Análisis comparativo de algoritmos de aprendizaje supervisado para la detección de caídas

Abstract

La naturaleza y las condiciones propias del adulto mayor hacen que éste sea propenso a enfermedades y situaciones en donde su integridad física puede verse afectada; donde, las caídas son uno de los factores de mayor riesgo. En este artículo como principal aporte, se realiza un análisis sobre el efecto de la reducción del espacio de características usadas para el proceso de clasificación mediante la aplicación de la Matriz de Pearson. Para tal efecto, se presenta un análisis comparativo mediante métricas de 3 algoritmos: naive bayes, máquinas de soporte vectorial y redes neuronales en la detección de caídas. Las señales utilizadas son aceleraciones en tres ejes obtenidas de la base de datos del Institute of Communications and Navigations correspondiente a muestras de 16 sujetos masculinos y femeninos de entre 23 y 50 años. Los resultados muestran que naive bayes presenta el mejor desempeño considerando una reducción en las características