- Avrupa Bilim ve Teknoloji Dergisi
- Issue: 27
- Bebek Ağlamalarının Makine Öğrenmesi Yöntemleriyle Sınıflandırılması
Bebek Ağlamalarının Makine Öğrenmesi Yöntemleriyle Sınıflandırılması
Authors : Bengisu Şeyda Kop, Levent Bayindir
Pages : 784-791
Doi:10.31590/ejosat.979526
View : 15 | Download : 12
Publication Date : 2021-11-30
Article Type : Research
Abstract :Bu çalışmada bebek ağlama seslerinden yararlanılarak, bebeklerin ihtiyaçlarını belirleyebilmek ve herhangi bir hastalığa maruz olup olmadıklarını öğrenmek için çeşitli makine öğrenmesi yöntemleri kullanılmıştır. Bebek ağlama sesleri için iki farklı veri kümesinden yararlanılmıştır. Veri kümeleri eğitim, öğrenme ve test aşamalarından geçtikten sonra ağlama türünün bulunması hedeflenmiştir. Ağlama seslerinin özniteliklerini çıkarmak için Mel Frekans Kepstrum Katsayıları (MFCC) ve Doğrusal Öngörü Kepstrum Katsayıları (LPCC) yöntemleri karşılaştırılmış ve MFCC yönteminin doğruluğu arttırmada LPCC’ye göre daha etkili olduğu bulunmuştur. Öznitelikleri çıkarılan ses sinyallerinin sınıflandırılma aşamasında makine öğrenme algoritmalarından k-En Yakın Komşuluk (k-NN) algoritması, Çok Katmanlı Algılayıcılar, Karar Ağacı ve Rastgele Orman algoritmaları kullanılmış ve başarı oranları karşılaştırılmıştır. Sonuçta MFCC ve Çok Katmanlı Algılayıcılar yöntemi kullanılarak %93 başarı oranı bulunmuştur.Keywords : Bebek ağlaması sınıflandırma, Makine öğrenmesi, MFCC, LPCC