Reconocimiento de patrones aplicando LDA y LR a señales optoelectrónicas de sistemas de barrido óptico

• Miranda-Vega, J. E. ^[1] ; Rivas-López, M. ^[1] ; Flores-Fuentes, W. ^[1] ; Sergiyenko, O. ^[1] ; Lindner, L. ^[1] ; Rodríguez-Quiñonez, J. C. ^[1]
  1. [1] Universidad Autónoma de Baja California

     Universidad Autónoma de Baja California

     México

     
• Localización: Revista iberoamericana de automática e informática industrial ( RIAI ), ISSN-e 1697-7920, Vol. 17, Nº. 4, 2020, págs. 401-411
• Idioma: español
• Títulos paralelos:
  • Pattern recognition applying LDA and LR to optoelectronic signals of optical scanning systems
• Enlaces
  • Texto completo
• Resumen
  • español

    Este artículo da seguimiento a previas experimentaciones actualmente publicadas acerca de la minimización de ruido ópticoeléctrico en los sistemas de barrido óptico OSS (en inglés, Optical Scanning Systems), implementando técnicas computacionales para el reconocimiento de los patrones que se generan de cada fuente de referencia y que son utilizadas para indicar una coordenada que el OSS monitoreará. Técnicas como análisis linear discriminante LDA (en inglés, Linear Discriminant Analysis) y regresión lineal LR (en inglés, Linear Regression) fueron implementadas para discriminar las señales causadas por otras fuentes distintas a las de referencia. Para aumentar la eficiencia de estos modelos fueron implementados codificación predictiva lineal LPC (en inglés, Linear Predictive Coding) y Cuantiles como extractores de características. Los resultados fueron alentadores con tasas de reconocimiento mayores al 91.2 %, alcanzando en algunos casos una exactitud del 100 %.

  • English

    This paper is a follow-up to previous researches already published regarding the minimization of optical-electrical noise in optical scanning systems OSS, by the implementation of computational techniques for pattern recognition generated by each reference source used to indicate a coordinate that the OSS will be monitoring. Techniques such as linear discriminant analysis LDA and linear regression LR were implemented in order to discriminate the signals caused by other sources different to the references. In order to enhance the efficiency of these models was implemented linear predictive coding LPC and quantiles as features extractors. The results were encouraging with rates of recognition greater than 91.2 %, reaching in some cases an accuracy of 100 %.