臺灣博碩士論文加值系統

音樂已經發展為世界重要的產業。人們可以利用電腦來創作音樂，但是這樣譜出的曲子並不能讓人們即時指揮播放。本論文從指揮資料的收集開始，進行資料的分析，期許建立一套即時指揮音樂的系統，令使用者更能體驗真實樂隊演奏時指揮的情境。
在本研究中收集了十位使用者的指揮資料，進一步分析指揮動作的資訊，使用樣形識別演算法KNNR、GMM、SVM對資料分類，進行拍點辨識的評估與分析。
經過資料分析之後，我們實作一個以目前當紅的遊戲主機搖桿Wii Remote作為指揮棒的系統，除了可辨識使用者指揮的拍點之外，還具有控制音樂播放快慢以及音量大小的功能。

Music industry has gained its position of importance in the world today. Music can be created by using various types of computer software. However, users can neither conduct the playing style of music in real time. This thesis collects and analyzes the conduct data and builds a real-time conducting system so that users are able to experience the feeling of conducting a band.
In this research, conducting data from ten testers are collected. These conducting data are then classified by using k-nearest neighbor rule (KNNR), Gaussian mixture model (GMM), and support vector machine (SVM) for further analysis.
Finally a conducting system is constructed by using a wireless 3-dimensional acceleration sensor “Wii remote” as a conductor's baton. Beside the basic functionality of recognizing the conduct, this system can also control the volume and the speed of the music in real time.

中文摘要 II
ABSTRACT III
致謝 IV
圖表目錄 VII
第1章 序論 1
1.1 研究動機 1
1.2 相關研究 1
1.3 主要成果 1
第2章 資料說明與辨識方法 3
2.1 問題定義 3
2.1.1 指揮拍點 3
2.1.2 指揮拍法 3
2.2 資料說明 5
2.2.1 滑鼠 5
2.3 資料辨識方法 9
2.3.1 樣形識別 9
2.3.2 最近鄰居法則 9
2.3.3 高斯混合模型 10
2.3.4 支援向量機器 11
2.3.5 “一次挑一個”評估法 12
2.3.6 混淆矩陣 14
第三章 實驗結果與討論分析 15
3.1 滑鼠資料實驗結果與分析 15
3.1.1 KNNR滑鼠資料實驗結果 16
3.1.2 GMM滑鼠資料實驗結果 17
3.1.3 SVM滑鼠資料實驗結果 18
3.2 WII REMOTE資料實驗結果 19
3.2.1 KNNR Wii Remote資料實驗結果 20
3.2.2 GMM Wii Remote資料實驗結果 23
3.2.2 SVM Wii Remote資料實驗結果 26
3.3 錯誤分析與討論 29
3.3.1 非對稱性分配 29
3.3.2 資料精確度 31
4.1 系統介紹 33
4.2 系統概觀 33
第五章 結論與未來工作 35
5.1 結論 35
5.2 未來工作 35

【1】 王沛綸，”指揮學”，全音樂譜出版社，民76。
【2】 李抱忱，”合唱指揮”，中華音樂教育叢書，民76。
【3】 Wu-Hsi Li, Shyh-Kang Jeng, "Applications on Time-Scale Modification of Music Signal – Synchronizing Tracks of Music and the Conductor Program", Workshop on Computer Music and Audio Technology, 2005.
【4】 孫德瑋，”指揮拍法辨識系統-使用三軸加速度感應器”，清華大學碩士論文，2007。
【5】 Belur V. Dasarathy, ”Nearest Neighbor (NN) Norms: NN Pattern Classification Techniques”,1991.
【6】 S. Dasgupta., "Learning Mixtures of Gaussians". Proc. of Symposium on Foundations of Computer Science，1999.
【7】 Christopher J. C. Burges. "A Tutorial on Support Vector Machines for Pattern Recognition". Data Mining and Knowledge Discovery, 1998.
【8】 許文豪，”圖形辨識概述與實作”，清華大學碩士論文，2000。
【9】 混淆矩陣，”Confusion Matrix”，http://en.wikipedia.org/wiki/Confusion_matrix
【10】 凌士雄，”非對稱性分類分析解決策略之效能比較”，中山大學碩士論文，2003。
【11】 齊玉美，”非對稱性分類之研究”，中山大學碩士論文，2003。
【12】 林智仁老師個人網頁，”LIBSVM -- A Library for Support Vector Machines”，http://www.csie.ntu.edu.tw/~cjlin/
【13】 FMOD官方網站，”FMOD Music & Sound Effects System”，http://www.fmod.org/
【14】 WiiM官方網站，”Wii Remote Communication API�苤Ahttp://digitalretrograde.com/projects/wiim/