Las técnicas de aprendizaje de máquina han sido empleadas de manera satisfactoria, en una amplio rango de aplicaciones como: el control de procesos, análisis de datos, toma de decisiones, entre otras. En particular el reconocimiento de patrones ha encontrado gran acogida en las aplicaciones médicas enfocadas a la detección, prevención y control de enfermedades; que implican el desarrollo de herramientas de alta precisión para el diagnóstico de la funcionalidad fisiológica. La representación o generación de características tiene un papel preponderante sobre el desempeño en las etapas subsecuentes de un sistema de reconocimiento de patrones ya que provee la información relevante a la tarea de clasificación. Las señales biomédicas, como objeto de análisis, son procesos que en muchos casos son representados mejor sí sus atributos son considerados a lo largo de un argumento, comúnmente el tiempo. La inclusión de esta relación implica el estudio de un marco de trabajo apropiado que sea capaz de establecer la estructura de los datos en términos de cuan bien están representadas las observaciones. Los modelos de Markov se han utilizado para abordar este problema, sin embargo, presentan desventajas al momento de ser implementados (i.e. el tamaño del conjunto de entrenamiento, no se sugiere un alún criterio en particular). Últimamente, se ha presentado un interés creciente en el empleo de modelos discirminativos para la clasificación. Estos modelos presentan grandes ventajas al momento de considerar la representación de los objetos observados, permitiendo la inclusión de conceptos más generales como los son las disimilitudes y/o similitudes. En este trabajo, se propone el uso conjunto de similitudes y disimilitudes con modelos discriminativos para la clasificación de objetos (o fenómenos) que poseen algún comportamiento dinámico medido a través del tiempo. Particularmente, la detección de patologías para diagnostico asistido sobre señales biomédicas como el electrocardiograma (ECG), electroencefalograma (EEG) y las señales de voz.relevante a la tarea de clasificación. En este trabajo, se propone el uso de similitudes y disimilitudes para la clasificación de objetos (o fenómenos) que poseen algún comportamiento dinámico medido a través del tiempo. Particularmente, la detección de patologías para diagnostico asistido sobre señales biomédicas como el electrocardiograma (ECG), electroencefalograma (EEG) y las señales de voz.