Wavelets, predição linear e LS-SVM aplicados na análise e classificação de sinais de vozes patológicas

Página do item simplificado
dc.contributorPereira, José Carlos
dc.creatorFonseca, Everthon Silva
dc.date2008-04-24
dc.date2008-07-04
dc.date.accessioned2017-11-15T11:18:11Z
dc.date.available2017-11-15T11:18:11Z
dc.date.issued2017-11-15
dc.descriptionNeste trabalho, foram utilizadas as vantagens da ferramenta matemática de análise temporal e espectral, a transformada wavelet discreta (DWT), além dos coeficientes de predição linear (LPC) e do algoritmo de inteligência artificial, Least Squares Support Vector Machines (LS-SVM), para aplicações em análise de sinais de voz e classificação de vozes patológicas. Inúmeros trabalhos na literatura têm demonstrado o grande interesse existente por ferramentas auxiliares ao diagnóstico de patologias da laringe. Os componentes da DWT forneceram parâmetros de medida para a análise e classificação das vozes patológicas, principalmente aquelas provenientes de pacientes com edema de Reinke e nódulo nas pregas vocais. O banco de dados com as vozes patológicas foi obtido do Departamento de Otorrinolaringologia e Cirurgia de Cabeça e Pescoço do Hospital das Clínicas da Faculdade de Medicina de Ribeirão Preto (FMRP-USP). Utilizando-se o algoritmo de reconhecimento de padrões, LS-SVM, mostrou-se que a combinação dos componentes da DWT de Daubechies com o filtro LP inverso levou a um classificador de bom desempenho alcançando mais de 90% de acerto na classificação das vozes patológicas.
dc.descriptionThe main objective of this work was to use the advantages of the time-frequency analysis mathematical tool, discrete wavelet transform (DWT), besides the linear prediction coefficients (LPC) and the artificial intelligence algorithm, Least Squares Support Vector Machines (LS-SVM), for applications in voice signal analysis and classification of pathological voices. A large number of works in the literature has been shown that there is a great interest for auxiliary tools to the diagnosis of laryngeal pathologies. DWT components gave measure parameters for the analysis and classification of pathological voices, mainly that ones from patients with Reinke\'s edema and nodule in the vocal folds. It was used a data bank with pathological voices from the Otolaryngology and the Head and Neck Surgery sector of the Clinical Hospital of the Faculty of Medicine at Ribeirão Preto, University of Sao Paulo (FMRP-USP), Brazil. Using the automatic learning algorithm applied in pattern recognition problems, LS-SVM, results have showed that the combination of Daubechies\' DWT components and inverse LP filter leads to a classifier with good performance reaching more than 90% of accuracy in the classification of the pathological voices.
dc.formatapplication/pdf
dc.identifierhttp://www.teses.usp.br/teses/disponiveis/18/18133/tde-04072008-094655/
dc.identifierdoi:10.11606/T.18.2008.tde-04072008-094655
dc.identifier.urihttp://repositorio.eesc.usp.br/handle/RIEESC/2037
dc.languagept
dc.publisherBiblioteca Digital de Teses e Dissertações da USP
dc.publisherUniversidade de São Paulo
dc.publisherEscola de Engenharia de São Carlos
dc.rightsLiberar o conteúdo para acesso público.
dc.subjectClassificador support vector machines
dc.subjectFiltro inverso de predição linear
dc.subjectTransformada wavelet
dc.subjectVozes patológicas
dc.subjectDiscrete wavelet transform
dc.subjectLinear prediction inverse filter
dc.subjectPathological voices
dc.subjectSupport vector machines classifier
dc.titleWavelets, predição linear e LS-SVM aplicados na análise e classificação de sinais de vozes patológicas
dc.titleWavelets, LPC and LS-SVM applied for analysis and identification of pathological voice signals
dc.typeTese de Doutorado
Arquivos
Coleções
Teses e Dissertações (BDTD USP)