Alvaro Angel Orozco Gutiérrez, Mauricio Alvarez Mesa, Juan Gabriel Fetecua Valencia
Este artículo presenta una metodología para el reconocimiento de expresiones faciales con análisis de componentes principales kernel, la base de datos utilizada es la Carnegie Mellon University como herramienta de prueba. El método utiliza una función kernel que mapea los datos del espacio característico original a uno de mayor dimensionalidad, de esta forma un problema de origen no lineal se traslada a uno lineal y puede resolverse linealmente, además los métodos basados en kernel pueden reducir el número de parámetros usados para la clasificación, este método es comparado con el análisis de componentes principales y es puesto a discusión donde los porcentajes de acierto encontrados con la base de datos son mayor al 90%.
This paper presents a methodology on the recognition of facial expressions with kernel principal component analysis using the Carnegie Mellon University database as a testing tool. This method uses a kernel function to map data from the original feature space to a higher dimensional space, through which a nonlinear problem is translated into a linear one and is to be solved in a linear way, besides a kernel based method can reduce the number of parameters used by the clasiffier, this method compares with principal component analysis and discussed where the percentages of sucess found with the database is greater than 90%.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados