UNIVERSIDAD

CUAUHTÉMOC PLANTEL
AGUASCALIENTES
EDUCACIÓN A DISTANCIA

Maestría en ciencias de los datos y procesamiento

de datos masivos (Big-Data)

Descubrimiento de Conocimiento de Bases de Datos

Segundo Cuatrimestre

Alumnos: Andrés Arismendi Ramírez

Fabián Echeverry García

1.2. Almacenamiento y transformación de datos relevantes.

Objetivos específicos: Conocer el proceso de descubrimiento de conocimiento y su aplicación

en el reconocimiento de patrones desarrollando las siguientes etapas:
Almacenamiento y transformación de datos relevantes

Profesor: Dr. Francisco Javier Lunas Rosas

Fecha de entrega: 24 de Septiembre de 2017

“EXCELENTES PROFESIONISTAS, MEJORES SERES HUMANOS”

 Nombre de la Unidad.
Unidad II. Almacenamiento y Transformación de Datos (KDD en el Reconocimiento de patrones)

Objetivo de la Unidad.
 Conocer el proceso de descubrimiento de conocimiento y su aplicación en el reconocimiento
de patrones desarrollando las siguientes etapas: Almacenamiento y transformación de datos
relevantes.

Descripción de la Actividad(es):

Con el apoyo de los archivos suministrados por el tutor y después de realizar el estudio del
procesamiento de imágenes, se analizó el código suministrado en MatLab para la extracción
de firmas después de realizar las correcciones sugeridas por el tutor se adapta y ejecuta
para una base de datos de firmas propias en un cheque tomado de una búsqueda Web,
extrayéndolas y dejándolas almacenadas en un archivo de Excel para ser guardado como
.csv el cual se adjunta en la entrega.
 ALMACENAMIENTO Y TRANSFORMACIÓN DE DATOS
RELEVANTES

Para iniciar se toma el cheque extraído de la red de una búsqueda web como se muestra a
continuación para ser impreso:

Dicho cheque se firma quince veces para notar las variaciones en la firma a ser analizada:
Después de escanear dichos cheques firmados se procede a almacenarse en una carpeta
sobre la cual ejecutaremos en código quedando así:

El código se ejecuta con las adaptaciones necesarias para la versión y se obtiene:

Algunas de las firmas extraídas se ven reflejadas a continuación:
Despues de finalizado el proceso como se muestra a continuación:
Se obtiene el archivo .cvs (Adjunto en la entrega) de Excel para su posterior tratamiento, va
a ser un ejercicio interesante analizar estas firmas ya que tienen una característica de variar
mucho entre una y otra por lo que será un buen ejercicio de aprendizaje automático en la
próxima unidad.
 BIBLIOGRAFÍA

 Luna, F. (s.f.). Machine Learning Aprendizaje Supervisado (Clasificación y Predicción).

Obtenido de Universidad Cuauhtemoc.
 [González 96] González C. Rafael y Woods E. Richard. Tratamiento Digital de Imágenes.
Addison-Wesley 1996.
 [Lyon 99] Lyon A. Douglas. Image Processing in JAVA. Prentice Hall 1999.
 [Maravall 93] Maravall Gómez-Allende Darío. Reconocimiento de Formas y Visión Artificial.
Addison Wesley 1993.
 [Pajares 04] Pajares Gonzalo, de la Cruz M. Jesús, Molina M. José y López Alejandro.
Imágenes
 Digitales, Procesamiento Práctico con Java. Alfaomega 2004.
 Flores, L. (Octubre de 2012). Sistema para la verificación automática de firmas autógrafas.
Metepec, edo. De México: Instituto Tecnológico De Toluca.