APRENDIZAJE SUPERVISADO PARA LA DISCRIMINACIÓN Y CLASIFICACIÓN DIFUSA

En este articulo se presenta un nuevo metodo de analisis discriminante difuso, que hace uso de la estrategia de aprendizaje supervisado y utiliza la distancia euclidiana como medida de similitud. Las formulas que se proponen permiten resolver problemas de discriminacion y clasificacion de objetos en categorias que no pueden ser definidas con precision pues tienen algun grado de solapamiento. Se utiliza una base de datos de referencia ampliamente utilizada en Reconocimiento de Patrones para ilustrar el metodo propuesto. Tambien se presentan graficamente las superficies de las funciones de pertenencia a las categorias difusas para varios ejemplos con el objeto de ilustrar la tecnica. Adicionalmente, se compara el metodo propuesto con el discriminante lineal de Fisher para mostrar que, la curva de nivel con grado de pertenencia 0.5 coincide con el discriminante lineal de Fisher cuando en el analisis se consideran dos categorias.