Tesis profesional presentada por
Licenciatura en Ingeniería Mecatrónica. Departamento de Computación, Electrónica y Mecatrónica. Escuela de Ingeniería, Universidad de las Américas Puebla.
Jurado Calificador
Presidente: Dr. José Luis Zechinelli
Martini
Secretario y Director: Dr. Gibrán
Etcheverry Doger
Vocal: Dr. Vicente Alarcón Aquino
Cholula, Puebla, México a 15 de mayo de 2015.
El objetivo de este trabajo fue desarrollar una nueva metodología que, aprovechando las características no lineales presentes en los llantos de niños recen nacidos; fuera capaz de clasificar con mayor precisión un nuevo llanto de entrada en tres categorías diferentes: normales, asfixia y sordera. Así mismo dentro de la categoría 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...
Palabras clave: AdaBoost, análisis de llantos, machine learning, ARMA, Volterra.
Agradecimientos (archivo pdf, 46 kb)
Capítulo 1. Introducción (archivo pdf, 119 kb)
Capítulo 2. Características No Lineales del Llanto (archivo pdf, 225 kb)
Capítulo 3. Clasificadores Débiles - AdaBoost (archivo pdf, 231 kb)
Capítulo 4. Validación de Características mediante AdaBoost (archivo pdf, 275 kb)
Capítulo 5. Estadísticas KDA (Kernel Discriminant Analysis) (archivo pdf, 72 kb)
Capítulo 6. Conclusiones (archivo pdf, 68 kb)
Morales Sánchez, A. A. 2015. Uso de características no lineales para identificar llantos de recién nacidos con un conjunto clasificador. Tesis Licenciatura. Ingeniería Mecatrónica. Departamento de Computación, Electrónica y Mecatrónica, Escuela de Ingeniería, Universidad de las Américas Puebla. Mayo. Derechos Reservados © 2015.