하기 수학식에 따른 GMM 분리 지수를 이용하여 선택하는 것을 특징으로 하는 특징 벡터 선택 방법
2 2
a) 복수 개의 그룹으로 분류된 훈련 데이터들로부터 추출된 특징값 각각에 대하여 가우시안 혼합 모델을 기반으로 하는 확률 분포 함수를 생성하는 단계; 및 b) 상기 생성된 확률 분포 함수를 이용하여 상기 특징값들 중에서 분류 오류를 최소화하는 소정 개수의 특징값들을 선택하고, 상기 선택된 특징값들을 특징 벡터를 구성하는 성분들로 결정하는 단계를 포함하고, 상기 b)단계에서 상기 특징값들을 선택하는 것은 b1) 상기 생성된 확률 분포 함수를 이용하여, 상기 특징값들 중에서 그룹 쌍 간의 분류 오류를 최소화하는 제1 특징값을 선택하는 단계; b2) 상기 선택된 제1 특징값에 따라 그룹핑을 할 경우, 분류 오류가 최대인 그룹 쌍을 선택하는 단계; 및 b3) 상기 제1 특징값을 제외한 상기 특징값들 중에서, 상기 선택된 그룹 쌍의 분류 오류를 최소로 하는 제2 특징값을 선택하는 단계를 포함하는 것을 특징으로 하는 특징 벡터 선택 방법
3 3
제 1 항 또는 제 2 항에 있어서, 상기 a)단계에서 가우시안 혼합 모델을 기반으로 하는 확률 분포 함수는 하기 수학식으로 표현되는 것을 특징으로 하는 특징 벡터 선택 방법
4 4
삭제
5 5
제 2 항에 있어서, 상기 b)단계에서 상기 특징값들을 선택하는 것은 b4) 상기 선택된 제2 특징값을 더 고려하여 그룹핑을 할 경우, 상기 그룹 쌍 간의 분류 오류가 최대인 그룹 쌍을 선택하는 단계; 및 b5) 상기 제1 및 제2 특징값을 제외한 상기 특징값들 중에서, 상기 선택된 그룹 쌍 간의 분류 오류를 최소로 하는 제3 특징값을 선택하는 단계를 더 포함하는 것을 특징으로 하는 특징 벡터 선택 방법
6 6
제 1 항 또는 제 2 항에 있어서, 상기 훈련 데이터는 음악 콘텐츠이고, 상기 a)단계에서 상기 특징값들은 피치(pitch)와 관련된 특징값, 음색과 관련된 특징값 및 리듬과 관련된 특징값들을 포함하는 것을 특징으로 하는 특징 벡터 선택 방법
7 7
삭제
8 8
삭제
9 9
복수 개의 그룹으로 분류된 훈련 데이터들로 부터 추출된 특징값 각각에 대하여 가우시안 혼합 모델을 기반으로 하는 확률 분포 함수를 생성하는 확률 분포 함수 생성부; 및 상기 생성된 확률 분포 함수를 이용하여, 상기 특징값들 중에서 분류 오류를 최소화하는 소정 개수의 특징값들을 선택하고, 상기 선택된 특징값들을 특징 벡터를 구성하는 성분들로 결정하는 선택부를 포함하고, 상기 선택부는 상기 생성된 확률 분포 함수를 이용하여, 상기 특징값들 중에서 그룹 쌍들 간의 분류 오류를 최소화하는 제1 특징값을 선택하는 제1 특징값 선택부; 상기 선별된 제1 특징값에 따라 그룹핑을 할 경우, 상기 그룹 쌍들 중에서 분류 오류를 계산하는 분류 오류 계산부; 및 상기 분류 오류 계산부에 따른 분류 오류가 최대인 그룹 쌍을 선택하는 그룹 쌍 선택하고, 상기 제1 특징값을 제외한 상기 특징값들 중에서 상기 선택된 그룹 쌍의 분류 오류를 최소로 하는 제2 특징값을 선택하는 제2 특징값 선택부를 포함하는 것을 특징으로 하는 특징 벡터 선택 장치
10 10
제 9 항에 있어서, 복수 개의 그룹으로 분류된 훈련 데이터들로부터 특징값을 추출하는 특징값 추출부를 더 포함하며, 상기 확률 분포 함수 생성부는 상기 특징값 추출부에서 추출된 특징값을 이용하여 확률 분포 함수를 생성하는 것을 특징으로 하는 특징 벡터 선택 장치
11 11
제 9 항에 있어서, 상기 가우시안 혼합 모델을 기반으로 하는 확률 분포 함수는 하기 수학식으로 표현되는 것을 특징으로 하는 특징 벡터 선택 장치
12 12
삭제
13 13
삭제
지정국 정보가 없습니다
패밀리정보가 없습니다
국가 R&D 정보가 없습니다.