Show simple item record

dc.rights.licenseAtribución-NoComercial 4.0 Internacional
dc.contributor.advisorCastellanos Domínguez, César Germán (Thesis advisor)
dc.contributor.authorSánchez Giraldo, Luis Gonzalo
dc.date.accessioned2019-06-24T16:28:24Z
dc.date.available2019-06-24T16:28:24Z
dc.date.issued2008
dc.identifier.urihttps://repositorio.unal.edu.co/handle/unal/7059
dc.description.abstractEn este documento, se presenta una metodología para representar procesos estocásticos utilizando funciones de similitud y disimilitud. La motivación primordial para este trabajo es el desarrollo de método alternativo para clasificar datos que se desarrollan a lo largo de un argumento como el tiempo. La idea principal es realizar una inmersión de los objetos de interés sobre espacios métricos o de Hilbert por medio de relaciones entre pares de puntos. Estas relaciones se establecen mediante la aplicación de funciones de similitud y disimilitud. La idea subyacente es que tales relaciones pueden ser útiles para capturar información acerca de la dinámica intrínseca de las señales, la cual puede ser útil al momento de la clasificación. De este modo, el éxito de la clasificación depende en gran medida de la correcta escogencia de la representación. Aquí, se intenta abordar este problema, basado en un criterio de relevancia, construyendo una métrica o kernel derivado de la combinación de funciones genéricas ya existentes utilizando métodos de reducción de dimensión. La principal contribución de este trabajo es un método combinado de extracción selección de características que puede ser aplicado en el análisis de características dinámicas, la combinación de métricas o kernels y la selección de prototipos que mantiene un alto grado de generalización sobre diferentes modelos discriminativos / Abstract: Here, we present a work methodology that encompasses representation of stochastic processes by means of similarity and dissimilarity functions. The main motivation for this work is the development of alternative method for classifying data that develops along variables such as time. The main idea is to embed the interest objects onto metric and/or Hilbert spaces by means of their pairwise relations. These relations are established by using distances and similarity functions. The underlying idea is to encode the information the intrinsic dynamics of the signals are carrying about the class they belong. Therefore, the classification problem is highly dependent of the correct choice for representation. Here, we choose, based on a relevance criterion, an appropriate set of similarity or dissimilarity functions from a rather general set of already developed functions by using dimensionality reduction. The combination of such functions can be understood as a derived metric or kernel that correctly encodes the information for classification. The main contribution of this work is a combined feature extraction and selection method that can be applied to analyze dynamic features, combine metrics or kernels and select prototypes to lower the computational burden and while maintaining high generalization ability for several discriminative models.
dc.format.mimetypeapplication/pdf
dc.language.isospa
dc.relation.ispartofUniversidad Nacional de Colombia Sede Manizales Facultad de Ingeniería y Arquitectura Departamento de Ingeniería Eléctrica, Electrónica y Computación
dc.relation.ispartofDepartamento de Ingeniería Eléctrica, Electrónica y Computación
dc.rightsDerechos reservados - Universidad Nacional de Colombia
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0/
dc.subject.ddc0 Generalidades / Computer science, information and general works
dc.subject.ddc61 Ciencias médicas; Medicina / Medicine and health
dc.subject.ddc62 Ingeniería y operaciones afines / Engineering
dc.titleCharacterization of the Stochastic Dynamics of Biomedical Signals for Pathology Detection Using Similarity and Dissimilarity Representations
dc.typeTrabajo de grado - Maestría
dc.type.driverinfo:eu-repo/semantics/masterThesis
dc.type.versioninfo:eu-repo/semantics/acceptedVersion
dc.identifier.eprintshttp://bdigital.unal.edu.co/3351/
dc.description.degreelevelMaestría
dc.relation.referencesSánchez Giraldo, Luis Gonzalo (2008) Characterization of the Stochastic Dynamics of Biomedical Signals for Pathology Detection Using Similarity and Dissimilarity Representations = Caracterización de la dinámica estocástica en señales biomédicas para la detección de patologías utilizando representaciones de similitud y disimilitud. Maestría thesis, Universidad Nacional de Colombia - Sede Manizales.
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.subject.proposalStochastic Dynamics, Biomedical Signals, Sistemas de reconocimiento de modelos, Ingeniería biomédica, Procesamiento de señales, Representaciones de disimilitud
dc.title.translatedCaracterización de la dinámica estocástica en señales biomédicas para la detección de patologías utilizando representaciones de similitud y disimilitud
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.contentText
dc.type.redcolhttp://purl.org/redcol/resource_type/TM
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial 4.0 InternacionalThis work is licensed under a Creative Commons Reconocimiento-NoComercial 4.0.This document has been deposited by the author (s) under the following certificate of deposit