Biometric system based on electroencephalogram analysis / Dustin Javier Carrión Ojeda ; tutor Israel Gustavo Pineda Arias y Rigoberto Salomón Fonseca Delgado
Tipo de material:
TextoIdioma: Inglés Idioma del resumen: Español Fecha de copyright: Urcuquí, 2020Descripción: 96 hojas : ilustraciones (algunas a color) ; 30 cm + 1 CD-ROMTema(s): Recursos en línea: Nota de disertación: Trabajo de integración curricular (Ingeniero/a en Tecnologías de la Información) Universidad de Investigación de Tecnología Experimental Yachay. Urcuquí, 2020 Resumen: Actualmente la búsqueda de nuevos rasgos biométricos es una necesidad debido a que los rasgos tradicionales como huella dactilar, voz o rostro, son altamente propensos a falsificaciones. Por tal motivo, el estudio de señales bioeléctricas llama la atención por su potencial para desarrollar sistemas biométricos. Una motivación para utilizar señales electroencefalográficas es que son únicas para cada persona y son mucho más difíciles de replicar que los biométricos convencionales. El presente estudio está enfocado en el desarrollo de un sistema biométrico basado en el análisis de electroencefalogramas (EEG). Empleando seis clasificadores distintos: Clasificador ingenuo de Bayes (GNB), K-vecinos más cercanos (KNN), Bosque aleatorio (RF), AdaBoost (AB), Máquina de vectores de soporte (SVM) y Perceptrón multicapa (MLP); se realizó una comparación entre diferentes niveles de descomposición de la transformada discreta de ondícula, utilizada como método de preprocesamiento. Demostrando que el nivel de descomposición no posee un gran impacto sobre el resultado general del sistema. Posteriormente se analizó el efecto del tiempo de grabación de los EEGs sobre el desempeño del sistema, probando que este tiempo es un factor altamente influyente del desempeño general. Cabe mencionar que, durante este estudio, se utilizaron dos conjuntos de datos distintos. Finalmente, SVM y AB fueron los mejores clasificadores ya que obtuvieron valores de sensibilidad, especificidad y precisión superiores a 95%.
| Tipo de ítem | Biblioteca actual | Signatura | Copia número | Estado | Fecha de vencimiento | Código de barras | Reserva de ítems | |
|---|---|---|---|---|---|---|---|---|
Tesis
|
Biblioteca Yachay Tech | ECMC0039 (Navegar estantería(Abre debajo)) | 1 | No para préstamo | T000092 |
Trabajo de integración curricular (Ingeniero/a en Tecnologías de la Información) Universidad de Investigación de Tecnología Experimental Yachay. Urcuquí, 2020
Incluye referencias bibliográficas (páginas 71-86)
Trabajo de integración curricular con acceso abierto
Texto (Hypertexto Links)
Actualmente la búsqueda de nuevos rasgos biométricos es una necesidad debido a que los rasgos tradicionales como huella dactilar, voz o rostro, son altamente propensos a falsificaciones. Por tal motivo, el estudio de señales bioeléctricas llama la atención por su potencial para desarrollar sistemas biométricos. Una motivación para utilizar señales electroencefalográficas es que son únicas para cada persona y son mucho más difíciles de replicar que los biométricos convencionales. El presente estudio está enfocado en el desarrollo de un sistema biométrico basado en el análisis de electroencefalogramas (EEG). Empleando seis clasificadores distintos: Clasificador ingenuo de Bayes (GNB), K-vecinos más cercanos (KNN), Bosque aleatorio (RF), AdaBoost (AB), Máquina de vectores de soporte (SVM) y Perceptrón multicapa (MLP); se realizó una comparación entre diferentes niveles de descomposición de la transformada discreta de ondícula, utilizada como método de preprocesamiento. Demostrando que el nivel de descomposición no posee un gran impacto sobre el resultado general del sistema. Posteriormente se analizó el efecto del tiempo de grabación de los EEGs sobre el desempeño del sistema, probando que este tiempo es un factor altamente influyente del desempeño general. Cabe mencionar que, durante este estudio, se utilizaron dos conjuntos de datos distintos. Finalmente, SVM y AB fueron los mejores clasificadores ya que obtuvieron valores de sensibilidad, especificidad y precisión superiores a 95%.
Textos en inglés con resúmenes en español e inglés
No hay comentarios en este titulo.