Spelling suggestions: "subject:"επιλογή παραμέτρων"" "subject:"ἐπιλογή παραμέτρων""
1 |
Μη καταστροφικός έλεγχος μεταλλικών κατασκευών με ψηφιακή επεξεργασία σημάτων ακουστικής εκπομπής / Non destructive testing of metal constructions with digital processing of acoustic emission signalsΚαππάτος, Βασίλειος 26 October 2007 (has links)
Στα πλαίσια της διατριβής, πραγματοποιήθηκε μελέτη και ανάλυση σημάτων πηγών ακουστικής εκπομπής, προτάθηκαν νέες ολοκληρωμένες μεθοδολογίες βασισμένες σε συμβατικές αλλά και προχωρημένες τεχνικές επεξεργασίας και ανάλυσης δεδομένων για την εξαγωγή εκείνων των χαρακτηριστικών που διαχωρίζουν τα σήματα ακουστικής εκπομπής από τον περιβάλλοντα θόρυβο. Εξετάσθηκαν ποια χαρακτηριστικά γνωρίσματα (παράμετροι) περιέχουν σημαντικό τμήμα της “πληροφορίας” έτσι ώστε στη συνέχεια χρησιμοποιώντας προχωρημένες μεθόδους αναγνώρισης προτύπων να επιτευχθεί ανίχνευση και χαρακτηρισμός ρωγμοειδών αστοχιών σε θορυβώδεις συνθήκες αλλά και σε σύνθετες κατασκευές. Συνοπτικά στην παρούσα διατριβή προτάθηκε και αξιολογήθηκε μια νέα μέθοδος για την εκτίμηση της βέλτιστης τοποθέτησης αισθητήρων. Προτάθηκαν δύο μέθοδοι για τον εντοπισμό θέσης πηγής ακουστικής εκπομπής. Πραγματοποιήθηκε για πρώτη φορά εξαγωγή ενενήντα παραμέτρων, εκ’ των οποίων οι εξήντα επτά προσδιορίστηκαν μετά από επεξεργασία του σήματος στο πεδίο του χρόνου ενώ οι υπόλοιπες είκοσι τρεις με επεξεργασία του σήματος στο πεδίο της συχνότητας. H μείωση του αριθμού των παραμέτρων, χωρίς όμως να μειώνεται ταυτόχρονα και η αξιοπιστία του ταξινομητή, αποτελεί ένα μεγάλος μέρος έρευνας που πραγματοποιήθηκε στα πλαίσια εκπόνησης της παρούσας διατριβής. Προτάθηκαν και αξιολογήθηκαν τέσσερις μέθοδοι επιλογής παραμέτρων. Για πρώτη φορά κατασκευάστηκαν και αξιολογήθηκαν ολοκληρωμένα συστήματα ανίχνευσης αστοχιών τα οποία έχουν την δυνατότητα να ανιχνεύουν τη δημιουργία ρωγμών λόγω καταπόνησης σε καιρικές συνθήκες βροχής. Στο τελευταίο μέρος της διατριβής κατασκευάστηκε και αξιολογήθηκε ένα καινοτόμο σύστημα χαρακτηρισμού ρωγμοειδών γεγονότων για τις ενισχύσεις πλοίων, υπό προσομοιωμένες συνθήκες λειτουργίας του πλοίου. / The present PhD thesis dealt with the following subjects: best sensors position, source location, features extraction and features selection, crack detection on raining conditions, crack characterization in ship structures.
A new method, for the estimation of the best sensors position that used for accurate acoustic emission source location on empty spherical surfaces, is presented. Two acoustic emission source location methods are presented and evaluated. In this thesis, an extensive set of ninety features (forty-one novel features) are extracted from acoustic emission signals, sixty-seven in the time domain and twenty-three by processing the signal in the frequency domain. The features are estimated for two time-frames the first has 1msec duration (typically the signal does not contain all the reflections from the material edges) and the second has 32msec of the normalized signal, which is not separated by its reflections, in small structures. To achieve robust performance both in accuracy and computational complexity of any classification method, it is necessary to pick up the most relevant features. Four features selection methods are proposed and evaluated. In outside constructions (e.g bridges, tanks, ships etc) real-life noises reduce significantly the capability of location and characterization acoustic emission sources. Among the most important types of noise is the rain, producing signal similar to crack. A completed system of detection crack on condition of rain is estimated. An efficient system for automatic and real-time characterization of crack events using a robust set of features to monitor crack events in ship structures is presented. In normal operation of ship, real-life noises (e.g engines, sea waves, weather conditions etc) reduce significantly the capability of location and characterization of crack events.
|
2 |
Αναγνώριση συναισθημάτων από ομιλία με χρήση τεχνικών ψηφιακής επεξεργασίας σήματος και μηχανικής μάθησης / Emotion recognition from speech using digital signal processing and machine learning techniquesΚωστούλας, Θεόδωρος 28 February 2013 (has links)
Η παρούσα διδακτορική διατριβή πραγματεύεται προβλήματα που αφορούν το χώρο της τεχνολογίας ομιλίας, με στόχο τη αναγνώριση συναισθημάτων από ομιλία με χρήση τεχνικών ψηφιακής επεξεργασίας σήματος και μηχανικής μάθησης. Πιο αναλυτικά, στα πλαίσια της διατριβής προτάθηκαν και μελετήθηκαν καινοτόμες μέθοδοι σε μια σειρά από εφαρμογές που αξιοποιούν σύστημα αναγνώρισης συναισθηματικών καταστάσεων από ομιλία. Ο βασικός στόχος των μεθόδων ήταν η αντιμετώπιση των προκλήσεων που παρουσιάζονται όταν ένα σύστημα αναγνώρισης συναισθηματικών καταστάσεων καλείται να λειτουργήσει σε πραγματικές συνθήκες, με αυθόρμητες αντιδράσεις, ανεξαρτήτως ομιλητή.
Πιο συγκεκριμένα, στα πλαίσια της διατριβής, αξιολογήθηκε η συμπεριφορά ενός συστήματος αναγνώρισης συναισθημάτων σε προσποιητή ομιλία και σε διαφορετικές συνθήκες θορύβου, και συγκρίθηκε η απόδοση του συστήματος με την υποκειμενική αξιολόγηση των ακροατών. Επιπλέον, περιγράφηκε ο σχεδιασμός και η υλοποίηση βάση δεδομένων συναισθηματικής ομιλίας, όπως αυτή προκύπτει από την αλληλεπίδραση μη-έμπειρων χρηστών με ένα διαλογικό σύστημα και προτάθηκε ένα σύστημα το οποίο εντοπίζει αρνητικές συναισθηματικές καταστάσεις, στο ανεξάρτητου ομιλητή πρόβλημα, με χρήση μοντέλου Γκαουσιανών κατανομών. Η προτεινόμενη αρχιτεκτονική συνδυάζει παραμέτρους ομιλίας χαμηλού και υψηλού επιπέδου και εφαρμόζεται στα πραγματικά δεδομένα. Επίσης, αξιολογήθηκε και υλοποιήθηκε η πρακτική εφαρμογή ενός συστήματος αναγνώρισης συναισθημάτων βασισμένου σε οικουμενικό μοντέλο Γκαουσιανών κατανομών σε διαφορετικούς τύπους δεδομένων πραγματικής ζωής. Ακόμα, παρουσιάστηκε μια πρωτότυπη αρχιτεκτονική κατηγοριοποίησης για αναγνώριση συνυπαρχόντων συναισθημάτων από ομιλία προερχόμενη από αλληλεπίδραση σε πραγματικά περιβάλλοντα. Σε αντίθεση με γνωστές προσεγγίσεις, η προτεινόμενη αρχιτεκτονική μοντελοποιεί τις συνυπάρχουσες συναισθηματικές καταστάσεις μέσω της κατασκευής μιας πολυσταδιακής αρχιτεκτονικής κατηγοριοποίησης. Τα πειραματικά αποτελέσματα που διενεργήθηκαν υποδεικνύουν ότι η προτεινόμενη αρχιτεκτονική είναι πλεονεκτική για τις συναισθηματικές καταστάσεις που είναι πιο διαχωρίσιμες, γεγονός που οδηγεί σε βελτίωση της συνολικής απόδοσης του συστήματος. / In this doctoral dissertation a number of novel approaches were proposed and evaluated in different applications that utilize emotion awareness. The major target of the proposed methods was facing the difficulties existing, when an emotion recognition system is asked to operate in real-life conditions, where human speech is characterized by spontaneous and genuine formulations.
In detail, within the present dissertation, the performance of an emotion recognition system was evaluated, initially, in acted speech, under different noise conditions, and this performance was compared to the one of human listeners. Further, the design and implementation of a real world emotional speech corpus is described, as this results from the interaction of naive users with a smart home dialogue system. Moreover, a system which utilizes low and high level descriptors was suggested. The suggested architecture leads to significantly better performance in some working points of the integrated system in the dialogue system. Furthermore, we propose a novel multistage classification scheme for affect recognition from real-life speech. In contrast with conventional approaches for affect/emotion recognition from speech, the proposed scheme models co-occurring affective states by constructing a multistage classification scheme. The empirical experiments performed indicate that the proposed classification scheme offers an advantage for those classes that are more separable, which contributes for improving the overall performance of the affect recognition system.
|
Page generated in 0.0276 seconds