Resumen

El desempeño en el reconocimiento de patrones depende de las variaciones en las etapas de extracción, selección y clasificación. En el siguiente artículo se presenta un enfoque para selección de características utilizando un algoritmo genético aplicado a procesos de reconocimiento y control de calidad en imágenes. Para evaluar la propuesta con algoritmos genéticos se utilizan dos funciones de evaluación: tasa de error y coeficiente Kappa. Se implementan redes neuronales en la clasificación usando las características seleccionadas por el algoritmo genético. La red neuronal se compara con el clasificador de los k-vecinos. Los resultados obtenidos muestran un mejor desempeño del sistema propuesto frente a otros métodos.

Introducción

Los avances tecnológicos de nuestra sociedad han potenciado la automatización de la producción industrial y la necesidad de manejar información en campos de gran importancia. Esta tendencia ha hecho que el reconocimiento de patrones ocupe un lugar central en la investigación y las aplicaciones de ingeniería. El reconocimiento de patrones se ha convertido en una parte integral de los resultados de la mayoría de los sistemas de visión artificial en lo que respecta a la toma de decisiones (Theodoridis S. & Koutroumbas, K, 2009) para identificar un objeto determinado y realizar operaciones con él.

El reconocimiento de patrones se ha desarrollado utilizando métodos estadísticos clásicos como el análisis de componentes principales (PCA) (Song F, Guo Z, 2010) y el análisis de componentes independientes (ICA) (Ekenel H, Sankur B, 2004; Liu J, Wang G, 2010). Sin embargo, los tres procesos implicados en el reconocimiento de patrones pueden desarrollarse mediante el uso de la inteligencia computacional, proporcionando así un sistema autónomo con capacidad de aprendizaje y resultados de clasificación adecuados, según investigaciones recientes (Mitra S. & Sankar K, 2005; D. G. Stavrakoudis, 2010; Vilches E, 2006; Pazoki Z, Farokhi F, 2010). 

• Materias:Ingeniería electrónica Algoritmos genéticos
• Subjects:Electronic engineering Genetic algorithms
• Palabras claves:Vector De Características, Redes Neuronales, Reconocimiento de Patrones
• Keywords:Feature vector, Neural network, Pattern recognition