Exportação concluída — 

Um protocolo para análise, transformação e classificação de dados de sons antropogênicos em ambiente doméstico, visando seu reconhecimento automático por algoritmos de inteligência artificial

Detalhes bibliográficos
Ano de defesa: 2020
Autor(a) principal: Prado, Suzana Carnielli do
Orientador(a): Marques, Jefferson Luiz Brum
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
Link de acesso: https://repositorio.ufsc.br/handle/123456789/221277
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2020.
id UFSC_ff7341d13e2c8a4be135fe99af246a4e
oai_identifier_str oai:repositorio.ufsc.br:123456789/221277
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str
spelling Universidade Federal de Santa CatarinaPrado, Suzana Carnielli doMarques, Jefferson Luiz BrumMarino Neto, José2021-03-22T13:53:56Z2021-03-22T13:53:56Z2020371386https://repositorio.ufsc.br/handle/123456789/221277Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2020.Considerando o crescimento populacional de idosos no Brasil, e a necessidade de melhorar a qualidade de vida dessa parcela da população, foi proposto um projeto de desenvolvimento de uma plataforma de saúde ubíqua para auxiliar no cotidiano dos seres humanos em ambiente doméstico. Como parte desta plataforma, este trabalho aprofunda-se em analisar e preparar dados provindos de fontes acústicas para que sejam classificados através de algoritmos de inteligência artificia, e em construir ? a partir desse desenvolvimento ? um protocolo de etapas para classificação de atividades através sinais de áudio que propicie a reprodutibilidade da pesquisa. Existem diversas abordagens e metodologias para o reconhecimento automático de eventos através de dados, no entanto, quando se refere ao reconhecimento de sons ambientais, existem peculiaridades em sua análise. Para trabalhar com esta temática, primeiramente foram obtidos sinais acústicos, referentes a atividades domésticas, em laboratório por meio de um hardware composto de multi-sensores. Após isso, foi construído um banco de dados brutos, que correspondem às características extraídas desses sinais através de uma ferramenta de código aberto desenvolvida no Instituto de Engenharia Biomédica da UFSC e que faz parte da plataforma de saúde ubíqua. Foram analisados, investigados e descritos critérios para preparação de dados, para escolha de características relevantes para classificação, para modelos de classificação e ? em seguida ? realizados testes e validações e comparação entre modelos de aprendizado de máquina. Todas essas etapas contribuíram para a composição do protocolo. Os métodos utilizados na classificação utilizados foram: Neural Network, Random Forest, kNN, Tree, Adaboost. A respectiva qualidade dos modelos foi avaliada através de matriz de confusão, método k-Means de agrupamento e análise da curva ROC, para cada atividade. As etapas do protocolo são apresentadas por meio de ferramentas de código aberto e finalizadas com uma lista de verificação(checklist), contendo as etapas a serem seguidas no processo de classificação automática de eventos.Abstract: Considering the growth of the elderly population in Brazil, and the need to improve the quality of life of this portion of the population, a project was proposed to develop a ubiquitous health platform to assist the daily lives of human beings in the domestic environment. As part of this platform, this work focuses on analyzing and preparing data from acoustic sources so that they can be classified using artificial intelligence algorithms, and on building - from that development - a step protocol for classifying activities through audio signals. that makes the research reproducible. There are several approaches and methodologies for the automatic recognition of events through data, however, when it comes to the recognition of environmental sounds, there are peculiarities in their analysis. To deal with that, acoustic signals were, first, acquired in the laboratory through hardware composed of multi-sensors. After that, a raw database was built, which corresponds to the characteristics extracted from these signals through an open source tool developed at the Institute of Biomedical Engineering at UFSC and which is part of the ubiquitous health platform. Criteria for data preparation were analyzed, investigated and described, for choosing relevant characteristics for classificatio.The classification models and - then - tests and validations were carried out, in addition to the comparison between machine learning models. All of these steps contributed to the composition of the protocol. The methods used in the classification used were: Neural Network, Random Forest, kNN, Tree, Adaboost. The respective relevance of the models was assessed through a confusion matrix, k-Means method of grouping and analysis of the ROC curve, for each activity. The protocol steps are presented using open source tools and finished with a checklist, containing steps to be followed in the automatic event classification process.133 p.| il., gráfs.porEngenharia elétricaAprendizado do computadorDetecção de sinaisComputação ubíquaUm protocolo para análise, transformação e classificação de dados de sons antropogênicos em ambiente doméstico, visando seu reconhecimento automático por algoritmos de inteligência artificialinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessORIGINALPEEL2009-D.pdfPEEL2009-D.pdfapplication/pdf4303994https://repositorio.ufsc.br/bitstream/123456789/221277/-1/PEEL2009-D.pdf751951a933fce3453dccb641dde79124MD5-1123456789/2212772021-03-22 10:53:57.162oai:repositorio.ufsc.br:123456789/221277Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestsandra.sobrera@ufsc.bropendoar:23732021-03-22T13:53:57Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Um protocolo para análise, transformação e classificação de dados de sons antropogênicos em ambiente doméstico, visando seu reconhecimento automático por algoritmos de inteligência artificial
title Um protocolo para análise, transformação e classificação de dados de sons antropogênicos em ambiente doméstico, visando seu reconhecimento automático por algoritmos de inteligência artificial
spellingShingle Um protocolo para análise, transformação e classificação de dados de sons antropogênicos em ambiente doméstico, visando seu reconhecimento automático por algoritmos de inteligência artificial
Prado, Suzana Carnielli do
Engenharia elétrica
Aprendizado do computador
Detecção de sinais
Computação ubíqua
title_short Um protocolo para análise, transformação e classificação de dados de sons antropogênicos em ambiente doméstico, visando seu reconhecimento automático por algoritmos de inteligência artificial
title_full Um protocolo para análise, transformação e classificação de dados de sons antropogênicos em ambiente doméstico, visando seu reconhecimento automático por algoritmos de inteligência artificial
title_fullStr Um protocolo para análise, transformação e classificação de dados de sons antropogênicos em ambiente doméstico, visando seu reconhecimento automático por algoritmos de inteligência artificial
title_full_unstemmed Um protocolo para análise, transformação e classificação de dados de sons antropogênicos em ambiente doméstico, visando seu reconhecimento automático por algoritmos de inteligência artificial
title_sort Um protocolo para análise, transformação e classificação de dados de sons antropogênicos em ambiente doméstico, visando seu reconhecimento automático por algoritmos de inteligência artificial
author Prado, Suzana Carnielli do
author_facet Prado, Suzana Carnielli do
author_role author
dc.contributor.none.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Prado, Suzana Carnielli do
dc.contributor.advisor1.fl_str_mv Marques, Jefferson Luiz Brum
dc.contributor.advisor-co1.fl_str_mv Marino Neto, José
contributor_str_mv Marques, Jefferson Luiz Brum
Marino Neto, José
dc.subject.classification.none.fl_str_mv Engenharia elétrica
Aprendizado do computador
Detecção de sinais
Computação ubíqua
topic Engenharia elétrica
Aprendizado do computador
Detecção de sinais
Computação ubíqua
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2020.
publishDate 2020
dc.date.issued.fl_str_mv 2020
dc.date.accessioned.fl_str_mv 2021-03-22T13:53:56Z
dc.date.available.fl_str_mv 2021-03-22T13:53:56Z
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 https://repositorio.ufsc.br/handle/123456789/221277
dc.identifier.other.none.fl_str_mv 371386
identifier_str_mv 371386
url https://repositorio.ufsc.br/handle/123456789/221277
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.format.none.fl_str_mv 133 p.| il., gráfs.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/221277/-1/PEEL2009-D.pdf
bitstream.checksum.fl_str_mv 751951a933fce3453dccb641dde79124
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv sandra.sobrera@ufsc.br
_version_ 1851759006411915264

Registros relacionados