No abstract

No abstract

No abstract

En el sector agrícola de la ciudad de Ibarra se ha observado una escasez de agua de riego para la producción, debido a los cambios climáticos que en la actualidad se presentan. Es por tal razón, que el proyecto tiene como objetivo implementar un sistema tecnológico de optimización del uso de agua para mejorar el rendimiento de los cultivos. El sistema es una red inalámbrica de sensores que trabaja con el estándar 6loWPAN, permitiendo monitorear las variables aplicadas a la agricultura de precisión como: humedad relativa, temperatura, humedad de suelo, luz y lluvia. Esta red envía las mediciones recolectadas a una aplicación llamada estación-servidor para ser almacenadas en una base de datos; posteriormente se- rán visualizados en forma gráfica la medición actual o el historial de los cultivos por medio de una página web adaptiva a cualquier terminal como: Pc, Tablet o teléfono inteligente. Además, dependiendo de los parámetros de las mediciones, permite activar o desactivar en forma automática los dispositivos de un riego por goteo como: motobomba y electroválvulas para reponer agua al suelo donde necesitan los cultivos.

To perform an exploration process over complex structured data within unsupervised settings, the so-called kernel spectral clustering (KSC) is one of the most recommended and appealing approaches, given its versatility and elegant formulation. In this work, we explore the relationship between (KSC) and other well-known approaches, namely normalized cut clustering and kernel k-means. To do so, we first deduce a generic KSC model from a primal-dual formulation based on least-squares support-vector machines (LS-SVM). For experiments, KSC as well as other consider methods are assessed on image segmentation tasks to prove their usability.