Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/3506
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttp://creativecommons.org/licenses/by-nc-nd/4.0es_ES
dc.contributorJuan Pablo Amézquita Sánchezes_ES
dc.creatorOlivia Vargas Lópezes_ES
dc.date2022-03-01-
dc.date.accessioned2022-03-03T21:22:02Z-
dc.date.available2022-03-03T21:22:02Z-
dc.date.issued2022-03-01-
dc.identifierestréses_ES
dc.identifierEMGes_ES
dc.identifiermedidas estadísticases_ES
dc.identifiermáquina de soporte vectoriales_ES
dc.identifier.urihttp://ri-ng.uaq.mx/handle/123456789/3506-
dc.descriptionLas consecuencias económicas y personales derivados de los accidentes automovilísticos generan efectos negativos en la sociedad, los cuales han ido en aumento recientemente. Una de las causas que pueden generar estos accidentes de tráfico es el estrés presente en los conductores mientras van manejando sus automóviles, por ello, es fundamental desarrollar técnicas para la detección de niveles estrés en conductores automovilísticos. Las metodologías desarrolladas anteriormente son capaces de distinguir si el conductor presenta estrés o no con una mala relación efectividad y carga computacional, lo cual no permite que pueda ser implementada en tiempo real. En este trabajo, se investiga la eficiencia de indicadores estadísticos tales como moda, mediana, desviación estándar, varianza, entre otros, debido a que estos son capaces de medir cambios sutiles que se dan en una señal fisiológica como las señales electromiográficas. En este sentido, los resultados que se han obtenido con la metodología desarrollada en esta investigación mostraron que la varianza y la desviación estándar en conjunto con un clasificador de tipo máquina de soporte vectorial con un kernel cúbico son los más efectivos para la detección de estrés en conductores con una efectividad del 96%, lo cual muestra una mejora en la eficiencia, además de ser una metodología de baja carga computacional debido a que no tiene una etapa de preprocesamiento de las señal. Es importante mencionar, que las máquinas de soporte vectorial pueden ser entrenados con diferentes kernels, por lo tanto, se entrenó el clasificador con cada uno de ellos para conocer cual daba el mejor resultado utilizando como entrada los indicadores estadísticos.es_ES
dc.formatAdobe PDFes_ES
dc.language.isospaes_ES
dc.relation.requiresNoes_ES
dc.rightsAcceso Abiertoes_ES
dc.subjectINGENIERÍA Y TECNOLOGÍAes_ES
dc.subjectCIENCIAS MÉDICASes_ES
dc.subjectTECNOLOGÍA MÉDICAes_ES
dc.titleDetección de estrés en conductores automovilísticos a través de medidas estadísticas y señales electromiográficases_ES
dc.typeTesis de maestríaes_ES
dc.creator.tidcurpes_ES
dc.creator.identificadorVALO950407MQTRPL03es_ES
dc.contributor.roleDirectores_ES
dc.degree.nameMaestría en Ciencias (Mecatrónica)es_ES
dc.degree.departmentFacultad de Ingenieríaes_ES
dc.degree.levelMaestríaes_ES
Aparece en las colecciones: Maestría en Ciencias (Mecatrónica)

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
RI006538.pdf1.45 MBAdobe PDFVista previa
Visualizar/Abrir
Mostrar el registro sencillo del ítem


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.