Escudo de la República de Colombia
Sistema Nacional de Biliotecas - Repositorio Institucional Universidad Nacional de Colombia Biblioteca Digital - Repositorio Institucional UN Sistema Nacional de Bibliotecas UN

Máquinas de aprendizaje para clasificar señales electroencefalográficas

Angulo H., Naive and Sanz, José and Malavé G., Victor and Barrera A., Mireya and Spinetti, Heriberto and Guillén, Pablo (2009) Máquinas de aprendizaje para clasificar señales electroencefalográficas. Avances en Sistemas e Informática; Vol. 6, núm. 1 (2009); 213-218 Avances en Sistemas e Informática; Vol. 6, núm. 1 (2009); 213-218 1909-0056 1657-7663 .

Texto completo

[img]
Vista previa
PDF
485kB

URL oficial: http://revistas.unal.edu.co/index.php/avances/arti...

Resumen

Entre las múltiples técnicas computacionales que existen para conducir tareas de clasificación de datos, las máquinas de aprendizaje como las máquinas de soporte vectorial (SVM, por sus siglas en inglés) se destacan por mostrar altos niveles de eficiencia. En este trabajo se aplica un enfoque metodológico particular orientado a la discriminación de una condición patológica a partir de un conjunto de datos que representan señales electroencefalográficas (EEG), utilizando para ello la función svm de la biblioteca e1071 implantada en el programa estadístico R. La base de datos usada para el entrenamiento y validación de la SVM está constituida por un conjunto de señales EEG correspondientes a 10 sujetos sanos y 10 pacientes epilépticos (entre los que se encuentra un registro antes y durante una crisis convulsiva registrada accidentalmente en la consulta). Previo al proceso de clasificación, se aplica una técnica de la minería de datos llamada parámetros de sincronización, la cual transforma las señales EEG a unos índices estadísticos que extraen patrones e información oculta inherente en las señales. Una vez obtenidos los parámetros de sincronización, parte de éstos se emplearon para el entrenamiento y el resto para la validación de la SVM. Una eficiencia del 99% de clasificación entre sujetos sanos y pacientes epilépticos es obtenida con la metodología presentada.

Tipo de documento:Artículo - Article
Información adicional:Derechos de autor reservados
Palabras clave:Sistemas inteligentes, máquinas de aprendizaje, minería de datos, electroencefalografía, epilepsia.
Unidad administrativa:Revistas electrónicas UN > Avances en Sistemas e Informática
Código ID:18628
Enviado por : Dirección Nacional de Bibliotecas STECNICO
Enviado el día :25 Junio 2014 18:24
Ultima modificación:06 Junio 2018 10:42
Ultima modificación:06 Junio 2018 10:42
Exportar:Clic aquí
Estadísticas:Clic aquí
Compartir:

Solamente administradores del repositorio: página de control del ítem

Vicerrectoría de Investigación: Número uno en investigación
Indexado por:
Indexado por Scholar Google WorldCat DRIVER Metabiblioteca OAIster BASE BDCOL Registry of Open Access Repositories SNAAC Red de repositorios latinoamericanos eprints Open archives La referencia Tesis latinoamericanas OpenDOAR CLACSO
Este sitio web se ve mejor en Firefox