Metodología para la identificación de formas mediante la transformación markoviana de su contorno

• Autores: Juan Carlos Briceño Lobo
• Directores de la Tesis: Miguel Ángel Ferrer Ballester (dir. tes.), Carlos Manuel Travieso González (dir. tes.)
• Lectura: En la Universidad de Las Palmas de Gran Canaria ( España ) en 2013
• Idioma: español
• Tribunal Calificador de la Tesis: Pedro Gómez Vilda (presid.), David Sánchez Rodríguez (secret.), José Miguel Canino Rodríguez (voc.), Marcos Faúndez Zanuy (voc.), Miren Karmele Lopez de Ipiña Peña (voc.)
• Materias:
  • Matemáticas
    • Ciencia de los ordenadores
      • Inteligencia artificial
  • Ciencias tecnológicas
    • Tecnología de las telecomunicaciones
• Enlaces
  • Tesis en acceso abierto en: acceda
• Resumen

  • Este trabajo sigue los siguientes pasos: Se realizó un preprocesado de las imágenes para acondicionarlas, generalizado para todas las bases de datos, pero con pequeñas particularizaciones en función de la idiosincrasia de cada una, para posteriormente obtener su contorno. A continuación, se llevo a cabo la parametrización del contorno basada en información angular. Para analizar el poder de discriminación de la información del contorno, se aplicaron dos sistemas de clasificación diferentes. Estos sistemas fueron particularizados para un esquema de identificaficación, bajo una clasificación supervisada y usando la metodología de validación cruzada Hold-out. En primero de estos dos sistemas de clasificación fueron HMMs, en donde se varió el número de parámetros de entrada y el número de estados. En segundo sistema que se implementó fue la propuesta de la tesis, es decir, se llevó a cabo la transformación de los parámetros de contorno mediante el kernel desarrollado y el resultado de esta transformación se utilizó como datos de entrada en los SVMs, en donde se comparó los resultados obtenidos de implementar kernel lineal y kernel RBF. En el segundo enfoque, se variaron los parámetros de entrada, el número de estados resultantes de la transformación, el porcentaje de muestras utilizadas para entrenar los sistemas y los parámetros del kernel RBF. Para alcanzar con éxito el objetivo de esta tesis mediante una experimentación implica que generalizara la teoría propuesta, se planteó una metodología que permitiera validar la teoría propuesta y abordarla desde distintos grados de complejidad en función del tipo de identificación a abordar. Así, se estudiaron problemas de complejidad simple, media y alta.