Robustez de las métricas de clasificación de cadencia de tecleo frente a variaciones emocionales

Tesis (Doctorado en Ciencias Informáticas) - Universidad Nacional de La Plata. Facultad de Informática, 2019.

1 Introducción -- 1.1 Fundamentos y contexto -- 1.2 Motivación -- 1.3 Trabajos previos en congresos -- 1.4 Producción científica derivada de resultados parciales de la tesis -- 1.4.1 Series internacionales y capítulos de libro -- 1.4.2 Congresos internacionales -- 1.4.3 Congresos nacionales y workshops -- 1.5 Estructura de la tesis -- 1.6 Reconocimientos -- 2 Antecedentes, definiciones y estado del arte -- 2.1 Esquemas de autentificación -- 2.1.1 Esquemas de autentificación mixta o de múltiples factores -- 2.1.2 Identificación y verificación -- 2.2 Conceptos utilizados en biometría -- 2.2.1 La matriz de confusión -- 2.2.2 Medidas derivadas -- 2.2.3 False acceptance rate (FAR) y false rejection rate (FRR) -- 2.2.4 Equal error rate (EER) -- 2.2.5 Curvas receiver operating characteristic (ROC) y detection error -- tradeoff (DET) -- 2.3 Modelado y captura de emociones -- 2.3.1 Modelo de Excitación–Valencia -- 2.3.2 Adquisición por interfaz cerebro–computador (BCI) -- 2.3.2.1 Emotiv EPOC -- 2.3.2.2 Trabajos Académicos con BCI -- 2.3.3 Evaluación SAM (Self-Assessment Manikin) -- 2.3.3.1 Trabajos Académicos con SAM -- 2.3.4 Otros canales de adquisición -- 2.3.4.1 Trabajos Académicos con otros canales -- 2.3.5 Inducción de emociones -- 2.4 Modelado de la cadencia de tecleo -- 2.4.1 Introducción -- 2.4.2 Características biométricas -- 2.4.3 Ejemplo concreto -- 2.4.4 Parámetros relacionados con el comportamiento -- 2.4.5 Textos libres y estáticos -- 2.5 Detección de impostores con cadencia de tecleo -- 2.5.1 Clasificadores de propósito general -- 2.5.2 Definiciones -- 2.5.3 Espacios normados -- 2.5.3.1 Variaciones -- 2.5.3.2 La distancia de Mahalanobis -- 2.5.3.3 Vecinos más cercanos -- 2.5.3.4 k-means -- 2.5.3.5 Conteo de valores atípicos -- 2.5.3.6 Máquinas de vectores de soporte -- 2.5.4 Otros clasificadores -- 2.5.4.1 Redes neuronales -- 2.5.4.2 Lógica difusa -- 2.5.4.3 Árboles de decisión -- 2.5.4.4 Bosques aleatorios -- 2.5.5 Fusión de esquemas -- 2.6 Detección de estados emocionales con cadencia de tecleo -- 2.7 Consideraciones técnicas -- 2.7.1 Fuentes de error -- 2.7.2 Influencia del idioma -- 2.7.3 Variaciones en los teclados -- 3 Descripción del problema y objetivos -- 3.1 Descripción del problema -- 3.2 Objetivos -- 3.3 Hipótesis -- 3.4 Alcance -- 4 Diseño del experimento -- 4.1 Adquisición de datos . -- 4.1.1 Mecánica de procesamiento experimental -- 4.2 Validación con simulacros de prueba -- 4.2.1 Lecciones aprendidas -- 4.3 Implementación -- 5 Validación del experimento -- 5.1 Datasets de control -- 5.1.1 Dataset LSIA -- 5.1.2 Prosody database -- 5.2 Verificación de cambio de estado afectivo -- 5.3 Elección de métricas y parámetros -- 5.3.1 Métricas comunes -- 5.3.2 Réplica de la métrica A -- 5.3.3 Réplica de las distancias de Minkowski -- 5.3.4 Análisis de indicadores biometricos -- 5.3.5 Filtrado de latencia -- 5.3.6 Discusión -- 5.4 Elección de la cantidad de keystrokes (tamaño de la muestra) -- 5.4.1 Hipótesis del modelo de convergencia -- 5.4.2 Validación del modelo de convergencia -- 5.4.3 Discusión -- 5.5 Configuración del experimento y consideraciones -- 6 Resultados experimentales -- 6.1 Análisis gráfico de los casos -- 6.2 Análisis de los casos -- 7 Conclusiones -- 7.1 Discusión de los resultados -- 7.1.1 Modelo de Convergencia -- 7.1.2 Robustez de las métricas en general -- 7.1.3 Robustez de las métricas frente a variaciones emocionales -- 7.2 Aportes -- 7.2.1 Frameworks producidos -- 7.2.2 Conjuntos de datos producidos -- 7.3 Futuras líneas de investigación -- 7.4 Futuras líneas de trabajo