Método de Aprendizagem de Máquina para Classificação da intensidade do desvio vocal utilizando Random Forest

Danilo Rangel Arruda Leite, Ronei Marcos de Moraes, Leonardo Wanderley Lopes

Resumo


Objetivo: Utilizar imagens espectrográficas da voz para classificar a intensidade do desvio vocal, avaliar e comparar a eficiência do modelo de classificação Random Forest (RF) com o Naive Bayes (NB) e Support Vector Machine (SVM). Método: Foram selecionadas, aleatoriamente, 198 amostras de indivíduos com desvio vocal classificados com intensidade entre leve e moderada. A vogal /e/ sustentada foi selecionada para este estudo, pois é a vogal mais comumente utilizada para avaliação da qualidade vocal na realidade brasileira. Resultado: O RF obteve o melhor resultado, com acurácia de 78% e Kappa 0,41. Os resultados deste trabalho foram considerados satisfatórios. Conclusão: O modelo de classificação RF obteve resultados satisfatórios. Foi utilizado o Short-Time Fourier Transform para gerar os espectrogramas do sinal de voz. As intensidades do desvio vocal utilizadas nesse trabalho, foram as do tipo leve e moderado. A metotodologia de classificação utilizada mostrou-se relevante para o processo de classificação da intensidade do desvio.

Palavras-chave


Aprendizagem de máquina; Distúrbios da voz; Espectrografia do som

Texto completo: PDF


Journal of Health Informatics - ISSN 2175-4411
Rua Tenente Gomes Ribeiro, 57 - sala 33 CEP 04038-040 São Paulo - SP - Brasil
Tel./Fax: + 55 11 3791 3343 - E-mail: jhi@sbis.org.br