Please use this identifier to cite or link to this item: http://bibdigital.epn.edu.ec/handle/15000/21761
Title: Evolución de un método basado en símbolos para clasificar series temporales usando minería de datos.
Authors: Galarza Parra, Sandra Elizabeth
Keywords: APRENDIZAJE DE MÁQUINA
MINERÍA DE DATOS
Issue Date: 29-Jul-2021
Publisher: Quito, 2021
Citation: Galarza Parra, S. E. (2021). Evolución de un método basado en símbolos para clasificar series temporales usando minería de datos. 102 hojas. Quito : EPN.
Abstract: The diagnostic analysis of pathologies related to the auditory system evaluated with brainstem auditory evoked potentials (BAEPs) has been performed manually by the specialist. To make up for the lack of automatic processes for the evaluation of BAEPs, a symbol-based method, Symbolic Pattern-based Classification (SPC), was proposed to support the diagnosis of the mentioned pathologies, which is based on the analysis of BAEPs converted into symbolic time series. In the present research, the algorithm for the numerical to symbolic transformation was modified using cubic splines to smooth the time series by eliminating the residual noise in the taking of these tests and the symbolic time series classification algorithm. our classification method gave very promising results: 99.4% accuracy, 97.8% sensitivity and 100% specificity, which are very similar to the results obtained with the original method, however the execution time of the implemented algorithms are much better than that of the original ones.
Description: El análisis del diagnóstico de patologías relacionados con el sistema auditivo evaluados con potenciales evocados auditivos de tronco cerebral (PEATC), se ha realizado por el especialista de forma manual. Para suplir la falta de procesos automáticos de evaluación de los PEATC, se propuso un método basado en símbolos, Symbolic Pattern-based Classification (SPC), para soportar el diagnóstico de las patologías mencionadas, que se basa en el análisis de los PEATC convertidos en series temporales simbólicas. En el presente trabajo se modificó el algoritmo para la transformación numérica a simbólica utilizando splines cúbicos para suavizar las series temporales eliminando el ruido residual en la toma de estas pruebas y el algoritmo de clasificación series temporales simbólicas. El método de clasificación proporcionó resultados muy alentadores: una exactitud de 99.4%, sensibilidad de 97.8% y especificidad del 100%, los cuales son muy similares a los obtenidos con el método original, sin embargo, el tiempo de ejecución de los algoritmos implementados supera con mucho al de los originales.
URI: http://bibdigital.epn.edu.ec/handle/15000/21761
Appears in Collections:Tesis Maestría en Ciencias de la Computación y Comercio Electrónico (FIS)

Files in This Item:
File Description SizeFormat 
CD 11244.pdf23,56 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.