ALGORITMOS DE APRENDIZAJE COMPUTACIONAL PARA LA SEGMENTACIÓN Y CLASIFICACIÓN DE ANOMALÍAS EN VÍAS DE TRÁNSITO

ARAGÓN SAENZPARDO, MARIO EZRA (2017) ALGORITMOS DE APRENDIZAJE COMPUTACIONAL PARA LA SEGMENTACIÓN Y CLASIFICACIÓN DE ANOMALÍAS EN VÍAS DE TRÁNSITO. Maestría thesis, UNIVERSIDAD AUTONOMA DE CHIHUAHUA.

[img]
Vista Previa
Text
TesisFinal.pdf

Download (15Mb) | Vista Previa

Resumen

En este trabajo se propone una solución a una problemática que se tiene hoy en día, que es la presencia de baches en los caminos y carreteras, así como también la utilización de topes o boyas que pueden perjudicar el confort y seguridad de los conductores. Para esto se utilizará el análisis de las condiciones de los caminos por medio de dispositivos móviles, utilizando la ayuda de diferentes sensores para almacenar y luego analizar esos datos, y poder hacer una detección y clasificación correcta de anomalías que se presenten. Se sugiere la utilización de técnicas de aprendizaje computacional para lograr segmentar las señales que fueron generadas y encontrar estas anomalías y una vez que se tienen estas partes segmentadas de la señal se clasifican utilizando una estrategia de bolsa de palabras para la representación de los distintos tipos de anomalías.

Tipo de Documento: Tesis (Maestría)
Palabras Clave: Aprendizaje Computacional, vías de tránsito, dispositivos móviles.
Clasificación temática: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Usuario Remitente: Admin Administrador del Respositorio
Depositado: 28 Nov 2017 18:12
Ultima Modificación: 04 Mar 2022 16:52
URI: http://repositorio.uach.mx/id/eprint/140

Actions (login required)

Ver Objeto Ver Objeto

Universidad Autonoma de Chihuahua