tema_matlab.m

% Tema PS 2020
% Autor: Andrei Nicolicioiu

clear all
close all

% [audio_train,labels_train, audio_test,labels_test] = load_data();
load('data.mat')

% calculam vectorii de trasaturi pentru fiecare fisier din datasetul de train si de  test
% get_features primeste toate sunetele din set date intr-o matrice
% de dimensiune Dimensiune_dataset x Numaresults_esantioane si returnează toate
% featurile acestor sunete intr-o matrice de dimensiune Numaresults_sunete x (2*M)

% TODO: calculati featurile folosind un set de M filtre Gabor
% method == 0: folositi metoda de la subpunctul 4 pentru filtrare
% method == 1: folositi metoda de la subpunctul 5 pentru filtrare
% plot_figs == true afisati figurile cerute in tema

method = 1;
plot_figs = false;

[filters, feat_train] = get_features(audio_train, fs, method, plot_figs);
[filters, feat_test] = get_features(audio_test, fs, method, plot_figs);

% antrenam un clasificator
lda=fitcdiscr(feat_train,labels_train,'discrimType','pseudoLinear' );

% prezicem clasele pentru datasetul de train si de test
results_train = predict(lda,feat_train);
results_test = predict(lda,feat_test);


% calculam acuratetea pe train si test
acc_test  = mean(results_test(:) == labels_test(:));
acc_train = mean(results_train(:) == labels_train(:));

sprintf('Accuracy on train: %0.2f', acc_train)
sprintf('Accuracy on test: %0.2f', acc_test)


% TODO: verificati calitativ cateva exemple din setul de test.
% comparati clasa corecta si clasa presiza cu sunetul auzit

% alegem random un fisier audio si verificam daca am clasificat corect
labels_name = {'Dog';'Rooster'; 'Rain' ; 'Waves';'Fire';'Baby';'Sneezing';'Clock';'Helicopter';'Chainsow'};
labels_name = string(labels_name);

r = round(rand() * 100);
sound(audio_test(:,r),fs);
sprintf('Clasa corecta: %s', labels_name(labels_test(r)))
sprintf('Clasa prezisa: %s', labels_name(results_test(r)))