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 Alex Sandro R?go (alex@ifpb.edu.br) on 2016-11-23T14:27:36Z No. of bitstreams: 1 Aplica??o da Transformada Wavelet em An?lise de Texturas de Gr?ficos de Recorr?ncia.pdf: 3275892 bytes, checksum: 62518c9066cc2060f2785d053b661ff7 (MD5) / Approved for entry into archive by Alex Sandro R?go (alex@ifpb.edu.br) on 2016-11-23T14:29:16Z (GMT) No. of bitstreams: 1 Aplica??o da Transformada Wavelet em An?lise de Texturas de Gr?ficos de Recorr?ncia.pdf: 3275892 bytes, checksum: 62518c9066cc2060f2785d053b661ff7 (MD5) / Made available in DSpace on 2016-11-23T14:29:16Z (GMT). No. of bitstreams: 1 Aplica??o da Transformada Wavelet em An?lise de Texturas de Gr?ficos de Recorr?ncia.pdf: 3275892 bytes, checksum: 62518c9066cc2060f2785d053b661ff7 (MD5) Previous issue date: 2016-11-23 / A an?lise ac?stica do sinal de voz, devido ? sua natureza n?o invasiva e ao baixo custo, tem se mostrado uma eficiente ferramenta para aux?lio ao diagn?stico das desordens vocais provocadas por patologias na laringe. Os gr?ficos apresentam padr?es de larga e pequena escala, cujas varia??es em sua textura representam o comportamento do sinal de voz, proporcionando informa??es acerca do estado de normalidade ou de altera??o na qualidade vocal. Os padr?es de pequena escala podem ser vistos como caracter?sticas de textura e servem como base para uma an?lise quantitativa dos gr?ficos de recorr?ncia. T?cnicas de Processamento Digital de Imagens s?o empregadas para a an?lise da textura contida nos gr?ficos de recorr?ncia, baseada na transformada wavelet bidimensional. A fim de discriminar sinais saud?veis de sinais patol?gicos, s?o extra?dos diversos descritores de texturas dos coeficientes de cada sub-banda obtida pela decomposi??o wavelet bidimensional. Nesta pesquisa, duas abordagens foram aplicadas, as quais se diferenciam pela forma de extra??o dos padr?es representativos dos sinais: extra??o dos descritores de textura diretamente das sub-bandas da transformada wavelet; e extra??o dos descritores de Haralick, a partir da matriz de co-ocorr?ncia. Os sinais de voz foram classificados como saud?veis ou patol?gicos, como tamb?m foi realizada a discrimina??o entre patologias. Paralisia, edema de Reinke e n?dulos nas pregas vocais foram as patologias lar?ngeas consideradas na pesquisa. Os melhores resultados foram obtidos com os descritores de Haralick, empregando redes neurais MLP (Multilayer Perceptron) na classifica??o, em conjunto com o algoritmo de otimiza??o por enxame de part?culas PSO (Particle Swarm Optimization) empregado na sele??o das caracter?sticas mais representativas. O sistema proposto melhorou significativamente a acur?cia na discrimina??o entre patologias, com resultados superiores aos encontrados na literatura, que empregam a an?lise de recorr?ncia.

Submitted by Alex Sandro R?go (alex@ifpb.edu.br) on 2016-12-06T12:35:11Z No. of bitstreams: 1 11- Taciana Araujo de Souza - Aplica??o da Transformada Wavelet em An?lise de Texturas de Gr?ficos de Recorr?ncia.pdf: 3681994 bytes, checksum: ca089bc3877db3b99c310c8d3304967d (MD5) / Approved for entry into archive by Alex Sandro R?go (alex@ifpb.edu.br) on 2016-12-06T12:36:21Z (GMT) No. of bitstreams: 1 11- Taciana Araujo de Souza - Aplica??o da Transformada Wavelet em An?lise de Texturas de Gr?ficos de Recorr?ncia.pdf: 3681994 bytes, checksum: ca089bc3877db3b99c310c8d3304967d (MD5) / Made available in DSpace on 2016-12-06T12:36:21Z (GMT). No. of bitstreams: 1 11- Taciana Araujo de Souza - Aplica??o da Transformada Wavelet em An?lise de Texturas de Gr?ficos de Recorr?ncia.pdf: 3681994 bytes, checksum: ca089bc3877db3b99c310c8d3304967d (MD5) Previous issue date: 2016-12-06 / A an?lise ac?stica do sinal de voz, devido ? sua natureza n?o invasiva e ao baixo custo, tem se mostrado uma eficiente ferramenta para aux?lio ao diagn?stico das desordens vocais provocadas por patologias na laringe. Os gr?ficos apresentam padr?es de larga e pequena escala, cujas varia??es em sua textura representam o comportamento do sinal de voz, proporcionando informa??es acerca do estado de normalidade ou de altera??o na qualidade vocal. Os padr?es de pequena escala podem ser vistos como caracter?sticas de textura e servem como base para uma an?lise quantitativa dos gr?ficos de recorr?ncia. T?cnicas de Processamento Digital de Imagens s?o empregadas para a an?lise da textura contida nos gr?ficos de recorr?ncia, baseada na transformada wavelet bidimensional. A fim de discriminar sinais saud?veis de sinais patol?gicos, s?o extra?dos diversos descritores de texturas dos coeficientes de cada sub-banda obtida pela decomposi??o wavelet bidimensional. Nesta pesquisa, duas abordagens foram aplicadas, as quais se diferenciam pela forma de extra??o dos padr?es representativos dos sinais: extra??o dos descritores de textura diretamente das sub-bandas da transformada wavelet; e extra??o dos descritores de Haralick, a partir da matriz de co-ocorr?ncia. Os sinais de voz foram classificados como saud?veis ou patol?gicos, como tamb?m foi realizada a discrimina??o entre patologias. Paralisia, edema de Reinke e n?dulos nas pregas vocais foram as patologias lar?ngeas consideradas na pesquisa. Os melhores resultados foram obtidos com os descritores de Haralick, empregando redes neurais MLP (Multilayer Perceptron) na classifica??o, em conjunto com o algoritmo de otimiza??o por enxame de part?culas PSO (Particle Swarm Optimization) empregado na sele??o das caracter?sticas mais representativas. O sistema proposto melhorou significativamente a acur?cia na discrimina??o entre patologias, com resultados superiores aos encontrados na literatura, que empregam a an?lise de recorr?ncia.

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.

Submitted by Jorge Silva (jorgelmsilva@ufrrj.br) on 2017-08-01T19:49:58Z No. of bitstreams: 1 2016 - B?rbara Salvaterra.pdf: 3401226 bytes, checksum: 7fd26cacf929a454530f94e023b947a3 (MD5) / Made available in DSpace on 2017-08-01T19:49:58Z (GMT). No. of bitstreams: 1 2016 - B?rbara Salvaterra.pdf: 3401226 bytes, checksum: 7fd26cacf929a454530f94e023b947a3 (MD5) Previous issue date: 2016-04-28 / This is an exploratory study on violence reported against girls and women in the State of Rio de Janeiro, from 2009 to 2014. Recent policies and legislation, addressing the situation of violence that girls and women experience, have led some studies and placement data alarming on the subject. The gradual improvement in standardization and formulation of attendance data, through the System for Notifiable Diseases Information System (SINAN), has the potential to offer advances in the understanding of violence against girls and women, recurrence and consequent improvements to the planning and monitoring of coping actions. Thus, using the SINAN database, selected reports of violence against girls and women, and had the following objectives: I) produce descriptive profile analysis of girls and women seen, characteristics of their attackers, the reported violence and cross-referrals ; and II) to analyze the risk factors associated with the likelihood of a victim suffering recurrence of any violence. Our results revealed that are more likely to reoffend any form of violence, if the victim is already intimate partner of the author of violence, whether she is old, she is separated, if the site of aggression is residential and, divergently to the literature, if the aggressor did not use alcohol. This was an exploratory analysis, because there was huge percentage of lost information, between the variables selected from the literature. In our concluding remarks, we highlight the need for investment in professional and technical training to improve the quality of data. In addition, we recommend the creation of intersectoral and multidisciplinary observatory of monitoring violence against women, to discuss, propose responses and facilitates execution paths to improve the quality of data, monitoring, analysis and evaluation of public policies and coping services to violence against girls and women. / Esta disserta??o ? um estudo explorat?rio sobre as viol?ncias notificadas no Sistema de Informa??o de Agravos de Notifica??o (SINAN), contra meninas e mulheres no Estado do Rio de Janeiro, de 2009 a 2014. Recentes pol?ticas e legisla??es de enfrentamento ? viol?ncia contra meninas e mulheres t?m propiciado debate e an?lise sobre o tema, por?m, existem ainda muitas lacunas de conhecimento, em especial quanto aos poss?veis fatores de risco, vulnerabilidades, especificidades locais associadas e recorr?ncias. Como fonte de informa??o, a gradual melhoria na padroniza??o e formula??o dos dados de atendimento, atrav?s do SINAN, pode auxiliar-nos na compreens?o das caracter?sticas que conformam o fen?meno da viol?ncia contra meninas e mulheres, e consequentes avan?os para o planejamento e monitoramento das a??es de enfrentamento. Assim, utilizando o banco de dados do SINAN, selecionamos as notifica??es de viol?ncias contra meninas e mulheres, e tivemos como objetivos: I) produzir an?lise descritiva do perfil das meninas e mulheres atendidas, de caracter?sticas de seus agressores, das viol?ncias notificadas e encaminhamentos intersetoriais; e II) analisar os fatores de risco associados ? probabilidade de recorr?ncia de qualquer tipo de viol?ncia. Nossos resultados revelaram que s?o maiores as chances de se repetir qualquer forma de viol?ncia se a v?tima j? ? parceira ?ntima do autor da viol?ncia, se ? idosa, se est? separada, se o local da agress?o ? residencial e, divergentemente da literatura, se o agressor n?o fazia uso de ?lcool. Essa foi uma an?lise explorat?ria, pois havia enorme percentual de perda de informa??o entre as vari?veis, selecionadas a partir da literatura. Em nossas considera??es finais ressaltamos a necessidade de investimentos em forma??o profissional e capacita??o t?cnica para a melhoria da qualidade dos dados. Adicionalmente, recomendamos a cria??o de observat?rio intersetorial e multidisciplinar de vigil?ncia da viol?ncia contra mulher, que discuta, proponha respostas e facilite caminhos de execu??o para a melhoria da qualidade dos dados, monitoramento, an?lise e avalia??o das pol?ticas e servi?os p?blicos de enfrentamento ? viol?ncia contra meninas e mulheres.