Palabras clave
clasificación difusa
evolución diferencial
lenguaje de señas
reconocimiento de patrones
optimización
sistemas difusos TSK
Cómo citar
Resumen
Este artículo presenta una propuesta metodológica para la sintonizaciónde clasificadores difusos aplicados al reconocimiento del lenguaje deseñas australiano para dos contextos particulares. Se expone la arquitectura de clasificación y la metodología desintonización basada en evolución diferencial.Los resultados de validación muestran que es posible encontrar un clasificador difuso cuyo porcentajede error está alrededor del 13,0% sobre una muestra de palabras derivadasde varios intérpretes para cadauno de los contextos definidos. Estaparticularidad es relevante, dado quetrabajos anteriores se centran en el reconocimientode las palabras provistaspor tan solo un intérprete.
DE FALCO, I.; DELLA CIOPPA, A.; MAISTO, D. et al. Automatic Recognition of Hand Gestures with Differential Evolution. Applications of Evolutionary Computing. Berling: Springer, 2008. pp. 265-274.
DIMURO, G. P. Hand gesture recognition in an interval fuzzy approach. Sociedad Brasilera TEMA, Tend. Matemática Aplicada e Computacional. 2007, vol. 8 núm. 1, pp 21-31.
ED, U. K. C.; BULL, V. L.; y EDS, J. H. Advances in differential evolution. Computational intelligence. Berlin: Springer, 2008. pp 1-7.
GOH, P. Automatic recognition of auslan finger spelling using hidden Markov models. Undergraduate. Australia: University of Western Australia, 2005.
HOSTOS, H.; SANABRIA, F.; MÉNDEZ, O. et al. Towards a coevolutionary approach for interval type-2 fuzzy modeling. IEEE International symposium on advances in type-2 fuzzy systems. Paris: 2011.
JEYAKUMAR, G., y VELAYUTHAM, C. S. A comparative performance analysis of differential evolution and dynamic differential evolution variants. IEEE World Congress on Nature y Biologically Inspired Computing (NaBIC). Coimbatore: 2009, pp. 463-468.
KADOUS, M. W. Machine recognition of auslan signs using power gloves: towards large lexicon recognition of sign language. Workshop Integration of Gestures in Language and Speech. 1996, pp. 165-174.
MENDEL, J y WU, L. A vector similarity measure for type-1 fuzzy sets. IFSA 2007, LNAI 4529. Berlin Heidelberg: Springer-Verlag, 2007, pp. 575-583.
MENDES, R., y MOHAIS, A. DynDE: A Differential Evolution for Dynamic Optimization Problems. IEEE Congress on Evolutionary Computation. Edinburgh: 2005, pp. 2808-2815.
MEZURA, E.; VELÁSQUEZ, J., y COELLO, C. A. A comparative study of differential evolution variants for global optimization. Genetic Evol. Comput. Conf. (GECCO). Washington: 2006, pp. 485-492.
MORAGLIO, A., y TOGELIUS, J. Geometric differential Evolution. GECCO ’09 Proceedings of the 11th Annual conference on Genetic and evolutionary computation. New York: 2009, pp. 1705–1712.
MUÑOZ, R.; AGUIRRE, E.; CORDÓN, O. et al. Automatic tuning of a fuzzy visual system using evolutionary algorithms : single-objective versus multiobjective approaches. IEEE Transactions on Fuzzy Systems. 2008, vol. 16. pp. 485-501.
NOMAN, N., y IBA, H. Accelerating differential evolution using an adaptive local search. IEEE Transactions on Evolutionary Computation. 2008, vol. 12, núm. 1, pp. 107-125.
PEÑA, C. Coevolutionary fuzzy modeling. Lecture notes in computer science. Berlin: Springer, 2004, pp 51-68.
PRICE, K. V.; STORN, R. M.; y LAMPINEN, J. A. Differential evolution a practical approach to global optimization. Journal of Global Optimization. 2005, pp. 1-37.
SALIZA, N.; JAIS, J.; MAZALAN, L. et al. Sign language to voice recognition : hand detection techniques for vision based approach. Image Processing Formatex. 2006, pp. 967-972.
SHILL, P. C.; AKHAND, M. A. H.; DAS, S. R., et al. Application of evolutionary algorithm in optimizing the fuzzy rule base for nonlinear system modeling and control. IEEE International Conference on Computer and Communication Engineering. Malaysia: 2010, pp. 1-6.
TANAKA, K., SANO, M., y WATANABE, H. Modeling and control of carbon monoxide concentration using a neuro-fuzzy technique. IEEE Transactions on Fuzzy Systems. 1995,vol. 3. pp. 271-279.
VILLATE, A., y RINCON, D. Propuesta e implementación de un método de reconocimiento del AUSLAN basado en un clasificador difuso tipo-2 de intervalo sintonizado con evolución diferencial. Director: Miguel A. Melgarejo R. Universidad Distrital Francisco José de Caldas. 2011.
VILLATE, A.; RINCON, D. E., y MELGAREJO, M. A. Sintonización de sistemas difusos utilizando evolución diferencial. IEEE XVIII International Congress of Electronic and Systems Engineering. Lima: 2011, pp. 1-8.
WANG, L.; ZHOU, N., y CHU, F. A general wrapper approach to selection of class dependent features. IEEE Transactions on Neural Networks. 2008, vol. 19, núm 7, pp.1267-1278.
Una vez aceptado un trabajo para publicación la revista podrá disponer de él en toda su extensión, tanto directamente como a través de intermediarios, ya sea de forma impresa o electrónica, para su publicación ya sea en medio impreso o en medio electrónico, en formatos electrónicos de almacenamiento, en sitios de la Internet propios o de cualquier otro editor. Este uso tiene como fin divulgar el trabajo en la comunidad científica y académica nacional e internacional y no persigue fines de lucro. Para ello el autor o los autores le otorgan el permiso correspondiente a la revista para dicha divulgación mediante autorización escrita.
Todos los articulos aceptados para publicación son sometidos a corrección de estilo. Por tanto el autor /los autores autorizan desde ya los cambios sufridos por el artículo en la corrección de estilo.
El autor o los autores conservarán los derechos morales y patrimoniales del artículo.