Resumen- Uso de características no lineales para identificar llantos de recién nacidos con un conjunto clasificador - Departamento de Computación, Electrónica y Mecatrónica.Report as inadecuate




Resumen- Uso de características no lineales para identificar llantos de recién nacidos con un conjunto clasificador - Departamento de Computación, Electrónica y Mecatrónica. - Download this document for free, or read online. Document in PDF available to download.

Resumen- Uso de características no lineales para identificar llantos de recién nacidos con un conjunto clasificador - Departamento de Computación, Electrónica y Mecatrónica. - Licenciatura en Ingeniería Mecatrónica. - Escuela de Ingeniería - Universidad de las Américas Puebla.

Author: Morales Sánchez, Alberto Alejandro

Source: http://catarina.udlap.mx/


Teaser



Resumen El objetivo de este trabajo fue desarrollar una nueva metodologı́a que, aprovechando las caracterı́sticas no lineales presentes en los llantos de niños recién nacidos; fuera capaz de clasificar con mayor precisión un nuevo llanto de entrada en tres categorı́as diferentes: normales, asfixia y sordera.Ası́ mismo dentro de la categorı́a de llantos normales se encuentran dos tipos de llantos, los cuales son hambre y dolor. Para realizar esto, se investigó acerca del estado de arte actual de este problema, con la información obtenida se seleccionó una estructura ARMA (Autoregressive Moving Average) para poder obtener las caracterı́sticas lineales de cada llanto.
Posteriormente se utilizó un modelo NARMA (Non-linear ARMA) basado en las series de Volterra para adquirir las caracterı́sticas no lineales y un algoritmo boosting que, trabajando en conjunto con un árbol de decisión; clasifica los llantos en las diferentes categorı́as previamente descritas.
Cabe destacar que los algoritmos seleccionados fueron implementados en MATLAB para hacer las pruebas pertinentes. Finalmente se incluyen en este reporte, los resultados obtenidos al realizar las pruebas de clasificación para los 5 tipos de llantos contenidos en la base de datos utilizada, ası́ como la metodologı́a que se siguió durante el desarrollo de las pruebas. IV Estos resultados muestran al incluir las caracterı́sticas no lineales en la etapa de clasificación se obtiene un incremento de 1 % a 3 % en el porcentaje de clasificación.
Sin embargo, se podrı́a alcanzar un porcentaje mayor, inclusive llegar al 100 % de precisión; si se utilizarán métodos de extracción diferentes o un método de clasificación más adaptado al tipo de caracterı́sticas que se utilizaron en este trabajo. V ...






Related documents