Avalia??o de caracter?sticas no reconhecimento de emo??es atrav?s da voz

Detalhes bibliográficos
Ano de defesa: 2026
Autor(a) principal: Silva, Leonardo Mar?al da
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
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