Show simple item record

dc.contributor.authorGuarnizo-Lemus, Cristian
dc.date.accessioned2019-07-18T14:11:13Z
dc.date.accessioned2019-08-16T16:20:59Z
dc.date.available2019-07-18T14:11:13Z
dc.date.available2019-08-16T16:20:59Z
dc.date.issued2008-12-07
dc.identifierhttps://revistas.itm.edu.co/index.php/tecnologicas/article/view/248
dc.identifier10.22430/22565337.248
dc.identifier.urihttp://hdl.handle.net/20.500.12622/817
dc.description.abstractEn este artículo se presenta un estudio sobre la reducción de ruido de fondo (electrónico) en señales electroencefalográficas (EEG) utilizando la transformada wavelet, asumiendo que las características extraídas son susceptibles al ruido inherente en la señal ycomún entre clases. Adicionalmente se observa la incidencia en la separación de las muestras en el espacio de características a partir de un clasificador bayesiano lineal. Se obtiene un incremento del1% en la media del porcentaje de acierto, al realizar la reducción de ruido en la identificación de dos estados funcionales.spa
dc.format.mimetypeapplication/pdf
dc.language.isospa
dc.publisherInstituto Tecnológico Metropolitano (ITM)spa
dc.relationhttps://revistas.itm.edu.co/index.php/tecnologicas/article/view/248/254
dc.rightsCopyright (c) 2017 Tecno Lógicasspa
dc.source2256-5337
dc.source0123-7799
dc.sourceTecnoLógicas; Num. 21 (2008); 67-80eng
dc.sourceTecnoLógicas; Num. 21 (2008); 67-80spa
dc.subjectWaveletspa
dc.subjectEEGspa
dc.subjectreducción de ruidospa
dc.titleAnálisis de reducción de ruido en señales eeg orientado al reconocimiento de patronesspa
dc.title.alternativeAnálisis de reducción de ruido en señales EEG orientado al reconocimiento de patrones
dc.subject.keywordsWaveleteng
dc.subject.keywordsEEGeng
dc.subject.keywordsdenoising.eng
dc.typeinfo:eu-repo/semantics/article
dc.typeinfo:eu-repo/semantics/publishedVersion
dc.typeArticleseng
dc.typeArtículosspa
dc.relation.ispartofjournalTecnoLógicas
dc.description.abstractenglishA study on background noise reduction (denoising) on EEG signals using wavelet transform is presented, assuming that extracted features are susceptible to common noise within classes; besides, the feature space separability is compared using a linear Bayesian classifier. An increment of 1% in the average recognition rate is reached performing noise reduction in the identification of two functional states.eng
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.type.coarhttp://purl.org/coar/resource_type/c_6501


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record