Resumen

Presentamos el análisis kernel discriminante simbólico (KDA simbólico) para el reconocimiento de caras en el marco del análisis simbólico de datos. El KDA clásico extrae características de un solo valor para representar imágenes faciales. Estas variables monovaluadas pueden no ser capaces de capturar la variación de cada característica en todas las imágenes del mismo sujeto, lo que conlleva una pérdida de información. El algoritmo simbólico KDA extrae las características de tipo intervalo no lineal más discriminantes que discriminan de forma óptima entre las clases representadas en el conjunto de entrenamiento. El método propuesto se ha probado con éxito para el reconocimiento de caras utilizando dos bases de datos, la base de datos ORL y la base de datos de caras de Yale. La eficacia del método propuesto se muestra en términos de rendimiento comparativo frente a métodos populares de reconocimiento facial como el método kernel Eigenface y el método kernel Fisherface. Los resultados experimentales muestran que el KDA simbólico mejora la tasa de reconocimiento.

• Materias:Redes Inalámbricas Procesamiento de señales asistido por computador Teoría de códigos Sistemas de comunicación
• Subjects:Wireless Networks Signal processing computer-assisted Code theory Communication systems
• Palabras claves:reconocimiento facial, kda clásico extrae rasgos, métodos populares de reconocimiento facial, análisis discriminante kernel simbólico, base de datos de rostros de yale, discriminar intervalo no lineal, método kernel eigenface, método kernel fisherface, algoritmo kda simbólico, kda simbólico rinde
• Keywords:face recognition, classical kda extracts features, popular face recognition methods, symbolic kernel discriminant analysis, yale face database, discriminating nonlinear interval, kernel eigenface method, kernel fisherface method, symbolic kda algorithm, symbolic kda yields