CRISP-BIO: adaptación de la metodología CRISP-DM a un sistema de reconocimiento biométrico mediante técnicas de machine learning

Autores
Ruíz, Silvia; Alvez, Carlos E.; Miranda, Ernesto; Etchart, Graciela
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Con el avance tecnológico, los sistemas biométricos se han integrado progresivamente en la vida cotidiana. La biometría emplea métodos de reconocimiento basados en características fisiológicas o conductuales, entre las que destaca el iris por su singularidad y estabilidad. Para mejorar el proceso de reconocimiento del iris, está en auge el uso de técnicas de Machine Learning las cuales suponen un gran avance en la evolución tecnológica. En este contexto, la adopción de una metodología resulta esencial para planificar y organizar de forma sistemática el desarrollo de sistemas informáticos. Este trabajo propone un marco metodológico denominado CRISP-BIO, que define fases, tareas y salidas específicas de un sistema de reconocimiento biométrico. El marco es validado mediante un caso de estudio, demostrando su adaptación a las particularidades de un Sistema de Reconocimiento Biométrico de Iris mediante técnicas de Machine Learning, promoviendo un enfoque iterativo y flexible orientado al análisis y exploración de datos.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
sistema biométrico
reconocimiento del iris
machine learning
CRISP-DM
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/191212
Acceder
id SEDICI_e6bc12393777ef3dadbae161f01bbbb2
oai_identifier_str oai:sedici.unlp.edu.ar:10915/191212
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling CRISP-BIO: adaptación de la metodología CRISP-DM a un sistema de reconocimiento biométrico mediante técnicas de machine learningRuíz, SilviaAlvez, Carlos E.Miranda, ErnestoEtchart, GracielaCiencias Informáticassistema biométricoreconocimiento del irismachine learningCRISP-DMCon el avance tecnológico, los sistemas biométricos se han integrado progresivamente en la vida cotidiana. La biometría emplea métodos de reconocimiento basados en características fisiológicas o conductuales, entre las que destaca el iris por su singularidad y estabilidad. Para mejorar el proceso de reconocimiento del iris, está en auge el uso de técnicas de Machine Learning las cuales suponen un gran avance en la evolución tecnológica. En este contexto, la adopción de una metodología resulta esencial para planificar y organizar de forma sistemática el desarrollo de sistemas informáticos. Este trabajo propone un marco metodológico denominado CRISP-BIO, que define fases, tareas y salidas específicas de un sistema de reconocimiento biométrico. El marco es validado mediante un caso de estudio, demostrando su adaptación a las particularidades de un Sistema de Reconocimiento Biométrico de Iris mediante técnicas de Machine Learning, promoviendo un enfoque iterativo y flexible orientado al análisis y exploración de datos.Red de Universidades con Carreras en Informática2025-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf497-506http://sedici.unlp.edu.ar/handle/10915/191212spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-8258-99-7info:eu-repo/semantics/reference/hdl/10915/189846info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-03-31T12:41:46Zoai:sedici.unlp.edu.ar:10915/191212Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-03-31 12:41:46.891SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv CRISP-BIO: adaptación de la metodología CRISP-DM a un sistema de reconocimiento biométrico mediante técnicas de machine learning
title CRISP-BIO: adaptación de la metodología CRISP-DM a un sistema de reconocimiento biométrico mediante técnicas de machine learning
spellingShingle CRISP-BIO: adaptación de la metodología CRISP-DM a un sistema de reconocimiento biométrico mediante técnicas de machine learning
Ruíz, Silvia
Ciencias Informáticas
sistema biométrico
reconocimiento del iris
machine learning
CRISP-DM
title_short CRISP-BIO: adaptación de la metodología CRISP-DM a un sistema de reconocimiento biométrico mediante técnicas de machine learning
title_full CRISP-BIO: adaptación de la metodología CRISP-DM a un sistema de reconocimiento biométrico mediante técnicas de machine learning
title_fullStr CRISP-BIO: adaptación de la metodología CRISP-DM a un sistema de reconocimiento biométrico mediante técnicas de machine learning
title_full_unstemmed CRISP-BIO: adaptación de la metodología CRISP-DM a un sistema de reconocimiento biométrico mediante técnicas de machine learning
title_sort CRISP-BIO: adaptación de la metodología CRISP-DM a un sistema de reconocimiento biométrico mediante técnicas de machine learning
dc.creator.none.fl_str_mv Ruíz, Silvia
Alvez, Carlos E.
Miranda, Ernesto
Etchart, Graciela
author Ruíz, Silvia
author_facet Ruíz, Silvia
Alvez, Carlos E.
Miranda, Ernesto
Etchart, Graciela
author_role author
author2 Alvez, Carlos E.
Miranda, Ernesto
Etchart, Graciela
author2_role author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
sistema biométrico
reconocimiento del iris
machine learning
CRISP-DM
topic Ciencias Informáticas
sistema biométrico
reconocimiento del iris
machine learning
CRISP-DM
dc.description.none.fl_txt_mv Con el avance tecnológico, los sistemas biométricos se han integrado progresivamente en la vida cotidiana. La biometría emplea métodos de reconocimiento basados en características fisiológicas o conductuales, entre las que destaca el iris por su singularidad y estabilidad. Para mejorar el proceso de reconocimiento del iris, está en auge el uso de técnicas de Machine Learning las cuales suponen un gran avance en la evolución tecnológica. En este contexto, la adopción de una metodología resulta esencial para planificar y organizar de forma sistemática el desarrollo de sistemas informáticos. Este trabajo propone un marco metodológico denominado CRISP-BIO, que define fases, tareas y salidas específicas de un sistema de reconocimiento biométrico. El marco es validado mediante un caso de estudio, demostrando su adaptación a las particularidades de un Sistema de Reconocimiento Biométrico de Iris mediante técnicas de Machine Learning, promoviendo un enfoque iterativo y flexible orientado al análisis y exploración de datos.
Red de Universidades con Carreras en Informática
description Con el avance tecnológico, los sistemas biométricos se han integrado progresivamente en la vida cotidiana. La biometría emplea métodos de reconocimiento basados en características fisiológicas o conductuales, entre las que destaca el iris por su singularidad y estabilidad. Para mejorar el proceso de reconocimiento del iris, está en auge el uso de técnicas de Machine Learning las cuales suponen un gran avance en la evolución tecnológica. En este contexto, la adopción de una metodología resulta esencial para planificar y organizar de forma sistemática el desarrollo de sistemas informáticos. Este trabajo propone un marco metodológico denominado CRISP-BIO, que define fases, tareas y salidas específicas de un sistema de reconocimiento biométrico. El marco es validado mediante un caso de estudio, demostrando su adaptación a las particularidades de un Sistema de Reconocimiento Biométrico de Iris mediante técnicas de Machine Learning, promoviendo un enfoque iterativo y flexible orientado al análisis y exploración de datos.
publishDate 2025
dc.date.none.fl_str_mv 2025-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/191212
url http://sedici.unlp.edu.ar/handle/10915/191212
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-8258-99-7
info:eu-repo/semantics/reference/hdl/10915/189846
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
497-506
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1861199752957263872
score 13.332987

Publicaciones similares