Exploração de Características Analíticas para Classificadores Automáticos de Áudio através de Otimização Multiobjetivo

Ano: 
2016
Nome do autor: 
JOSÉ ANTONIO ALVES DE MENEZES
Resumo: 
A escolha de características de áudio sempre foi um tema de bastante interesse entre os especialistas em classificação automática de sons, que veem nessa etapa do processo a parte talvez mais importante dos esforços em resolver problemas de classificação. É nesse sentido que surgem técnicas de Feature Learning com o intuito de conceber novas características que se adequem ao modelo de classificação. Entretanto essas técnicas em geral independem de domínio de conhecimento, podendo ser aplicadas nos mais diversos tipos de dados. Contudo abordagens dependentes de domínio inferem um tipo de conhecimento restrito ao campo que se estuda. Nesse sentido o áudio constitui um campo com possibilidade para Feature Learning que utilize conhecimento específico desse campo. Muitas são as técnicas que procuram melhorar o desempenho da geração de novas características acústicas, dentre elas se destaca aquela que utiliza algoritmos evolucionários para explorar um espaço analítico de funções. Entretanto, os esforços dispendidos até então deixam espaço para melhoras. O intuito desse trabalho é propor e avaliar uma alternativa multiobjetivo para a exploração de características analíticas de áudio. Além do método, que por si já contribui para o intuito, foram organizados experimentos para validação do mesmo através da provação de um protótipo computacional que implementasse a solução proposta. Ao fim foi constatado a efetividade do modelo e a garantia de que ainda há espaços para melhora no segmento escolhido.
Abstract: 
To choice audio features has been a very interesting theme for audio classification experts. They have seen that this process is probably the most important effort to solve the classification problem. In this sense, surge techniques of Feature Learning for generate new features more suitable for classification model than conventional features. However, these techniques generally do not depend on knowledge domain and they can apply in various types of raw data. However, less agnostic approaches learn a type of knowledge restricted to the area studded. The audio data requires a specific knowledge type. There are many techniques that seek to improve the performance of the new generation of acoustic characteristics, among which stands the technique that use evolutionary algorithms to explore analytical space of function. However, the efforts made leave opportunities for improvement. The purpose of this work is to propose and evaluate a multi-objective alternative to the exploitation of analytical characteristics of audio. In addition, experiments were arranged to be validated the method, with the help a computational prototype that implemented the proposed solution. After it was found the effectiveness of the model and ensuring that there is still opportunity for improvement in the chosen segment.
Orientador: 
GIORDANO RIBEIRO EULÁLIO CABRAL
Data da defesa: 
quarta-feira, 31 Agosto, 2016