1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
2. Tesis de Posgrado
3. Morelos
4. Centro Nacional de Investigación y Desarrollo Tecnológico
5. Tesis CENIDET "O"
6. Tesis Doctorado "O"
7. Tesis de Doctorado en Computación "O"

Title:	Modelo computacional de detección de emociones basado en frecuencias cardiacas y estímulos audiovisuales
Authors:	Colunga Rodríguez, Álvaro Abraham
metadata.dc.subject.other:	Detección de emociones, Programación genética, Redes neuronales, Aprendizaje automático, Ritmo cardíaco.
Issue Date:	2025-08-11
Publisher:	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Centro Nacional de Investigación y Desarrollo Tecnológico
Description:	La presente tesis propone el desarrollo de un modelo computacional hibrido para la detección automática de emociones humanas utilizando señales fisiológicas, particularmente el ritmo cardiaco, y estímulos audiovisuales. El trabajo se enmarca dentro del área de la computación afectiva, cuyo objetivo es dotar a los sistemas inteligentes de la capacidad para percibir, interpretar y responder a emociones humanas. Para ello, se diseñó y ejecuto un experimento controlado en el que se expuso a participantes a estímulos audiovisuales con el fin de inducir emociones como calma, felicidad, tristeza y enojo, mientras se registraban sus señales de ritmo cardiaco. Además, se utilizó el conjunto de datos RAVDESS para desarrollar un modelo complementario de detección de emociones a partir de la voz. Se emplearon técnicas de aprendizaje automático, redes neuronales y programación genética. En particular, se propuso un modelo hibrido que combina la capacidad de abstracción de las redes neuronales con la flexibilidad estructural de la programación genética multiarbol. Esta combinación permitió transformar y seleccionar automáticamente características relevantes a partir de señales fisiológicas y acústicas, generando representaciones optimizadas para la clasificación emocional. Se extrajeron características tanto estadísticas como espectrales, incluyendo transformadas wavelet y coeficientes cepstrales (MFCC). Los modelos fueron evaluados utilizando métricas estándar como precisión, sensibilidad y F1-score, y se demostró que la estrategia hibrida mejora significativamente el rendimiento de la clasificación en comparación con modelos convencionales. Los resultados obtenidos validan la viabilidad de emplear señales fisiológicas y sensoriales para la detección emocional, abriendo la puerta a futuras aplicaciones en contextos como salud, educación y sistemas interactivos. Finalmente, se identificaron líneas de trabajo futuro orientadas a mejorar la interpretabilidad, generalización y combinación de múltiples fuentes fisiológicas en entornos reales.
metadata.dc.type:	info:eu-repo/semantics/doctoralThesis
Appears in Collections:	Tesis de Doctorado en Computación "O"

This item is protected by original copyright View License

This item is licensed under a Creative Commons License