APLICAÇÃO DO ALGORITMO K-MEANS PARA DETECÇÃO DE PADRÕES EM DADOS VOCAIS

Abstract

A mineração de dados é uma tarefa importante quando se trata de encontrar padrões em conjuntos de dados. Esta técnica conta com o auxílio de algoritmos computacionais de análise estatística e sistema de banco de dados. Um dos principais procedimentos é a clusterização, que depende de funções provenientes de medidas de similaridade para ser executado. Neste trabalho, é apresentado o desempenho do algoritmo de particionamento K-means para separar grupos de indivíduos com lesão e sem lesão na laringe. Essa análise foi feita com base em medidas acústicas, extraídas a partir de sintomas elencados por pacientes, como autopercepção e queixas vocais. Para isso, foi utilizado um banco de dados referente ao projeto de pesquisa intitulado por Acurácia das Medidas de Análise Acústica Linear na Avaliação dos Distúrbios da Voz, desenvolvido no Laboratório Integrado de Estudos da Voz (LIEV), da Universidade Federal da Paraíba (UFPB). Neste estudo, foram incluídos pacientes com idade superior a 18 anos e inferior a 65 anos que apresentassem queixa vocal e diagnóstico laringológico prévio. Para avaliar a performance dos diferentes grupos de medidas foram calculadas algumas medidas externas: F1, índice de Rand e sua versão ajustada, como também, a medida interna, gráĄco de silhueta. Os resultados sugerem, de maneira geral, que as medidas acústicas apresentaram desempenho superior, quando comparado as medidas das Escalas Analógicas Visuais (EAV) e as Escalas de Sintomas Vocais (ESV).