@MASTERSTHESIS{ 2012:647931391,
 	title = {Uma abordagem para classificação de anuros baseada em vocalizações},
 	year = {2012},
 	url = "http://tede.ufam.edu.br/handle/tede/2964",
 	abstract = "O monitoramento de animais selvagens é frequentemente usado por biólogos para cole-
 tar informações a cerca dos animais e seus habitats. Neste contexto, os sons produzidos
 pelos animais oferecem uma impressão biométrica que pode ser usada para classificar os
 animais em uma dada região. Assim, Redes de Sensores Sem Fio (RSSFs) representam
 uma importante alternativa para a classificação automática de animais, baseando-se
 nos sons por eles produzidos. Neste trabalho, apresentamos uma solução, que usa
 aprendizagem de máquina e processamento de sinais, para classificar animais selva-
 gens com base em suas vocalizações. Como prova-de-conceito, aplicamos a solução
 para classificar anuros. O motivo é que anuros já são utilizados por biólogos como
 indicador precoce de estresse ecológico, oferecendo informação a cerca de ecossistemas
 terrestre e aquático. Além disso, a solução deve considerar as limitações de RSSFs,
 buscando reduzir a carga de comunicação para prolongar o tempo de vida da rede.
 Portanto, representamos os sinais acústicos por conjuntos de características. Esta re-
 presentação nos permite identificar padrões específicos que descrevem cada uma das
 espécies monitoradas, reduzindo, assim, o volume de informação a ser trafegado na
 rede. A identificação destas características, ou combinações delas, é um ponto chave
 para aprimorar a relação custo-benefício da solução. Em nossa análise, primeiramente
 comparamos os conjuntos de características temporais e espectrais, usando a entropia
 como critério para geração das combinações. A seguir, reduzimos o conjunto de ca-
 racterísticas, usando algoritmos genéticos. O framework proposto contém três passos:
 (i) pré-processamento, para preparar os sinais e extrair unidades chamadas sílabas; (ii)
 extração de características; e (iii) classificação, usando k-NN ou SVM. Os experimentos
 consistem de quatro estudos de casos, avaliando o efeito da quantização e o número de
 bits usados para representar o sinal quantizado. Isto nos permite concluir que, para
 os cenários avaliados, o conjunto de coeficientes Mel é o mais adequado para classificar
 vocalizações de anuros.",
 	publisher = {Universidade Federal do Amazonas},
 	scholl = {Programa de Pós-graduação em Informática},
 	note = {Instituto de Computação}
}