Buscar


Mostrar el registro sencillo del ítem

dc.rights.license http://creativecommons.org/licenses/by-nc-nd/4.0 es_ES
dc.contributor Juvenal Rodríguez Reséndiz es_ES
dc.creator Diana Carolina Toledo Pérez es_ES
dc.date 2022-06-16
dc.date.accessioned 2021-05-18T16:40:32Z
dc.date.available 2021-05-18T16:40:32Z
dc.date.issued 2022-06-16
dc.identifier.uri http://ri-ng.uaq.mx/handle/123456789/2884
dc.description "En este trabajo de investigación se realiza la clasificación de señales mioeléctricas, utilizando un algoritmo a través de máquinas de soporte vectorial. El objetivo de esta clasificación es que, en trabajos posteriores, el resultado de la clasificación se utilice en el accionamiento de prótesis que se encuentren debajo de la rodilla. Para el desarrollo de la investigación se diseñaron y elaboraron tarjetas de adquisición de señales de electromiografía, las cuales envían las señales obtenidas a la PC. Con éstas se conformó una base de datos, con la cual se hicieron las pruebas de clasificación. Para el pretratamiento, las señales son filtradas y posteriormente se les hace una extracción de características, para formar el vector de entrada al algoritmo. En una primera etapa, se realizó una comparativa de canales, con la finalidad de conocer si los cuatro canales utilizados son necesarios para obtener una mejor clasificación. Sin embargo, se encontró que uno de los músculos no tiene suficiente relevancia. Luego se analizaron diferentes algoritmos de selección de características, encontrando que el más efectivo es el Relief. Después se implementaron diferentes algoritmos de reducción de características, y se eligió implementar un análisis de componentes principales. Más adelante, se realizaron comparaciones entre los resultados de la clasificación obtenidos con diferentes kernels, cuyos resultados arrojaron que el kernel lineal es el más útil al clasificar las señales de electromiografía obtenidas. Los parámetros usados para comparar el algoritmo fueron eficiencia, precisión, sensibilidad y especificidad. Para calcularlos se utilizaron matrices de confusión y se hicieron 10 diferentes pruebas. En la etapa de validación se utilizó otra base de datos utilizada en la clasificación de otra publicación, probando que el algoritmo propuesto en este trabajo de investigación es mejor. Se mejoró la clasificación desde un 2.75% hasta un 6.95%. Con las 10 pruebas realizadas al algoritmo propuesto, la especificidad promedio fue del 98%, la sensibilidad del 88%, la exactitud del 96.6% y la precisión del 87.9%." es_ES
dc.format Adobe PDF es_ES
dc.language.iso Español es_ES
dc.relation.requires Si es_ES
dc.rights En Embargo es_ES
dc.subject Clasificación de señales mioeléctricas es_ES
dc.subject Máquinas de soporte vectorial es_ES
dc.subject SVMs es_ES
dc.subject.classification INGENIERÍA Y TECNOLOGÍA es_ES
dc.title Clasificación de señales mioeléctricas a partir de SVMs para el accionamiento de una prótesis transtibial es_ES
dc.type Tesis de doctorado es_ES
dc.creator.tid ORCID es_ES
dc.contributor.tid curp es_ES
dc.creator.identificador 0000-0002-2230-6751 es_ES
dc.contributor.identificador RORJ840929HQTDSV02 es_ES
dc.contributor.role Director es_ES
dc.degree.name Doctorado en Ciencias de la Computación es_ES
dc.degree.department Facultad de Informática es_ES
dc.degree.level Doctorado es_ES


Ficheros en el ítem

Thumbnail
Nombre: RI005929.pdf
Tamaño: 1.399Mb
Formato: PDF
Ver/

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem