Teses e Dissertações (BDTD USP - IFSC)

URI permanente para esta coleçãohttp://143.107.180.6:4000/handle/RIIFSC/9

Navegar

Filtros

2011 - 20142

Configurações

Assunto: search.filters.subject.Máquinas de vetores de suporte

Resultados da Pesquisa

Agora exibindo 1 - 2 de 2
  • Nenhuma Miniatura Disponível
    Item
    Reconhecimento de assinaturas baseado em seus ruídos caligráficos
    (2014-04-14) Escola, João Paulo Lemos
    A biometria é o processo de reconhecimento dos seres vivos baseado em suas características fisiológicas ou comportamentais. Existem atualmente diversos métodos biométricos e a assinatura em papel é uma das técnicas de mensuração comportamental mais antigas. Por meio do processamento de sinais de áudio, é possível realizar o reconhecimento de padrões dos ruídos emitidos pela caneta ao assinar. Com o objetivo de aumentar o grau de sucesso ao validar a assinatura realizada por uma pessoa, este trabalho propõe uma técnica baseada em um algoritmo que combina Máquinas de Vetores de Suporte (SVMs), treinadas com o uso de um procedimento de aprendizado semi-supervisionado, alimentadas por um conjunto de parâmetros obtidos com o uso da Transformada Wavelet Discreta do sinal de áudio do ruído emitido pela caneta ao assinar sobre uma superfície rígida. Os testes realizados com uma base de dados de assinaturas reais, testando diversos filtros wavelet, demonstram a eficácia da técnica proposta.
  • Nenhuma Miniatura Disponível
    Item
    Detecção inteligente de patologias na laringe baseada em máquinas de vetores de suporte e na transformada wavelet
    (2011-04-15) Souza, Leonardo Mendes de
    A detecção de patologias na laringe tem ocorrido basicamente por meio de diagnósticos médicos apoiados em videolaringoscopia, que é considerado um procedimento invasivo e causa certo deconforto ao paciente. Além disso, esse tipo de exame é realizado com solicitação médica e apenas quando as alterações na fala já são marcantes ou estão causando dor. Nesse ponto, muitas vezes a doença já está em grau avançado, dificultando o seu tratamento. Com o objetivo de realizar um pré-diagnóstico de tais patologias, este trabalho propõe uma técnica não invasiva baseada em um novo algoritmo que combina duas Máquinas de Vetores de Suporte, treinadas com o uso de um procedimento de aprendizado semi-supervisionado, alimentadas por um conjunto de parâmetros obtidos com o uso da Transformada Wavelet Discreta do sinal de voz do locutor. Os testes realizados com uma base de dados de vozes normais e afetadas por diversas patologias demonstram a eficácia da técnica proposta que pode, inclusive, ser implementada em tempo-real.