Look-up in Google Scholar
Full metadata record
Ibarra Zambrano, Waldo Elio
Quispe Onofre, Carlos Ramon
2019-11-05T20:42:31Z
2019-11-05T20:42:31Z
2019-11-05T20:42:31Z
2019-11-05T20:42:31Z
2019
M-11/003/2019
253T20191143
http://hdl.handle.net/20.500.12918/4633
El presente trabajo busca determinar la eficiencia de algoritmos de clasificación para analizar señales de electroencefalogramas de movimiento imaginario. Para este objetivo se compararon los resultados de exactitud de los algoritmos de clasificación J48, Naive Bayes, Secuencia Mínima óptima (SMO) y el análisis lineal discriminante (LDA) por ser estos los más utilizados en las diferentes investigaciones consultadas. Los métodos para clasificar señales de electroencefalogramas son: Adquisición de datos, pre procesamiento de datos, extracción de características, selección de características y la clasificación propiamente dicha. El conjunto de datos se obtuvo del III BCI Competition, que es un conjunto de datos públicos sobre electroencefalogramas de movimiento imaginario hacia la derecha y hacia la izquierda. Para el pre procesamiento se determinó que el tiempo de intensión de movimiento debe de estar entre el segundo 4 a 7 y que solo se utilizarían los electrodos C3 y C4, ya que los resultados con Cz no son significativos. Para la extracción de características se utilizó la transformada discreta de wavelet; que permitió descomponer la señal de los electroencefalogramas dentro de los rangos de las ondas alfa y beta, que son las encargadas de la intensión motora en el cerebro. En la selección de características se consideró tres estadísticos como son: potencia promedio, valor medio absoluto, varianza, junto con sus combinaciones; Cada una de estas fue clasificada mediante los algoritmos J48, Naive Bayes, SMO y LDA. De los algoritmos seleccionados el que tuvo mejor eficiencia fue el LDA con un 88.57%, seguido del SMO con un 87.86%. También se obtuvo un 0.7143 de concordancia en el estadístico Kappa. (es_PE)
Tesis
application/pdf (en_US)
spa (es_PE)
Universidad Nacional de San Antonio Abad del Cusco (es_PE)
info:eu-repo/semantics/openAccess (en_US)
http://creativecommons.org/licenses/by-nc-nd/4.0 (*)
Repositorio Institucional - UNSAAC (es_PE)
Universidad Nacional de San Antonio Abad del Cusco (es_PE)
Transformada Discreta de Wavelet (es_PE)
Naive Bayes (es_PE)
Brain computer Interface (BCI) (es_PE)
Electroencefalograma (es_PE)
J48 (es_PE)
Determinar la eficiencia de algoritmos de clasificación para analizar señales de electroencefalogramas de movimiento imaginario y proponer un prototipo de software interactivo cerebro computador (es_PE)
info:eu-repo/semantics/masterThesis
Universidad Nacional de San Antonio Abad del Cusco. Escuela de Posgrado
Maestría en Ciencias mención Informática
Maestría
Maestro en Ciencias mención Informática
PE
http://purl.org/pe-repo/ocde/ford#2.02.04
http://purl.org/pe-repo/renati/nivel#maestro
23805872
https://orcid.org/0000-0003-0620-4656
611027
http://purl.org/pe-repo/renati/type#tesis
Pública



This item is licensed under a Creative Commons License Creative Commons