Streszczenie:
Celem niniejszej pracy było stworzenie systemu pozwalającego na odróżnienie głosu zdrowego od patologicznego dla danych pochodzących z bazy foniatrycznej. Baza ta zawiera nagrania około 400 osób objętych chorobami głosu. Została ona dokładnie przefiltrowana i przetworzona, tak aby mogła służyć do dalszych badań. Nagrania zostały poddane procesowi odszumiania. Anotacje ocen perceptualnych ekspertów, którzy ocenili nagrania w bazie, zostały zbadane pod względem zgodności. Dla każdego nagrania wyliczono parametr AVQI, służący do oceny jakości głosu, oraz sprawdzono jego korelację z parametrami perceptualnymi i akustycznymi. Sprawdzono, czy ocena perceptualna RBH jest wiarygodną metodą rozpoznawania zmian w głosie. Za pomocą repozytorium COVAREP wyliczono parametry akustyczne dla nagrań, sprawdzono, czy nadają się do rozpoznawania zmian w głosie oraz wykorzystano je do przeprowadzenia klasyfikacji głosu. Do eksperymentów użyto klasyfikatorów takich jak: Naive Bayes, drzewo decyzyjne, algorytm k-NN, Support Vector Machine, logistyczny model drzewa.
