Métodos de identificação de pessoas sempre foram muito importantes para toda a sociedade. Atualmente, as pesquisas em biometria vêm sendo amplamente incentivadas por diversos setores da indústria mundial com o objetivo de melhorar ou substituir os atuais sistemas de segurança e de identificação de pessoas. O campo da biometria abarca uma grande variedade de tecnologias usadas para identificar e verificar a identidade de uma pessoa por meio da mensuração e análise de diversas características físicas e/ou comportamentais do ser humano. Diversas modalidades biométricas têm sido propostas para reconhecimento de pessoas, como impressão digital, íris, face e fala. Estas modalidades biométricas possuem características distintas em termos de desempenho, mensurabilidade e aceitabilidade. Uma questão a ser considerada com a aplicação biométrica é sua robustez a ataques por circunvenção, repetição e ofuscação. Esses ataques estão se tornando cada vez mais frequentes e questionamentos estão sendo levantados a respeito dos níveis de segurança das formas de reconhecimento. Sinais biomédicos como eletrocardiograma (ECG), eletroencefalograma (EEG) e eletromiograma (EMG) têm sido cada vez mais estudados e aplicados ao reconhecimento biométrico. Em específico, os sinais de ECG têm sido largamente adotados para o reconhecimento biométrico em diversos trabalhos. Por outro lado, análise de séries temporais tem sido usada com sucesso em muitas diferentes aplicações para identificar padrões temporais nos dados. Embora dinâmica simples possa ser observada com ferramentas analíticas tradicionais tais como transformada de fourier, transformada wavelet, a representação simbólica pode melhorar a análise de processos que são complexos e possivelmente caótico. Além disso, representação simbólica pode também reduzir a sensibilidade a ruído e melhorar bastante a eficiência computacional. No entanto, existem aspectos estruturais e paramétricos de projeto que podem conduzir a uma degradação de desempenho. Na ausência de uma metodologia sistemática e de baixo custo para a proposição de técnicas de representação simbólicas otimamente especificadas, os comitês de máquinas, mais especificamente ensemble, se apresentam como alternativas promissoras. Neste estudo, os componentes do ensemble, que correspondem as técnicas de representação simbólicas, e seus respectivos parâmetros foram selecionados via algoritmos evolutivos. O objetivo é explorar conjuntamente potencialidades advindas das técnicas de representação simbólicas e comitê de máquinas para reconhecimento biométrico baseado em sinais de ECG. Resultados experimentais conduzidos sobre dois conjuntos de dados disponíveis publicamente indicam que a abordagem proposta pode melhorar o desempenho do reconhecimento quando comparada com as técnicas tradicionais

Identification people methods have been very important for the whole society. Currently, research on biometrics have been widely encouraged by various sectors of the industry worldwide in order to improve or replace existing security systems and people identification. The field of biometrics includes a variety of technologies used to identify or verify the identity of a person by measuring and analyzing various physical and/or behavioral aspects of the human being. Several biometric methods have been proposed for recognition of people, such as fingerprint, iris, face and speech. These biometric modalities have different characteristics in terms of performance, measurability and acceptability. One issue to be considered with the biometric application in the real world is its robustness to attacks by circumvention, repetition and obfuscation. These attacks are becoming more frequent and more questions are being raised about the levels of security that this technology can offer. Biomedical signals such as electrocardiogram (ECG), electroencephalogram (EEG) and electromyogram (EMG) have been increasingly studied and applied to biometric recognition. Specifically, ECG signals have been widely adopted for biometric recognition in various works. On the other hand, time series analysis has been used successfully in many different applications to identify temporal patterns in the data. Although simple dynamics can be observed with traditional analytical tools such as fourier transform, wavelet transform, the symbolic representation can improve the analysis of processes that are complex and possibly chaotic. In addition, symbolic representation can also reduce noise sensitivity and greatly improve computational efficiency. However, there are structural and parametric design aspects that can lead to performance degradation. In the absence of a systematic and inexpensive methodology for proposing optimally specified symbolic representation techniques, machine committees, more specifically ensemble, present themselves as promising alternatives. In this study, the components of the committee, which correspond to techniques of symbolic representation, and their respective parameters were selected via evolutionary algorithms. The objective is to jointly explore the potentialities of both symbolic representation techniques and machine committee for biometric recognition based on ECG signals. Experimental results conducted on two publicly available datasets indicate that the proposed approach may improve recognition performance when compared to traditional techniques