Anais De XXX Simpósio Brasileiro De Telecomunicações 2012
DOI: 10.14209/sbrt.2012.165
|View full text |Cite
|
Sign up to set email alerts
|

Classificação de Sinais Vozes Patológicas por meio do Parâmetro de Hurst e LDA

Abstract: Resumo-Este trabalho apresenta uma análise de desempenho da utilização do parâmetro de Hurst, extraído pelo método da variância no tempo, para a detecção de patologias laríngeas. Testes de hipótese e um classificador baseado em Análise Discriminante Linear (LDA) são empregados para avaliação do potencial discriminativo do parâmetro de Hurst. Foi obtida uma eficiência de 98% na discriminação entre vozes saudáveis e vozes afetadas por paralisia nas pregas vocais.

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
1

Citation Types

0
0
0
1

Year Published

2016
2016
2016
2016

Publication Types

Select...
1

Relationship

0
1

Authors

Journals

citations
Cited by 1 publication
(1 citation statement)
references
References 5 publications
0
0
0
1
Order By: Relevance
“…Inúmeras pesquisas sobre a detecção de patologias da fala por computador têm sido desenvolvidas, com o intuito de reduzir significativamente a necessidade e a frequência de exames visuais. Dentre as técnicas utilizadas, incluem-se Modelos de Markov Escondidos (Hidden Markov Models -HMM) [3], Quantização Vetorial, Redes Neurais [4], Gráficos de Recorrência [1] [9], Modelos de Misturas Gaussianas (Gaussian Mixture Models -GMM) [4] [10], fase TEO [11], Máquinas de Suporte Vetorial [12], Dinâmica Não Linear com medidas de complexidade [13], Expoente de Hurst [14] dentre outras. Porém, um tipo de abordagem sobre a qual não foi encontrado registro na revisão de literatura foi o uso de métodos de compressão de dados.…”
Section: Introductionunclassified
“…Inúmeras pesquisas sobre a detecção de patologias da fala por computador têm sido desenvolvidas, com o intuito de reduzir significativamente a necessidade e a frequência de exames visuais. Dentre as técnicas utilizadas, incluem-se Modelos de Markov Escondidos (Hidden Markov Models -HMM) [3], Quantização Vetorial, Redes Neurais [4], Gráficos de Recorrência [1] [9], Modelos de Misturas Gaussianas (Gaussian Mixture Models -GMM) [4] [10], fase TEO [11], Máquinas de Suporte Vetorial [12], Dinâmica Não Linear com medidas de complexidade [13], Expoente de Hurst [14] dentre outras. Porém, um tipo de abordagem sobre a qual não foi encontrado registro na revisão de literatura foi o uso de métodos de compressão de dados.…”
Section: Introductionunclassified