Evolución diferencial aplicada a la sintonización de clasificadores difusos para el reconocimiento del lenguaje de señas

This paper presents a methodological approach for tuning fuzzy classifiers intended to recognize the Australian sign-language considering two particular contexts. We describe the fuzzy classification architecture and the tuning process based on differential evolution. The validation results show that it is possible to find a fuzzy classifier whose classification error is around 13.0% over a group of words taken from several experts for each interaction context. This characteristic is relevant as previous works only considered recognizing words provided only by one interpreter.
Este artigo apresenta uma metodologia para a sintonização de classificadores difusos aplicados ao reconhecimento da língua de sinais australiano em dois contextos particulares. Expõese a arquitetura de classificação e a metodologia de sintonização baseada na evolução diferencial. Os resultados de validação mostram que é possível encontrar um classificador difuso cuja porcentagem de erro este ao redor de 13,0% sobre uma amostra de palavras derivadas de vários intérpretes para cada um dos contextos definidos. Esta particularidade é relevante, pois trabalhos anteriores centraram-se no reconhecimento das palavras providas por um intérprete só.
Este artículo presenta una propuesta metodológica para la sintonización de clasificadores difusos aplicados al reconocimiento del lenguaje de señas australiano para dos contextos particulares. Se expone la arquitectura de clasificación y la metodología de sintonización basada en evolución diferencial. Los resultados de validación muestran que es posible encontrar un clasificador difuso cuyo porcentaje de error está alrededor del 13,0% sobre una muestra de palabras derivadas de varios intérpretes para cada uno de los contextos definidos. Esta particularidad es relevante, dado que trabajos anteriores se centran en el reconocimiento de las palabras provistas por tan solo un intérprete.