Submitted by Alex Sandro R?go (alex@ifpb.edu.br) on 2016-09-01T13:09:09Z No. of bitstreams: 1 Avalia??o de Dist?rbios da Voz por meio de An?lise de Quantifica??o de Recorr?ncia - Disserta??o de Vin?cius.pdf: 7744379 bytes, checksum: b37c5b63c8215202c446070b7967e267 (MD5) / Approved for entry into archive by Alex Sandro R?go (alex@ifpb.edu.br) on 2016-09-01T13:09:42Z (GMT) No. of bitstreams: 1 Avalia??o de Dist?rbios da Voz por meio de An?lise de Quantifica??o de Recorr?ncia - Disserta??o de Vin?cius.pdf: 7744379 bytes, checksum: b37c5b63c8215202c446070b7967e267 (MD5) / Made available in DSpace on 2016-09-01T13:09:42Z (GMT). No. of bitstreams: 1 Avalia??o de Dist?rbios da Voz por meio de An?lise de Quantifica??o de Recorr?ncia - Disserta??o de Vin?cius.pdf: 7744379 bytes, checksum: b37c5b63c8215202c446070b7967e267 (MD5) Previous issue date: 2014-02 / Dist?rbios da voz podem atingir diferentes faixas et?rias, afetando a qualidade vocal, prejudicando a comunica??o por meio da voz. T?cnicas de processamento digital de sinais de voz podem ser empregadas para auxiliar outros m?todos de avalia??o de dist?rbios da voz, tais como an?lise otorrinolaringol?gica e an?lise perceptivo-auditiva. A an?lise de quantifica??o de recorr?ncia ? uma t?cnica n?o linear de an?lise de s?ries temporais, empregada neste trabalho, para a avalia??o de dist?rbios da voz. As caracter?sticas n?o lineares inerentes ao sistema de produ??o da fala s?o representadas pelas estruturas dos gr?ficos de recorr?ncia, que se modificam de acordo com o grau do desvio vocal ou pela presen?a de patologia lar?ngea. Nesta pesquisa, dist?rbios da voz s?o analisados e classificados considerando-se duas abordagens: 1) An?lise de sinais de vozes de locutores afetados por patologias lar?ngeas; e 2) an?lise de sinais de vozes infantis diagnosticadas de acordo com o grau de intensidade do desvio vocal. As medidas de quantifica??o de recorr?ncia foram extra?das com e sem segmenta??o, de acordo com taxas de recorr?ncia em patamares de 1% a 5%. As medidas empregadas na an?lise sem segmenta??o foram: determinismo (DET), comprimento m?ximo das linhas diagonais (Lmax ), entropia de Shannon (ENTR), tend?ncia (TREND), laminaridade (LAM), tempo de perman?ncia (T T) e comprimento m?ximo das linhas verticais (Vmax ). Na an?lise dos sinais segmentados foram acrescentadas as medidas: transitividade (TRANS), rela??o entre determinismo e taxa de recorr?ncia (RAT IO), diverg?ncia (DIV), comprimento m?dio das linhas diagonais (Lmed ), tempo de recorr?ncia do tipo 1 (T1), tempo de recorr?ncia do tipo 2 (T2), entropia do tempo de recorr?ncia do tipo 1 (RPDE) e o raio de vizinhan?a (RAIO). O objetivo ? identificar a melhor medida ou a combina??o mais eficiente, o patamar de taxa de recorr?ncia ideal e o tipo de processamento (com ou sem segmenta??o) para os quais se obt?m uma maior discrimina??o entre as classes envolvidas. Na separa??o entre vozes saud?veis e vozes patol?gicas, a medida Lmax foi a mais eficiente, com taxa de recorr?ncia de 2% e an?lise discriminante quadr?tica (QDA) na classifica??o. Isto indica que a forma??o de estruturas diagonais nos gr?ficos de recorr?ncia ? um fator importante de discrimina??o, estando mais presente em sinais de vozes saud?veis. Na classifica??o com redes neurais artificiais e medidas extra?das com segmenta??o, a acur?cia m?xima foi 99,11% 0,90%, discriminando vozes saud?veis de vozes afetadas por n?dulos, com as 15 medidas combinadas e taxa de recorr?ncia at? 1%. Na avalia??o dos desvios vocais das vozes infantis, na discrimina??o entre vozes saud?veis e vozes alteradas, a maior acur?cia foi de 88,22% 0,93%, com 8 medidas combinadas, extra?das sem segmenta??o, e taxa de recorr?ncia de 4%. Na discrimina??o entre o grau geral leve e o grau geral moderado, obteve-se uma acur?cia de 88,47% 3,71%, com taxa de recorr?ncia de 5%, combinando 7 medidas. A medida Lmax se destacou na discrimina??o entre vozes saud?veis e alteradas. Na discrimina??o entre os desvios leve e moderado, as medidas T T e DET foram determinantes na detec??o do grau do desvio vocal. A forma??o de estruturas verticais nos gr?ficos de recorr?ncia, relacionada com o comportamento ca?tico do sinal, representada por T T, se mostrou mais presente em sinais de vozes com maior desvio vocal, enquanto que a forma??o de estruturas diagonais ? mais presente em vozes com desvio mais leve a saud?vel. Os resultados encontrados, nesta pesquisa, indicam que a an?lise de quantifica??o de recorr?ncia ? eficiente em detectar a presen?a e o grau de dist?rbios vocais, podendo ser empregada em m?todos de avalia??o, triagem e monitoramento vocal.

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.