shazam下載的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列必買單品、推薦清單和精選懶人包

基於動態時間規整結合線性伸縮之哼唱檢索系統

為了解決shazam下載的問題，作者李欣成 這樣論述：

隨著智慧型手機以及行動網路的普及，使用音樂串流平台或社群網站搜索、下載音樂資料成為日常生活的一部分。對於腦海中有某首歌的旋律卻想不出歌名、歌詞的情況，內涵式音樂檢索系統(Content Based Music Retrieval, CBMR)如哼唱檢索系統就可直接使用歌曲內涵式特徵如旋律、節奏等做為檢索依據，解決上述問題。對於較大的檢索資料庫，我們必須在辨識準確率與運算時間中做權衡，先前研究以線性伸縮(Linear Scaling, LS)或推土機距離(Earth Mover’s distance, EMD)等準確度較低但運算速度快的方法先過濾掉不相似歌曲，再以高複雜度的動態時間規整(Dyn

amic Time Warping, DTW)對剩餘歌曲做高精度比對，最後做相似度融合並輸出前十相似的歌曲清單。本研究將LS用在縮短旋律特徵以及在優化模塊中當作微調特徵長度的工具，前者可以減少運算量後者可以使準確度再上升，高精度的DTW則負責計算匹配距離，在歌曲中移動及伸縮匹配窗口找出對應的旋律起始點以及最佳匹配距離，並設計優化模塊及前置過濾器。實驗結果顯示，本系統的MRR值優於先前的研究，線性縮短資料與優化閥值節省了約40%運算時間。

大數據與競爭法

為了解決shazam下載的問題，作者李宛諭 這樣論述：

大數據對於數位經濟之發展扮演不可或缺的角色，而作為箇中典型的數位平台，其商業模式更高度仰賴個人資料的收集與利用。本文從大數據的特性及大數據生態系的概覽出發，探討市場參與者間的互動關係及資料對競爭的重要性；並從隱私與競爭優勢此二面向分析與資料相關的損害理論：就提升隱私保護的目的而言，競爭法並非最適合處理隱私問題的制度選擇；而在資料相關的競爭優勢，有別於傳統上認為數位市場進入障礙低、抑或大數據隨處可得的說法，資料實際上可能構成進入障礙。對於大數據相關的反競爭行為，既有之競爭法分析工具需加以調整。