Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Journal of Computer Sciences Institute

1 2023

Powiadomienia systemowe

Sesja wygasła!

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: audio cough

Sortuj według:

Ogranicz wyniki do:

Comparison of Machine Learning Algorithms on Classification of Covid-19 Cough Sounds Using MFCC Extraction

Faisal Mohammad Reza, Hidayat Muhammad Thoriq, Kartini Dwi, Indriani Fatma, Budiman Irwan, Saragih Triando Hamonangan

Journal of Computer Sciences Institute

2023

Vol. 29

399--404

Early detection for COVID-19 has now been widely developed. One of the methods used is cough audio detection. This research aims to classify cough audio. Audio feature extraction is performed using MFCC to obtain numerical features. Feature classification is done using SVM, Random Forest, and Naive Bayes methods. Evaluation is done to find the best classification method. The evaluation results in this study show that SVM Kernel RBF produces the best evaluation value with an AUC value of 0.657715.

Wczesne wykrywanie COVID-19 zostało obecnie szeroko opracowane. Jedną z zastosowanych method jest wykrywanie dźwięku kaszlu. Badania te mają na celu klasyfikację dźwięku kaszlu. Ekstrakcję próbek audio wykonano przy użyciu Mel Frequency Cepstral Coefficients (MFCC) w celu uzyskania cech numerycznych. Klasyfikacja cech odbywa się przy użyciu metod SVM, Random Forest i Naive Bayes. Wyniki oceny w tym badaniu pokazują, że SVM Kernel RBF daje najlepszą wartość oceny z wartością AUC wynoszącą 0.657715.