Técnicas de reducción de dimensionalidad para modelos de identificación basados en comportamiento

El proyecto de fin de carrera se ha desarrollado en el departamento de Ingeniería Telemática y Electrónica (DTE) de la Escuela Técnica Superior de Ingeniería y Sistemas de Telecomunicación (ETSIST) de la Universidad Politécnica de Madrid (UPM) bajo la supervisión de David Meltzer Camino. El objetivo principal del proyecto ha sido estudiar como varía el rendimiento de un sistema de identificación basado en comportamiento, cuando se aplican en él, técnicas de reducción de dimensionalidad para reducir el número de variables. Para ello, se ha montado una aplicación con un clasificador KNN, en el que se han introducido muestras de una base de datos perteneciente a un estudio de aceleraciones de paso, y se ha analizado el rendimiento y la capacidad de identificación del sistema, según las técnicas de reducción de variable que han ido aplicando, como Principal Component Analysis (PCA) o Linear Discriminant Analysis (LDA). Para analizar el comportamiento del clasificador y hacer el estudio de rendimiento, se han variado una serie de parámetros del sistema, y con el uso de algunas métricas como el TPR, se ha comprobado la capacidad de identificación de la aplicación. Se ha hecho uso de la programación orientada a objetos para construir la aplicación en Matlab, que ha sido la herramienta principal de trabajo y donde ha sido integrado todo el trabajo que se ha desarrollado en el transcurso del proyecto. Para concluir, he de comentar que la aplicación ha sido diseñada de forma escalable, de tal forma que, sirva como línea de trabajo en proyectos posteriores para estudiar otros tipos de sistemas de identificación o técnicas de reducción de dimensionalidad. Abstract: The final degree project has been developed in the Department of Telematics and Electronic Engineering (DTE) of the School of Engineering and Telecommunication Systems (ETSIST) of the Polytechnic University of Madrid (UPM) under the supervision of David Meltzer Camino. The main objective of the project has been to study how the performance of a behavior-based identification system varies when dimensionality reduction techniques are applied, to reduce the number of variables. For this purpose, an application has been assembled with a KNN classifier, in which samples of a database belonging to a study of step accelerations have been introduced, and analyzed the performance and the identification capacity of the system, according to the variable reduction techniques that have been applied, such as Principal Component Analysis (PCA) o Linear Discriminant Analysis (LDA). To analyze the behavior of the classifier and to carry out the performance, some parameters have been varied, and with the use of some metrics such as TPR, the identification capacity of the application has been checked. Object-oriented programming has been used to build the application in Matlab, which has been the main working tool and where all the work that has been developed during the project has been integrated. To conclude, comment that the application has been designed in a scalable way, so that it can be used as a line of work in later projects to study other types of identification systems or dimensionality reduction techniques