Resumen

En los últimos años, se ha observado un creciente interés en el desarrollo de métodos discriminativos basados en representaciones dispersas con diccionarios discretos para la clasificación de señales. Aún no está claro cuál es la forma más adecuada de introducir información discriminativa en el problema de representación dispersa. También se desconoce cuál es la mejor medida de discrepancia para propósitos de clasificación. En el contexto de problemas de selección de características, se han propuesto varias medidas basadas en la complejidad. El objetivo principal de este trabajo es explorar un método que utilice dichas medidas para construir subdiccionarios discriminatorios para detectar eventos de apnea-hipopnea utilizando señales de oximetría de pulso. Además de medidas de discrepancia tradicionales, estudiamos una simple llamada Diferencia de Frecuencia de Activación Condicional (DCAF). También exploramos el efecto combinado de la sobrerrepresentación y redundancia del diccionario, así como el nivel de dispersión de la representación. Los resultados muestran que las medidas basadas en la complejidad son capaces de señalar

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Desarrollo; Métodos discriminativos; Representaciones dispersas; Medida de discrepancia; Selección de características; Medidas basadas en complejidad
• Keywords:Development; Discriminative methods; Sparse representations; Discrepancy measure; Feature selection; Complexity-based measures