Método de clasificación para detección de estrés empleando electroencefalograma

Simple item page
dc.audiencegeneralPublices_MX
dc.contributorCarrillo Ruíz, Maya
dc.contributorColmenares Guillen, Luis Enrique
dc.contributor.advisorCARRILLO RUIZ, MAYA; 217251
dc.contributor.advisorCOLMENARES GUILLEN, LUIS ENRIQUE; 386446
dc.contributor.authorColula Medel, Iván
dc.date.accessioned2020-08-20T14:24:40Z
dc.date.available2020-08-20T14:24:40Z
dc.date.issued2018-12
dc.description.abstract“La presente investigación tuvo como objetivo desarrollar e implementar un m´etodo para detección de estr´es empleando electroencefalograma. Para lograrlo se tomó el Electroencefalograma (EEG) a 25 participantes con la diadema Emotiv Epoc plus. Adem´as, a dichos participantes, se les aplicó el test “Escala de Estr´es Percibido”(PSS), que mide el estrés general. Los participantes fueron estudiantes Universitarios de la Benemérita Universidad Auto´noma de Puebla con una edad promedio de 24 an˜os. Una vez obtenidas las señales EEGs de cada participante se analizaron con un software desarrollado en matlab. El software implementa tres fami- lias wavelet: coiflet, Daubichies y biorthogonal. Posteriormente se tomaron los coeficientes wavelet que corresponden a las frecuencias beta, pues el estr´es se produce a frecuencias altas de las ondas beta. Dichos coeficientes se eti- quetaron de acuerdo a los resultados obtenidos por el test PSS en dos clases: estr´es bajo y estr´es alto. Ya etiquetados los coeficientes se clasificaron utili- zando weka y los siguientes algoritmos de aprendizaje autom´atico: m´aquinas de soporte vectorial (SVM), random forest y naive bayes . Los mejores resultados se obtuvieron utilizando coiflet de orden 1 para descomponer las sen˜al y random forest para la clasificaci´on, obteniendo un70.25 % de preciso.”es_MX
dc.folio747818TLes_MX
dc.formatpdfes_MX
dc.identifier.urihttps://hdl.handle.net/20.500.12371/7257
dc.language.isospaes_MX
dc.matricula.creator201041500es_MX
dc.publisherBenemérita Universidad Autónoma de Pueblaes_MX
dc.rights.accesopenAccesses_MX
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0es_MX
dc.subject.lccBenemérita Universidad Autónoma de Pueblaes_MX
dc.subject.lccEstrés (Fisiología)--Investigaciónes_MX
dc.subject.lccEstrés (Psicología)es_MX
dc.subject.lccElectroencefalografía--Investigaciónes_MX
dc.subject.lccElectroencefalografía--Procesamiento de datoses_MX
dc.subject.lccSoftware de aplicación--Desarrolloes_MX
dc.subject.lccTren de ondas (Matemáticas)--Softwarees_MX
dc.thesis.careerLicenciatura en Ciencias de la Computaciónes_MX
dc.thesis.degreedisciplineÁrea de Ingeniería y Ciencias Exactases_MX
dc.thesis.degreegrantorFacultad de Ciencias de la Computaciónes_MX
dc.thesis.degreetoobtainIngeniero (a) en Ciencias de la Computaciónes_MX
dc.titleMétodo de clasificación para detección de estrés empleando electroencefalogramaes_MX
dc.typeTesis de licenciaturaes_MX
dc.type.conacytbachelorThesises_MX
dc.type.degreeLicenciaturaes_MX
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
747818TL.pdf
Size:
1.33 MB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Now showing 1 - 1 of 1
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Tesis de Licenciatura