75 research outputs found
Speaker verification using hidden Markov models (HMMs) of discrete densities.
No full textOs Modelos de Markov Escondidos (HMMs) vem se tornando cada vez mais
populares por serem muito ricos em estrutura matemática e. consequentemente formarem uma base teórica muito forte para uso em um largo grupo de aplicações na
área de processamento de sinais de voz. Apresentam em geral, uma redução do custo
computacional em comparação com métodos mais tradicionais. 0 reconhecimento de locutor utilizando HMMs, como toda tarefa de reconhecimento de padrões, se divide em duas fases distintas: treinamento e classificação. Na fase de treinamento, inicialmente e realizada a analise do sinal de voz de forma a se obterem os parâmetros representativos deste locutor. Foram usados, neste trabalho. os coeficientes de Predição Linear (coeficientes LPC), os quais foram representados por um alfabeto discreto obtido através da quantização vetorial. 0 HMM associado ao locutor e obtido através do algoritmo de reestimação de Baum-Welch, que consiste em uma técnica iterativa que fornece, através do calculo de uma medida de probabilidade. o modelo que melhor representa o dado locutor. A fase de classificação. no caso, de verificação de locutor, consiste no cálculo da
probabilidade associada ao modelo de referenda já armazenado para o locutor a ser
verificado. Se o valor de probabilidade calculado e maior que um dado limiar, o locutor
e considerado verdadeiro, caso contrario o locutor e considerado impostor.Hidden Markov Models (HMMs) are becoming popular in pattern recognition
because they present a strong mathematical structure solid and so they provide a
theorectical basis for very many applications in voice processing systems. They can
also provide a reduction in complexity when compared to other methods.
Speaker recognition using HMMs. like other pattern recognition techniques, can be
performed in two phases: training and classification.
For the training phase each speaker uses a individual HMM. The model is built after
the speech has beeen analised and the Linear Predictive Coding (LPC) parameters
representing that particular speaker have been obtained. The LPC coeficients are then
discretizes by a vector quantizer. The discretized parameters are used for running
an iteractive algorithm (Baum-Welch algorithm) calculating a probability wich best
represents that speaker.
Classification, in this application, speaker verification, consists in using the H MM
obtained in the training phase to calculate and check whether that particular speaker
provides an acceptable probability to be considered a valid user (customer)
Uma abordagem para orquestração do conhecimento com suporte ao planejamento e à avaliação curricular em ciência da computação.
No full textO Currículo Referência (CR) para Cursos de Bacharelado em Ciência da Computação e Engenharia da Computação é um documento desenvolvido pela Sociedade Brasileira de Computação que descreve um conjunto de informações relacionadas ao ensino da computação no Brasil. O corpo do conhecimento, parte do CR descreve o conhecimento que pode ser ensinado ao aluno durante o processo de aprendizagem, pode ser útil para o processo de Planejamento Curricular, porém, diferentemente das estruturas curriculares criadas, o conhecimento descrito no CR apresenta, apenas, relações hierárquicas entre suas partes. Diante disso, neste trabalho, é proposta uma abordagem que visa a orquestrar o conhecimento descrito na granularidade “Matéria” do CR, neste trabalho denominada como “Categoria de Conhecimento”. Para isso, a abordagem baseia-se no princípio bottom-up e identifica as possíveis relações entre as 57 Categorias de Conhecimento a partir das disciplinas e das relações de pré-requisitos presentes em estruturas curriculares dos cursos para, assim, identificar o Grau de Dependência entre Categorias (GDep) e o Grau de Ocorrência da Categoria (GOC) relevantes para o processo de planejamento e avaliação das estruturas curriculares. Como forma de avaliar a abordagem foi realizado um estudo de caso envolvendo dados de 474 disciplinas, de 7 cursos de graduação, no qual foi mensurado do GRel e o GOC das 57 Categorias de Conhecimento. Além disso, também foi verificada a aplicação das métricas identificadas no processo de planejamento e avaliação das estruturas curriculares que, no contexto observado, apresentou resultados que comprovaram o uso de ambas para as finalidades propostas.The Reference Curriculum for Degree Courses in Computer Science and Computer Engineering (RC) is a document developed by the Brazilian Computer Society that aims to describe a set of information related to computing education in Brazil. The body of knowledge, a part of RC that describles the knowledge that should be teached to a student during the learning Process, can be useful on the Curricular Planning process, however, unlike the curriculum structure created, which describes relations between disciplines, the knowledge described on the Reference Curriculum only shows hierarchical relations between different levels of this knowledge.To this situation, in this dissertation is proposed an approach that aimed orchestrating the knowledge described on granularity “Subject” of RC,called, in this dissertation,“Knowledge Categories”. For this, the approachis based on the bottom-up and identifies possible relationships between the 57 Knowledge Categories induced from the disciplines of graduate courses and their prerequisites relationships, to thereby identify the Dependence Degree Between Categories (GDep) and Category Occurrence Degree (GOc) relevants for the process of curriculum planning and evaluation. For evaluate approach, ion purposes a case study was conducted involving 474 disciplines from 7 under graduate courses. It was possible to observe the measurement of GRel and GOC of the57 Knowledge Categories from RC. In addition, the application were verified of the metrics identified in the planning processand evaluation of curriculum structures that,on the context observe, showed results that confirmed the use of suchmetrics for a imsproposed.Cape
Experimentando a Influência dos Traços de Personalidade do Modelo Big Five na Recomendação de Recursos Educacionais
No full textAnálise Comparativa de Abordagens de Associação entre os Estilos de Aprendizagem de Felder–Silverman e os Metadados do Padrão IEEE LOM
No full textRecomendação de Objetos de Aprendizagem baseada na Popularidade dos Objetos e nos Estilos de Aprendizagem dos Alunos
No full textRecomendação de Objetos de Aprendizagem utilizando Filtragem Colaborativa baseada em Tendências e em Estilos de Aprendizagem
No full textUtilização do Índice de Estilos de Aprendizagem de Felder–Soloman em Turmas de Nível Técnico, Graduação e Pós-Graduação em Computação
No full textAvaliação de uso do coeficientes mel-cepstrais na representação das características vocais de um locutor.
No full textA identificação de indivíduos por meio de biometria vem sendo bastante usada
como mecanismo de segurança para o acesso a sistemas computacionais ou
ambientes restritos. Os sistemas biométricos têm sido desenvolvidos para realizar
a identificação por impressão digital, iridia ou vocal, por exemplo. Usar a voz como
meio para a autenticação individual tem sido cada vez mais possível, devido ao
avanço significativo na área de Processamento Digital de Sinais de voz. Esta
pesquisa tem como finalidade avaliar a eficiência dos coeficientes mel-cesptrais na
representação das características de um locutor em um sistema automático de
verificação de locutor. As técnicas utilizadas para a construção do sistema
automático de verificação de locutor, visando a uma implementação em hardware,
incluem o uso de: (i) coeficientes mel-cepstrais, na composição do vetor de
características; (ii) quantização vetorial, na obtenção de padrões; e (iii) uma regra
de decisão, baseada na distância Euclidiana. O sistema utilizado para a avaliação
da representação das características vocais de um locutor é uma modificação de
outro sistema automático de verificação de locutor que utiliza coeficientes LPC para
a representação das características vocais de um locutor. Para tanto, fez-se uso
das linguagens C++ (fase de treinamento) e SystemVerilog (fase de
verificação). Os resultados utilizando coeficientes mel-cepstrais foram de 99,34%
na taxa de acerto, 0,17% para taxa de erros e 0,49% na taxa de respostas
desconhecidas, comparados, respectivamente, a 96,52% na taxa de acerto,
0,90% para taxa de erros e 2,58% na taxa de desconhecidos para coeficientes
LPC.Biometric identification of individuals has been widely used as a security
mechanism for accessing computer systems or restricted environments. Biometric systems have been developed to perform identification through fingerprint, iris, or
voice, for example. Using the voice as a biometric identifier has been increasingly
possible due to significant advances in digital processing of speech signals area.
This research aims to evaluate the efficiency of mel-frequency cepstral coefficients
in the representation of the characteristics of a speaker in an automatic speaker
verification. The techniques used to construct the automatic speaker verification
system aiming at a hardware implementation included the use of: (i) melfrequency
cepstral coefficients, like feature vector; (ii) vector quantization, in
patterning modelling; and (iii) a decision rule, based on Euclidean distance. The
system used for evaluation in the representation of the characteristics of a speaker
is a modification of another automatic speaker verification system using linear
predictive coding coefficients for the representation of the vocal characteristics of
a speaker. It was implemented using C++ for the training phase, and
SystemVerilog for the verification phase. The results using mel-frequency cepstral
coefficients were 99.34% in the hit rate, 0.17% to error rate and 0.49% to
unknown response rate, compared respectively to 96.52% in success rate, 0.90%
to error rate and 2.58% to unknown rate using the linear predictive coding
coefficients.CNP
Wavelets, LPC and LS-SVM applied for analysis and identification of pathological voice signals
No full textNeste 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.The 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
- …
