El estudio presenta un esquema novedoso que reconoce y clasifica diferentes sub-fases dentro de la fase de movimiento respiratorio involuntario (IBM) durante la retención de la respiración (BH). Recopilamos datos de fuerza de ocho buceadores recreativos hasta el punto de ruptura convencional (CB). Estaban en posiciones supinas sobre placas de fuerza. Segmentamos sus datos en fases sin movimiento (NM), es decir, la fase fácil (EP) y la fase IBM (que comprende varios eventos o sub-fases de IBM). Se estimaron la aceleración y el golpe para cuantificar los IBMs, y se desarrollaron retratos de fase para seleccionar y extraer características específicas. Se realizó un agrupamiento K-means en estas características para reconocer diferentes sub-fases dentro de la fase IBM. Encontramos de cinco a seis clústeres óptimos que separan diferentes sub-fases dentro de la fase IBM. Estos clústeres que separan diferentes sub-fases tienen relevancia fisiológica para las luchas internas y fueron etiquetados como clases para la clasificación utilizando máquinas de soporte vectorial (SVM), Bayes ingenuo (NB), árbol de decisión (DT) y vecino más cercano (K-NN). En comparación con la ausencia de selección y extracción de características, encontramos que nuestro método de retrato de fase para la selección y extracción de características tenía bajos costos computacionales y una alta robustez de 96-99% de precisión.