hh.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Exploring Kernels in SVM-Based Classification of Larynx Pathology from Human Voice
Kaunas University of Technology.
Kaunas University of Technology.
Kaunas University of Technology.
Högskolan i Halmstad, Akademin för informationsteknologi, Halmstad Embedded and Intelligent Systems Research (EIS), Laboratoriet för intelligenta system.ORCID-id: 0000-0003-2185-8973
Visa övriga samt affilieringar
2010 (Engelska)Ingår i: Proceedings of the 5th International Conference on Electrical and Control Technologies ECT-2010, May 6-7, 2010, Kaunas, Lithuania, Kaunas: KUT , 2010, s. 67-72Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

In this paper identification of laryngeal disorders using cepstral parameters of human voice is investigated. Mel-frequency cepstral coefficients (MFCC), extracted from audio recordings, are further approximated, using 3 strategies: sampling, averaging, and estimation. SVM and LS-SVM categorize pre-processed data into normal, nodular, and diffuse classes. Since it is a three-class problem, various combination schemes are explored.  Constructed custom kernels outperformed a popular non-linear RBF kernel. Features, estimated with GMM, and SVM kernels, designed to exploit this information, is an interesting fusion of probabilistic and discriminative models for human voice-based classification of larynx pathology.

Ort, förlag, år, upplaga, sidor
Kaunas: KUT , 2010. s. 67-72
Nyckelord [en]
Laryngeal disorder, Pathological voice, Voice processing, Mel-frequency cepstral coefficients, Sequence kernel, Principal canonical correlation, Monte-Carlo sampling, Kullback-Leibler divergence, Earth mover’s distance, GMM, SVM
Nationell ämneskategori
Datavetenskap (datalogi)
Identifikatorer
URN: urn:nbn:se:hh:diva-5961Scopus ID: 2-s2.0-84941687065OAI: oai:DiVA.org:hh-5961DiVA, id: diva2:352842
Konferens
The 5th International Conference on Electrical and Control Technologies 6-7 May 2010, Kaunas, Lithuania
Tillgänglig från: 2010-09-23 Skapad: 2010-09-22 Senast uppdaterad: 2018-09-05Bibliografiskt granskad

Open Access i DiVA

fulltext(308 kB)811 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 308 kBChecksumma SHA-512
4acd6fa1c2d20c99e6d0abfd2e293423dbdda3b6b116b7d7d32fd59d1423f6789946b72347b414126af3cc80b9bf1c2bbe85b007ec46cc3ce1a838363098ef87
Typ fulltextMimetyp application/pdf

Scopus

Person

Verikas, Antanas

Sök vidare i DiVA

Av författaren/redaktören
Verikas, Antanas
Av organisationen
Laboratoriet för intelligenta system
Datavetenskap (datalogi)

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 811 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 458 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf