Avalia??o de caracter?sticas no reconhecimento de emo??es atrav?s da voz
| Ano de defesa: | 2026 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| Tipo de documento: | Dissertação |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
Não Informado pela instituição
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: | |
| Link de acesso: | http://repositorio.ifpb.edu.br/jspui/handle/177683/5619 |
Resumo: | O reconhecimento autom?tico de emo??es na fala (SER) tem ganhado destaque em diversas ?reas, incluindo sa?de, intera??o humano-m?quina e sistemas inteligentes. Este trabalho investiga a contribui??o individual e conjunta de caracter?sticas ac?sticas para a classifica??o de emo??es, utilizando a base de dados RAVDESS e um classificador baseado em M?quinas de Vetores de Suporte (SVM). Foram extra?das 21 caracter?sticas ac?sticas (medidas pros?dicas, espectrais e de qualidade vocal) de amostras vocais classificadas em oito estados emocionais: neutro, calmo, feliz, triste, bravo, assustado, enojado e surpreso. O protocolo experimental empregou Valida??o Cruzada Estratificada de 5 parti??es e avaliou o desempenho em diferentes n?veis de representa??o: frame-level, utterance-level e um subconjunto otimizado de vari?veis (Top-10) ranqueado pelo m?todo Fisher Score. A an?lise revelou que os atributos pros?dicos e de qualidade vocal, com destaque para a energia (RMSE), o shimmer e a frequ?ncia fundamental (F0), s?o os marcadores mais consistentes na detec??o das emo??es. O classificador operando com o conjunto reduzido (Top-10) obteve o melhor desempenho do estudo, alcan?ando uma acur?cia de 44,03%. Embora limitado pela confus?o entre emo??es de mesma ativa??o (val?ncia), o resultado demonstra que a sele??o de atributos ac?sticos permite a constru??o de modelos preditivos mais enxutos. |
| id |
IFPB_7b884b64dd35aa63f7f6eff4be7a5898 |
|---|---|
| oai_identifier_str |
oai:repositorio.ifpb.edu.br:177683/5619 |
| network_acronym_str |
IFPB |
| network_name_str |
Repositório Institucional do IFPB |
| repository_id_str |
|
| spelling |
Silva, Leonardo Mar?al da2026-10-29T10:48:50Z2026-10-29T10:48:50Z2026-10-29http://repositorio.ifpb.edu.br/jspui/handle/177683/5619O reconhecimento autom?tico de emo??es na fala (SER) tem ganhado destaque em diversas ?reas, incluindo sa?de, intera??o humano-m?quina e sistemas inteligentes. Este trabalho investiga a contribui??o individual e conjunta de caracter?sticas ac?sticas para a classifica??o de emo??es, utilizando a base de dados RAVDESS e um classificador baseado em M?quinas de Vetores de Suporte (SVM). Foram extra?das 21 caracter?sticas ac?sticas (medidas pros?dicas, espectrais e de qualidade vocal) de amostras vocais classificadas em oito estados emocionais: neutro, calmo, feliz, triste, bravo, assustado, enojado e surpreso. O protocolo experimental empregou Valida??o Cruzada Estratificada de 5 parti??es e avaliou o desempenho em diferentes n?veis de representa??o: frame-level, utterance-level e um subconjunto otimizado de vari?veis (Top-10) ranqueado pelo m?todo Fisher Score. A an?lise revelou que os atributos pros?dicos e de qualidade vocal, com destaque para a energia (RMSE), o shimmer e a frequ?ncia fundamental (F0), s?o os marcadores mais consistentes na detec??o das emo??es. O classificador operando com o conjunto reduzido (Top-10) obteve o melhor desempenho do estudo, alcan?ando uma acur?cia de 44,03%. Embora limitado pela confus?o entre emo??es de mesma ativa??o (val?ncia), o resultado demonstra que a sele??o de atributos ac?sticos permite a constru??o de modelos preditivos mais enxutos.Submitted by Programa de P?s-Gradua??o Engenharia El?trica (ppgee@ifpb.edu.br) on 2026-10-28T17:51:57Z No. of bitstreams: 1 disserta??o_leonardo_vEntregaCompleto.pdf: 3482033 bytes, checksum: a9caac4001b29aba981f52fa8dd53757 (MD5)Approved for entry into archive by Josinete Nobrega Araujo (josinete@ifpb.edu.br) on 2026-10-29T10:48:50Z (GMT) No. of bitstreams: 1 disserta??o_leonardo_vEntregaCompleto.pdf: 3482033 bytes, checksum: a9caac4001b29aba981f52fa8dd53757 (MD5)Made available in DSpace on 2026-10-29T10:48:50Z (GMT). No. of bitstreams: 1 disserta??o_leonardo_vEntregaCompleto.pdf: 3482033 bytes, checksum: a9caac4001b29aba981f52fa8dd53757 (MD5) Previous issue date: 2026-10-29Reconhecimento de Emo??esProcessamento de Sinais de VozCaracter?sticas Ac?sticasM?quinas de Vetores de SuporteCoeficiente de FisherAvalia??o de caracter?sticas no reconhecimento de emo??es atrav?s da vozinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional do IFPBinstname:Instituto Federal da Paraíba (IFPB)instacron:IFPBinfo:eu-repo/semantics/openAccessDisserta??oInstituto Federal da Para?baJo?o PessoaORIGINALdisserta??o_leonardo_vEntregaCompleto.pdfdisserta??o_leonardo_vEntregaCompleto.pdfapplication/pdf3482033http://repositorio.ifpb.edu.br/jspui/bitstream/177683/5619/1/disserta%C3%A7%C3%A3o_leonardo_vEntregaCompleto.pdfa9caac4001b29aba981f52fa8dd53757MD51177683/56192026-10-29 07:48:50.992oai:repositorio.ifpb.edu.br:177683/5619Repositório InstitucionalPUBhttp://repositorio.ifpb.edu.br/oai/requestrepositoriodigital@ifpb.edu.bropendoar:2026-10-29T10:48:50Repositório Institucional do IFPB - Instituto Federal da Paraíba (IFPB)false |
| dc.title.pt_BR.fl_str_mv |
Avalia??o de caracter?sticas no reconhecimento de emo??es atrav?s da voz |
| title |
Avalia??o de caracter?sticas no reconhecimento de emo??es atrav?s da voz |
| spellingShingle |
Avalia??o de caracter?sticas no reconhecimento de emo??es atrav?s da voz Silva, Leonardo Mar?al da Reconhecimento de Emo??es Processamento de Sinais de Voz Caracter?sticas Ac?sticas M?quinas de Vetores de Suporte Coeficiente de Fisher |
| title_short |
Avalia??o de caracter?sticas no reconhecimento de emo??es atrav?s da voz |
| title_full |
Avalia??o de caracter?sticas no reconhecimento de emo??es atrav?s da voz |
| title_fullStr |
Avalia??o de caracter?sticas no reconhecimento de emo??es atrav?s da voz |
| title_full_unstemmed |
Avalia??o de caracter?sticas no reconhecimento de emo??es atrav?s da voz |
| title_sort |
Avalia??o de caracter?sticas no reconhecimento de emo??es atrav?s da voz |
| author |
Silva, Leonardo Mar?al da |
| author_facet |
Silva, Leonardo Mar?al da |
| author_role |
author |
| dc.contributor.author.fl_str_mv |
Silva, Leonardo Mar?al da |
| dc.subject.por.fl_str_mv |
Reconhecimento de Emo??es Processamento de Sinais de Voz Caracter?sticas Ac?sticas M?quinas de Vetores de Suporte Coeficiente de Fisher |
| topic |
Reconhecimento de Emo??es Processamento de Sinais de Voz Caracter?sticas Ac?sticas M?quinas de Vetores de Suporte Coeficiente de Fisher |
| description |
O reconhecimento autom?tico de emo??es na fala (SER) tem ganhado destaque em diversas ?reas, incluindo sa?de, intera??o humano-m?quina e sistemas inteligentes. Este trabalho investiga a contribui??o individual e conjunta de caracter?sticas ac?sticas para a classifica??o de emo??es, utilizando a base de dados RAVDESS e um classificador baseado em M?quinas de Vetores de Suporte (SVM). Foram extra?das 21 caracter?sticas ac?sticas (medidas pros?dicas, espectrais e de qualidade vocal) de amostras vocais classificadas em oito estados emocionais: neutro, calmo, feliz, triste, bravo, assustado, enojado e surpreso. O protocolo experimental empregou Valida??o Cruzada Estratificada de 5 parti??es e avaliou o desempenho em diferentes n?veis de representa??o: frame-level, utterance-level e um subconjunto otimizado de vari?veis (Top-10) ranqueado pelo m?todo Fisher Score. A an?lise revelou que os atributos pros?dicos e de qualidade vocal, com destaque para a energia (RMSE), o shimmer e a frequ?ncia fundamental (F0), s?o os marcadores mais consistentes na detec??o das emo??es. O classificador operando com o conjunto reduzido (Top-10) obteve o melhor desempenho do estudo, alcan?ando uma acur?cia de 44,03%. Embora limitado pela confus?o entre emo??es de mesma ativa??o (val?ncia), o resultado demonstra que a sele??o de atributos ac?sticos permite a constru??o de modelos preditivos mais enxutos. |
| publishDate |
2026 |
| dc.date.accessioned.fl_str_mv |
2026-10-29T10:48:50Z |
| dc.date.available.fl_str_mv |
2026-10-29T10:48:50Z |
| dc.date.issued.fl_str_mv |
2026-10-29 |
| dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| format |
masterThesis |
| status_str |
publishedVersion |
| dc.identifier.uri.fl_str_mv |
http://repositorio.ifpb.edu.br/jspui/handle/177683/5619 |
| url |
http://repositorio.ifpb.edu.br/jspui/handle/177683/5619 |
| dc.language.iso.fl_str_mv |
por |
| language |
por |
| dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
| eu_rights_str_mv |
openAccess |
| dc.source.none.fl_str_mv |
reponame:Repositório Institucional do IFPB instname:Instituto Federal da Paraíba (IFPB) instacron:IFPB |
| instname_str |
Instituto Federal da Paraíba (IFPB) |
| instacron_str |
IFPB |
| institution |
IFPB |
| reponame_str |
Repositório Institucional do IFPB |
| collection |
Repositório Institucional do IFPB |
| bitstream.url.fl_str_mv |
http://repositorio.ifpb.edu.br/jspui/bitstream/177683/5619/1/disserta%C3%A7%C3%A3o_leonardo_vEntregaCompleto.pdf |
| bitstream.checksum.fl_str_mv |
a9caac4001b29aba981f52fa8dd53757 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
| repository.name.fl_str_mv |
Repositório Institucional do IFPB - Instituto Federal da Paraíba (IFPB) |
| repository.mail.fl_str_mv |
repositoriodigital@ifpb.edu.br |
| _version_ |
1880940311358734336 |