@conference{ona-rocha_automatic_2017,

title = {Automatic Motion Segmentation via a Cumulative Kernel Representation and Spectral Clustering},

author = {O R Oña-Rocha and O T Sánchez-Manosalvas and A C Umaquinga-Criollo and P D Rosero-Montalvo and L E Suárez-Zambrano and J L Rodríguez-Sotelo and D H Peluffo-Ordóñez},

editor = {Hujun Yin and Yang Gao and Songcan Chen and Yimin Wen and Guoyong Cai and Tianlong Gu and Junping Du and Antonio J Tallón-Ballesteros and Minling Zhang},

url = {https://link.springer.com/chapter/10.1007/978-3-319-68935-7_44 https://books.google.com.ec/books?id=3f06DwAAQBAJ&pg=PA406&lpg=PA406&dq=Automatic+Motion+Segmentation+via+a+Cumulative+Kernel+Representation+and+Spectral+Clustering&source=bl&ots=3jsCM-9Hbp&sig=d7N9ekAGua9poPap5h_rWB8PmP0&hl=es&sa=X&ved=2ahUKEwjin-P83LveAhVN11MKHTIUD04Q6AEwAnoECAYQAQ#v=onepage&q=Automatic%20Motion%20Segmentation%20via%20a%20Cumulative%20Kernel%20Representation%20and%20Spectral%20Clustering&f=false https://scholar.google.es/scholar?hl=es&as_sdt=0%2C5&q=Automatic+Motion+Segmentation+via+a+Cumulative+Kernel+Representation+and+Spectral+Clustering&btnG=},

isbn = {978-3-319-68935-7},

year  = {2017},

date = {2017-01-01},

booktitle = {Intelligent Data Engineering and Automated Learning – IDEAL 2017},

pages = {406-414},

publisher = {Springer International Publishing},

address = {Cham},

abstract = {Dynamic or time-varying data analysis is of great interest in emerging and challenging research on automation and machine learning topics. In particular, motion segmentation is a key stage in the design of dynamic data analysis systems. Despite several studies have addressed this issue, there still does not exist a final solution highly compatible with subsequent clustering/classification tasks. In this work, we propose a motion segmentation compatible with kernel spectral clustering (KSC), here termed KSC-MS, which is based on multiple kernel learning and variable ranking approaches. Proposed KSC-MS is able to automatically segment movements within a dynamic framework while providing robustness to noisy environments.},

keywords = {Kernel spectral clustering, Motion segmentation, Time-varying data, Variable ranking},

pubstate = {published},

tppubtype = {conference}

}

@conference{Rodriguez2016,

title = {Sistema Informático basado en estándares Darwin Core para presentar la información de las colecciones de historia natural: distribución geográfica de especies y jerarquización sistémica de especímenes del Herbario QCA procedentes de la Reserva Ecológica Antisana},

author = {Francisco Rodríguez and Luis Cárdenas and Juan Calle and Andrés Jiménez and Daniel Vargas and Ana Umaquinga and Hugo Navarrete},

url = {https://www.researchgate.net/publication/311451150_Sistema_Informatico_basado_en_estandares_Darwin_Core_para_presentar_la_informacion_de_las_colecciones_de_historia_natural_distribucion_geografica_de_especies_y_jerarquizacion_sistemica_de_especimenes_ 

http://www.redu.edu.ec/images/MEMORIAS-IV-CONGRESO-2016-Comprimido.pdf},

isbn = {978-9978-301-83-8},

year  = {2016},

date = {2016-12-01},

journal = {REDU Red Ecuatoriana de Universidades y Escuelas Politécnicas para Investigación y Postgrados. MEMORIAS DEL IV CONGRESO},

abstract = {En el año 2013 la Pontificia Universidad Católica del Ecuador (PUCE) como parte de su trabajo investigativo multidisciplinario entre las Escuela de Ciencias Biológicas y de Ingeniería de Sistemas se realizó el proyecto denominado: Desarrollo de un sistema informático para la difusión de la información generada por los proyectos de investigación de la Escuela de Ciencias Biológicas en la Reserva Ecológica Antisana (REA), con el fin de promover la difusión de los resultados de dichas investigaciones. En dicho trabajo colaborativo permitió el plantear un alcance al proyecto: Ampliar el sistema informático desarrollado y liberar parte de la información de biodiversidad almacenada en la base de datos del Herbario QCA.Para ello se desarrolló un sistema informático de tipo de base de datos científica taxonómica utilizando los estándares Darwin Core de biodiversidad, adicionalmente cuenta con diseño modular, usuarios multi-niveles que permite administrar distintos módulos o usarlos en conjunto, el desarrollo de un visualizador geográfico optimizado para la descarga de archivos kml y presentación de información botánica georeferenciada aplicando Metodología Programación Extrema (XP), Modelo Vista Controlador (MVC), diagrama de clases, caso de uso, pruebas y verificación de resultados.},

keywords = {Biodiversidad, Darwin Core, Endemismo, Programación Extrema, Pteridofitas, Sistema Modular, Taxonomía},

pubstate = {published},

tppubtype = {conference}

}

@conference{Umaquinga2016b,

title = {Versión extendida: Propuesta de análisis visual de datos en Big Data usando reducción de dimensión interactiva . Proposal for visual analysis of Big Data using interactive dimensionality reduction},

author = {A C Umaquinga-Criollo and D H Peluffo-Ordóñez and P D Rosero-Montalvo and M V Cabrera-Álvarez and J C Alvarado-Pérez and A J Anaya-Isaza},

url = {https://www.researchgate.net/publication/316056310_Propuesta_de_analisis_visual_de_datos_en_Big_Data_usando_reduccion_de_dimension_interactiva_Proposal_for_visual_analysis_of_Big_Data_using_interactive_dimensionality_reduction 

https://issuu.com/utnuniversity/docs/ebook-tecnologias-aplicadas-a-la-in/160 

https://issuu.com/utnuniversity/docs/ebook-tecnologias-aplicadas-a-la-in},

isbn = {978-9942-987-17-3},

year  = {2016},

date = {2016-12-01},

booktitle = {Libro Tecnología Aplicada a la Ingeniería UTN 2016},

pages = {145-154},

publisher = {UTN},

abstract = {En la actualidad se puede evidenciar un crecimiento exponencial del volumen de datos, dando lugar al área emergente denominada Big Data. Paralelamente a este crecimiento, ha aumentado la demanda de herramientas, técnicas y dispositivos para almacenar, transmitir y procesar datos de alta dimensión. La mayoría de metodologías existentes para procesar datos de alta dimensión producen resultados abstractos y no envuelven al usuario en la elección o sintonización las técnicas de análisis. En este trabajo proponemos una metodología de análisis visual de Big Data con principios de interactividad y controlabilidad de forma que usuarios (incluso aquellos no expertos) puedan seleccionar intuitivamente un método de reducción de dimensión para generar representaciones inteligibles para el ser humano.},

keywords = {análisis visual, Big data, reducción de dimensión},

pubstate = {published},

tppubtype = {conference}

}

@conference{Anaya2016,

title = {Estudio comparativo de métodos espectrales para reducción de la dimensionalidad: LDA versus PCA . Comparative study between spectral methods for dimension reduction LDA versus PCA.},

author = {Andrés J Anaya-Isaza and Diego H Peluffo-Ordoñez and Juan C Alvarado-Pérez and Jorge Ivan-Rios and Juan A Castro-Silva and Paul D Rosero-Montalvo and Diego F Peña-Unigarro and Jose Salazar-Castrojuan A C. and Ana C Umaquinga-Criollo},

url = {https://www.researchgate.net/publication/311450410_Estudio_comparativo_de_metodos_espectrales_para_reduccion_de_la_dimensionalidad_LDA_versus_PCA_Comparative_study_between_spectral_methods_for_dimension_reduction_LDA_versus_PCA?_sg=FinZpaWM82Drh2VcyFW09sYuLn4TJlXnTZa4Kuh90PQiFYG2Nkad7C9EUrV9E6R5co8BdGHJA_4zRp-K1ZdpLkZOcGwE5qio5ClZOIXD.55fyvNGHo7oBRGvWa7NXw5TE9PiLEKQY2cWkvKlJ937jM36scKtIKlLrBk2S27qTYRcbckFSuRzIft-y1NCQDw 

http://ingenieria.ute.edu.ec/conferencias/index.php/inciscos/2016/paper/view/31/35},

year  = {2016},

date = {2016-11-24},

journal = {INCISCOS 2016 International Conference on Information Systems and Computer Science},

abstract = {Este trabajo presenta un estudio comparativo con métodos de reducción de la dimensión lineal,tales como: Análisis de Componentes Principales &Análisis Discriminante Lineal. El estudio pretende determinar, bajo criterios de objetividad, cuál de estas técnicas obtiene el mejor resultado de separabilidad entre clases. Para la validación experimental se utilizan dos bases de datos, del repositorio científico(UC Irvine Machine Learning Repository), para dar tratamiento a los atributos del data-set en función deconfirmar visualmente la calidad de los resultados obtenidos. Las inmersiones obtenidas son analizadas, para realizar una comparación de resultados del embedimiento representados con RNX(K), que permite evaluar el área bajo la curva, del cual asume una mejor representación en una topología global o localque posteriormente generalos gráficos de visualización en un espacio de menor dimensión, para observar la separabilidad entre clases conservando la estructura global de los datos.},

keywords = {Análisis de componentes principales, Análisis discriminante lineal, Aprendizaje de máquina, Clasificación lineal, Clasificación supervisada, Métodos de reducción de la dimensión},

pubstate = {published},

tppubtype = {conference}

}

@conference{Umaquinga2016a,

title = {Propuesta de análisis visual de datos en Big Data usando reducción de dimensión interactiva},

author = {A C Umaquinga-Criollo and D H Peluffo-Ordóñez and M V Cabrera-Álvarez and J C Alvarado-Pérez and A J Anaya-Isaza},

url = {https://www.researchgate.net/publication/311457198_Propuesta_de_analisis_visual_de_datos_en_Big_Data_usando_reduccion_de_dimension_interactiva},

year  = {2016},

date = {2016-11-14},

booktitle = {Avances Tecnológicos 3ras Jonadas Internacionales FICA 2016},

publisher = {UTN},

abstract = {En la actualidad se puede evidenciar un crecimiento exponencial del volumen de datos, dando lugar al área emergente denominada Big Data. Paralelamente a este crecimiento, ha aumentado la demanda de herramientas, técnicas y dispositivos para almacenar, transmitir y procesar datos de alta dimensión. La mayoría de metodologías existentes para procesar datos de alta dimensión producen resultados abstractos y no envuelven al usuario en la elección o sintonización las técnicas de análisis. En este trabajo proponemos una metodología de análisis visual de Big Data con principios de interactividad y controlabilidad de forma que usuarios (incluso aquellos no expertos) puedan seleccionar intuitivamente un método de reducción de dimensión para generar representaciones inteligibles para el ser humano.},

keywords = {análisis visual, Big data, reducción de dimensión},

pubstate = {published},

tppubtype = {conference}

}

@conference{Rosero2016,

title = {Evolución de los textiles inteligentes: revisión de literature},

author = {Rosero E. and Rosero P. and Pamba L. and Chamba E. and Umaquinga A.},

url = {https://www.researchgate.net/publication/316439057_EVOLUCIONEVOLUCI_EVOLUCION_DE_LOS_TEXTILES_INTELIGENTES_REVISION_DE_LITERATURA 

https://issuu.com/utnuniversity/docs/ebook-tecnologias-aplicadas-a-la-in/108 

https://issuu.com/utnuniversity/docs/ebook-tecnologias-aplicadas-a-la-in},

isbn = {978-9942-987-17-3},

year  = {2016},

date = {2016-11-01},

booktitle = {Tecnologías aplicadas a la Ingeniería},

pages = {93-99},

publisher = {UTN},

abstract = {Los géneros textiles han sufrido grandes cambios a una velocidad impresionante, dando como resultado a la aparición de los textiles inteligentes; la primera generación de los textiles inteligentes solamentepueden detectar las condiciones medioambientales o estímulos del mismo, la segunda generación son los textilesque tienen la capacidad de detectar y actuar frente a una determinada situación y los textiles ultra inteligentes son la tercera generación, mismos que pueden detectar, reaccionar y adaptarse a las condiciones y estımulos del medio. Un textil ultra inteligente esencialmente consiste en una unidad, la cual trabaja como cerebro, con capacidad cognitiva, que razona y reacciona, siendo la uni ́on de diferentes ́areas de conocimiento para su desarrolloy conocidos como Smart clothes. En el futuro los textiles inteligentes se presentan como la pr ́oxima generaci ́onde fibras, tejidos y productos que se producirán gracias a sus enormes posibilidades y funcionalidades},

keywords = {Evolución textil, smart clothes, textiles inteligentes},

pubstate = {published},

tppubtype = {conference}

}