Nuevos mé todos de selección de prototipos para la clasificación en espacios de disimilitud está ndares y generalizados

摘要: Este trabajo aborda el problema del reconocimiento automá tico de objetos a partir de una representación computacional de los mismos, el cual se enmarca en el campo de reconocimiento de patrones. El trabajo se centra en proponer un conjunto de mejoras para la representación de objetos basada en disimilitudes, de manera que se logre una representación má s eficiente y má s eficaz. Al mejorar la representación, se obtienen mejores soluciones a un conjunto de problemas variados que fueron abordados como el reconocimiento de rostros, de textura, de cá ncer/no cá ncer a partir de imá genes mé dicas, de dÃgitos manuscritos o en imá genes de video-protección, de formas, etc. La lÃnea de clasificación mediante disimilitudes tratada es la clasificación en espacios de disimilitud, donde cada objeto se representa como un vector de disimilitudes con un conjunto de objetos prototipos que sea lo má s representativo posible para el problema. El conjunto de mejoras que proponemos se dividen en tres grupos esencialmente, todos está n encaminados a crear y/o seleccionar el conjunto de objetos prototipos. El primer grupo abarca un conjunto de mé todos de selección de prototipos basados en algoritmos gené ticos (AGs), donde su novedad radica en los criterios de selección que proponemos y en el diseñoe implementación de los AGs que permiten que sean escalables a bases de datos de millones de objetos en orden lineal. El segundo grupo comprende varios mé todos que generalizan la noción de prototipo de objetos a modelos de los objetos. El tercer grupo de mé todos incluye la creación de …