- Se detectan todos los spikes del registro y se agrupan en bloques de N spikes. Para cada bloque t se calcula un minclust en función del mínimu_fr y el intervalo de tiempo que abarca el bloque.
- Se realiza el sorting del primer bloque (t=0) y se descartan las clases con menos de minclus0 spikes.
- Luego se toman los OV/(1-sp_rtail) últimos spikes de cada clase presente en bloque actual o en el anterior si estuviese disponible. A cadaclase se le calcula la median waveform y se eliminan los sp_rtail spikes más lejanos según su distancia euclídea (completando con SMOTE si se obtienen menos de OV). De esta forma se crea el conjunto de spikes testigos con OV elementos por cada clase i. Notación: se le llama Cti al subconjunto de spikes testigo asignados a la clase i en el bloque t.
- Se toma el siguiente bloque de spikes t+1 y añadiendo los spikes testigos se realiza un nuevo clustering. Tomando cada clase encontrada en el bloque actual se descartan aquellas con menos de minclust+1 spikes (dentro de los N tomados).
- Al subconjunto de spikes testigos que fueron asignados a la clase j en este nuevo clustering se los denota $C_{t+1}^j$. Utilizando los subconjuntos Cti y las Ct+1j se calcula una matriz de coeficientes de Jaccard