Selección de características en el análisis acústico de voces
Se presenta una metodología de selección de características basada en el análisis de independencia estadística y en el análisis de componentes principales (PCA). Se emplean pruebas de hipótesis, y se analizan las variantes lineal y no lineal de PCA; para el caso no lineal se utiliza un kernel RBF. L...
- Autores:
-
Vargas Bonilla, Jesús Francisco
- Tipo de recurso:
- Fecha de publicación:
- 2003
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/2847
- Palabra clave:
- 62 Ingeniería y operaciones afines / Engineering
Electroacústica
Sistemas de procesamiento de la voz
Transtornos de la voz
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
Summary: | Se presenta una metodología de selección de características basada en el análisis de independencia estadística y en el análisis de componentes principales (PCA). Se emplean pruebas de hipótesis, y se analizan las variantes lineal y no lineal de PCA; para el caso no lineal se utiliza un kernel RBF. La metodología está orientada al análisis acústico de voces con el fin de determinar la presencia de algún grado de disfonía en registros de señales de voz tomados de personas adultas de la población urbana de la ciudad de Manizales, Colombia. Para la prueba de la metodología, se comparan los porcentajes de clasificación obtenidos con el conjunto completo de características y para el conjunto reducido. Se utiliza una maquina de soporte vectorial (SVM) como clasificador. / Abstract: A feature selection methodology based on statistical independence and principal components analysis (PCA) is presented. Hypothesis tests are employed, and linear and no linear PCA are analyzed; in no linear analysis, Kernel RBF was used. Methodology is oriented towards acoustic analysis of voices in orden to detect any disphony degree in voice signals records from adult people of urban population of Manizales, Colombia. To prove the methodology, classification percentages obtained for complete and reduced feature sets are compared. A Support Vector Machine (SVM) is used as classifier. |
---|