@techreport{oai:ipsj.ixsq.nii.ac.jp:00098442,
 author = {金森, 光平 and 浜中, 雅俊 and Kouhei, Kanamori and Masatoshi, Hamanaka},
 issue = {2},
 month = {Feb},
 note = {本稿では，楽曲をクラスタリングし統計的学習を行うことで，音楽理論 GTTM の局所的グルーピング構造を自動検出する方法について述べる．音楽理論 GTTM に基づく楽曲の構造分析の際，ルールの競合が生じるため計算機上への実装が困難となる問題が生じていた．この問題に対し，従来の研究では，ルールの優先順位を制御するパラメータの導入や，統計的手法によるルールの優先順位の学習により，計算機上への実装を可能にしていたが，楽曲により適切なパラメータの値や適切な優先順位が異なるという問題があった．そこで本研究では学習曲をクラスタリングし，クラスタごとに統計的学習を行うことで，各楽曲に適した分析を行うことを試みた．, This report describes the method of detecting local grouping boundary based on the generative theory of tonal music(GTTM) by clustering and statistical learning. It is difficult to implement GTTM on computer because the rules of GTTM often conflicts and cannot detect grouping boundaries. Previous systems can implement GTTM on computer by introducing adjustable parameter or statistical learning, however, there is a problem which the values of the parameters or orders of priority of rules are different depends on the piece of music. To solve this problem, we attempt to analyze each music appropriately by clustering music and statistical learning by each cluster.},
 title = {クラスタリングと統計的学習に基づく音楽理論σGTTMⅡ：局所的グルーピング境界の検出},
 year = {2014}
}