Submitted by Programa de P?s-Gradua??o Engenharia El?trica (ppgee@ifpb.edu.br) on 2018-04-17T14:29:25Z No. of bitstreams: 1 41- Aldeni Sud?rio de Sousa - ALGORITMO BIOINSPIRADO EM COL?NIA DE ABELHAS APLICADO NA SELE??O DE CARACTER?STICAS PARA DETEC??O DE DESVIOS VOCAIS.pdf: 1351824 bytes, checksum: 09fd69be675ff9f0dc04fae3523582cf (MD5) / Approved for entry into archive by Programa de P?s-Gradua??o Engenharia El?trica (ppgee@ifpb.edu.br) on 2018-04-17T14:30:31Z (GMT) No. of bitstreams: 1 41- Aldeni Sud?rio de Sousa - ALGORITMO BIOINSPIRADO EM COL?NIA DE ABELHAS APLICADO NA SELE??O DE CARACTER?STICAS PARA DETEC??O DE DESVIOS VOCAIS.pdf: 1351824 bytes, checksum: 09fd69be675ff9f0dc04fae3523582cf (MD5) / Made available in DSpace on 2018-04-17T14:30:31Z (GMT). No. of bitstreams: 1 41- Aldeni Sud?rio de Sousa - ALGORITMO BIOINSPIRADO EM COL?NIA DE ABELHAS APLICADO NA SELE??O DE CARACTER?STICAS PARA DETEC??O DE DESVIOS VOCAIS.pdf: 1351824 bytes, checksum: 09fd69be675ff9f0dc04fae3523582cf (MD5) Previous issue date: 2018-01-31 / A sele??o de caracter?sticas ? uma etapa importante, empregada em v?rias tarefas de reconhecimento de padr?es, para identificar os atributos mais significativos e descartar aqueles irrelevantes ou redundantes pertencentes a um conjunto original. Algoritmos bioinspirados, baseados no comportamento de organismos, s?o adequados para problemas de otimiza??o e v?m sendo, recentemente, empregados para a sele??o de caracter?sticas em v?rios dom?nios de problemas. Nesta pesquisa, a vers?o bin?ria do algoritmo bioinspirado em col?nia artificial de abelhas ? aplicado na sele??o de caracter?sticas para detec??o de desvios vocais, com o intuito de determinar quais medidas ac?sticas baseadas na an?lise da quantifica??o de recorr?ncia s?o relevantes para a discrimina??o entre vozes saud?veis e vozes com desvios vocais (soprosidade, rugosidade e tens?o). Os resultados apontam que, de forma geral, houve uma redu??o na quantidade de caracter?sticas utilizadas na classifica??o, empregando-se o classificador K-NN, com taxas de acur?cia superiores a 86%, apresentando competitividade quando comparados com outras abordagens.

Submitted by Programa de P?s-Gradua??o Engenharia El?trica (ppgee@ifpb.edu.br) on 2018-03-27T13:16:45Z No. of bitstreams: 1 36- Giulliana Karla Lacerda Pereira de Queiroz - AN?LISE DIN?MICA N?O LINEAR E AN?LISE DE QUANTIFICA??O DE RECORR?NCIA APLICADAS NA CLASSIFICA??O DE DESVIOS VOCAIS.pdf: 2447855 bytes, checksum: 4d6f1915d45e04e18c97b0d760f5a8ae (MD5) / Approved for entry into archive by Alex Sandro R?go (alex@ifpb.edu.br) on 2018-04-05T19:22:26Z (GMT) No. of bitstreams: 1 36- Giulliana Karla Lacerda Pereira de Queiroz - AN?LISE DIN?MICA N?O LINEAR E AN?LISE DE QUANTIFICA??O DE RECORR?NCIA APLICADAS NA CLASSIFICA??O DE DESVIOS VOCAIS.pdf: 2447855 bytes, checksum: 4d6f1915d45e04e18c97b0d760f5a8ae (MD5) / Made available in DSpace on 2018-04-05T19:22:26Z (GMT). No. of bitstreams: 1 36- Giulliana Karla Lacerda Pereira de Queiroz - AN?LISE DIN?MICA N?O LINEAR E AN?LISE DE QUANTIFICA??O DE RECORR?NCIA APLICADAS NA CLASSIFICA??O DE DESVIOS VOCAIS.pdf: 2447855 bytes, checksum: 4d6f1915d45e04e18c97b0d760f5a8ae (MD5) Previous issue date: 2018-03-27 / PRPIPG - IFPB / Disfonia representa qualquer dificuldade na emiss?o vocal que prejudique a produ??o natural da voz. T?cnicas de processamento digital de sinais v?m sendo empregadas como ferramenta auxiliar na avalia??o de desvios vocais, trazendo maior conforto ao paciente. Algumas medidas n?o lineares, baseadas na teoria do caos, foram empregadas,neste trabalho, em conjunto com medidas de quantifica??o de recorr?ncia para a an?lise discriminativa destes desvios. Dois estudos de caso foram realizados nesta pesquisa. No caso 1 foi feita a discrimina??o de vozes adultas saud?veis e desviadas (rugosidade, soprosidade e tens?o) e no caso 2 foi avaliada a discrimina??o da intensidade dos graus dos desvios vocais de vozes adultas (Grau 1-voz normal, Grau 2 - voz considerada com desvio leve e Grau 3 - voz considerada com desvio moderado). As caracter?sticas da an?lise din?mica n?o linear empregada no processo de classifica??o foram a Dimens?o de Correla??o e o Primeiro M?nimo da Fun??o de Informa??o M?tua. As medidas de quantifica??o empregadas foram o Determinismo, a Entropia de Shannon, o Comprimento M?dio das Linhas Diagonais, o Comprimento M?ximo das Linhas Verticais e a Transitividade. O Passo de Reconstru??o tamb?m foi utilizado no processo de classifica??o. Por meio dos testes estat?sticos, foi avaliado o potencial de cada caracter?stica em discriminar os tipos de sinais de voz considerados. Foi utilizada a rede neural MLP (Multilayer Perceptron), com o algoritmo de aprendizado supervisionado Gradiente Conjugado Escalonado (SCG), no processo de classifica??o. Avaliando o desempenho do classificador utilizando as medidas, de forma individual e combinada, foram obtidos, como melhores resultados, uma acur?cia m?dia de 91,17% na distin??o entre as vozes saud?veis e soprosas com as medidas Transitividade e Passo de reconstru??o. Com rela??o ? discrimina??o entre a intensidade dos graus dos desvios, obteve-se uma acur?cia m?dia de 94,5% entre os Graus 1 e 3, com a combina??o das medidas Determinismo, Entropia, Transitividade, Primeiro M?nimo da Fun??o de Informa??o M?tua e o Comprimento m?ximo das linhas verticais. Os resultados encontrados, nesta pesquisa, indicam que as medidas n?o lineares, baseadas na teoria do caos, com as medidas de quantifica??o de recorr?ncia foram eficientes para detectar a presen?a e o grau dos desvios vocais, podendo ser empregada em m?todos de avalia??o, triagem e monitoramento vocal.

Made available in DSpace on 2014-12-17T14:54:56Z (GMT). No. of bitstreams: 1 NathaleeCA_DISSERT.pdf: 1318151 bytes, checksum: d2471205a640d8428567d06ace6c3b31 (MD5) Previous issue date: 2010-07-23 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / The human voice is an important communication tool and any disorder of the voice can have profound implications for social and professional life of an individual. Techniques of digital signal processing have been used by acoustic analysis of vocal disorders caused by pathologies in the larynx, due to its simplicity and noninvasive nature. This work deals with the acoustic analysis of voice signals affected by pathologies in the larynx, specifically, edema, and nodules on the vocal folds. The purpose of this work is to develop a classification system of voices to help pre-diagnosis of pathologies in the larynx, as well as monitoring pharmacological treatments and after surgery. Linear Prediction Coefficients (LPC), Mel Frequency cepstral coefficients (MFCC) and the coefficients obtained through the Wavelet Packet Transform (WPT) are applied to extract relevant characteristics of the voice signal. For the classification task is used the Support Vector Machine (SVM), which aims to build optimal hyperplanes that maximize the margin of separation between the classes involved. The hyperplane generated is determined by the support vectors, which are subsets of points in these classes. According to the database used in this work, the results showed a good performance, with a hit rate of 98.46% for classification of normal and pathological voices in general, and 98.75% in the classification of diseases together: edema and nodules / A voz humana ? uma importante ferramenta de comunica??o e qualquer funcionamento inadequado da voz pode ter profundas implica??es na vida social e profissional de um indiv?duo. T?cnicas de processamento digital de sinais t?m sido utilizadas atrav?s da an?lise ac?stica de desordens vocais provocadas por patologias na laringe, devido ? sua simplicidade e natureza n?o-invasiva. Este trabalho trata da an?lise ac?stica de sinais de vozes afetadas por patologias na laringe, especificamente, edemas e n?dulos nas pregas vocais. A proposta deste trabalho ? desenvolver um sistema de classifica??o de vozes para auxiliar no pr?-diagn?stico de patologias na laringe, bem como no acompanhamento de tratamentos farmacol?gicos e p?s-cir?rgicos. Os coeficientes de Predi??o Linear (LPC), Coeficientes Cepstrais de Freq??ncia Mel (MFCC) e os coeficientes obtidos atrav?s da Transformada Wavelet Packet (WPT) s?o aplicados para extra??o de caracter?sticas relevantes do sinal de voz. ? utilizada para a tarefa de classifica??o M?quina de Vetor de Suporte (SVM), a qual tem como objetivo construir hiperplanos ?timos que maximizem a margem de separa??o entre as classes envolvidas. O hiperplano gerado ? determinado pelos vetores de suporte, que s?o subconjuntos de pontos dessas classes. De acordo com o banco de dados utilizado neste trabalho, os resultados apresentaram um bom desempenho, com taxa de acerto de 98,46% para classifica??o de vozes normais e patol?gicas em geral, e 98,75% na classifica??o de patologias entre si: edemas e n?dulos