Resolución de problemas de detección y clasificación mediante soluciones óptimas no supervisadas

Mur Güerri, Ángel Ramiro. Resolución de problemas de detección y clasificación mediante soluciones óptimas no supervisadas . 2017. Universidad Nacional de Educación a Distancia (España). Escuela Internacional de Doctorado. Programa de Doctorado en Ingeniería de Sistemas y Control

Ficheros (Some files may be inaccessible until you login with your e-spacio credentials)
Nombre Descripción Tipo MIME Size
MUR_GUERRI_Angel_Ramiro_Tesis.pdf MUR GUERRI Angel Ramiro_Tesis.pdf application/pdf 2.58MB

Título Resolución de problemas de detección y clasificación mediante soluciones óptimas no supervisadas
Autor(es) Mur Güerri, Ángel Ramiro
Resumen El problema de la detección de eventos en una señal o serie temporal puede ser definido como un problema de clasificación no supervisada. La detección se realiza sin tener a priori conocimiento alguno sobre la naturaleza de los eventos. El problema de la clasificación no supervisada de señales puede ser tratado como un problema de clasificación de secuencias temporales. Las señales se clasifican según su comportamiento. Estas pueden tener diferente duración y sus eventos una localización temporal variable. Ambos problemas, detección y clasificación, están relacionados y, como se aborda en esta tesis, pueden ser resueltos mediante técnicas de agrupamiento de objetos o Clustering. En este trabajo se propone utilizar el Clustering para obtener una solución optima y no supervisada. La resolución de ambos problemas puede aplicarse a señales multicanal y resulta de interés en dominios tan variados como la bioingeniería, geofísica, fusión nuclear, etc. A partir de la detección de eventos en una señal, además de la clasificación de señales, se derivan otras aplicaciones. Por ejemplo, el análisis de los estados de una señal. Se entiende por estado la porción de señal entre dos eventos consecutivos. Cada estado de una señal puede analizarse mediante el estudio de sus componentes independientes. En esta tesis, se presenta un método para determinar su número óptimo de forma no supervisada.
Abstract The event detection problem in a signal or temporal series can be defined as an unsupervised classification problem. The detection is performed without any prior knowledge about the nature of the events. The unsupervised classification problem of signals can be managed as a classification problem of temporal sequences. The signals are classified according to their behavior. These can have different duration and their events an uncertain temporal location. Both problems, detection and classification, are linked and, as addressed in this thesis, they can be solved through grouping techniques of objects or Clustering. In this work, it is proposed to use Clustering to obtain an unsupervised optimal solution. The solutions to both problems can be applied to multichannel signals and it is interesting in different fields as diverse as bioengineering, geophysics, nuclear fusion, etc. Thanks to event detection in a signal, in addition to the signal classification, other applications arise. For example, the analysis of states in a signal. A state is the signal portion between two consecutive events. Each state of a signal can be analysed by means of its independent components. In this thesis, a method to determine its optimal number in an unsupervised way is presented.
Materia(s) Ingeniería Informática
Editor(es) Universidad Nacional de Educación a Distancia (España). Escuela Internacional de Doctorado. Programa de Doctorado en Ingeniería de Sistemas y Control
Director de tesis Dormido Canto, Raquel
Duro Carralero, Natividad
Fecha 2017-05-17
Formato application/pdf
Identificador tesisuned:ED-Pg-IngSisCon-Armur
http://e-spacio.uned.es/fez/view/tesisuned:ED-Pg-IngSisCon-Armur
Idioma spa
Versión de la publicación acceptedVersion
Nivel de acceso y licencia http://creativecommons.org/licenses/by-nc-nd/4.0
info:eu-repo/semantics/openAccess
Tipo de recurso Thesis
Tipo de acceso Acceso abierto

 
Versiones
Versión Tipo de filtro
Contador de citas: Google Scholar Search Google Scholar
Estadísticas de acceso: 571 Visitas, 683 Descargas  -  Estadísticas en detalle
Creado: Mon, 07 May 2018, 18:28:01 CET