Representaciones de disimilitudes orientadas a la clasificación de señales variantes en el tiempo

Abstract

En los espacios vectoriales que se usan en reconocimiento de patrones, los objetos son puntos que se ubican de acuerdo a sus correspondientes coordenadas. El enfoque de representación de objetos en espacios basados en disimilitudes es una alternativa a la representación en espacios vectoriales de características. Los espacios basados en disimilitudes fueron planteados con la intención de llevar a cabo tareas de clasificación en espacios vectoriales donde las relaciones entre los objetos estén bien representadas. En este trabajo se desarrolla un estudio sobre la representación de señales variantes en el tiempo en estos espacios. Se estudian y plantean diferentes métodos para la estimación de disimilitudes entre señales, desde transformaciones a representaciones de longitudes fijas, en donde la estimación de una distancia es más sencilla, hasta comparaciones entre representaciones de dimensiones variables. En esta última situación se requieren procesos más elaborados y se consideran dos enfoques: la conversión de las representaciones a secuencias con el objetivo de usar distancias basadas en alineación, edición de caracteres o modelado de secuencias; y la comparación directa entre las representaciones de dimensiones distintas. Los métodos planteados se prueban experimentalmente con diferentes conjuntos de datos que corresponden a datos artificiales de características dinámicas y datos reales que incluyen secuencias biológicas, señales de audio y señales sísmicas / Abstract: In vector spaces used in pattern recognition, objects are points located according to their axis coordinates. The dissimilarity-based approach for classification was proposed to develop classification tasks in vector spaces where relationships between objects are well represented. This study is about the representation of time-varying signals in dissimilarity spaces. Several methods are studied and raised for the estimation of dissimilarities between signals: from transforms to representations of fixed lengths, where the estimation of distances is simple, to comparisons between representations of variable dimensions, where it is necessary to apply more elaborated procedures. In the latter case, two approaches were considered: conversion from representations to sequences with the aim of using alignment-based distances, edition or sequence modeling; and the direct comparison between representations of variable dimensions. Proposed methods are experimentally tested with a number of artificial datasets having dynamical features and real datasets including biological sequences, audio and seismic signals.