La automatización del proceso de clasificación de género está justificado por diversas aplicaciones que juegan un rol muy importante en la interacción entre los humanos y la computadora como: motores de búsqueda, recolección de datos demográficos y como parte de frameworks biométricos y psicológicos. En el presente artículo se diseña un método de clasificación de género utilizando imágenes faciales y la arquitectura ANFIS como clasificador, la cual nos ofrece las ventajas de la lógica difusa y las redes neuronales. La metodología propuesta nos llevará por varias fases, en las cuales se usarán diferentes métodos para la extracción de las características del rostro, como son ojos, frente, nariz, boca, barbilla, etc., así como el algoritmo LBP (Local Binary Pattern) que ayudan en la extracción de texturas y el análisis antropométrico. Se realizaron pruebas utilizando 428 imágenes los cuales fueron introducidos al clasificador, y se obtuvo un porcentaje de clasificación del 86.44%.
Este artículo presenta una variante del algoritmo C-PSO, al cual hemos llamado Ca-PSO, a diferencia de C-PSO que considera como cargas puntuales a lBesti y gBest, Ca-PSO considera a la partícula xi y gBest. Al mismo tiempo se presenta una comparación de cuatro algoritmos: el algoritmo original PSO (Particle Swarm Optimization), PSO con “restricción” (Constriction PSO), C-PSO una versión que hace uso de ley de Coulomb y el algoritmo propuesto Ca-PSO. También se muestra el movimiento esquemático de una partícula en el algoritmo Ca-PSO. Los resultados que se muestran corresponden a la media de 50 corridas, cada algoritmo habiendo sido ejecutado 10000 iteraciones por función para 50 y 100 dimensiones. El algoritmo Ca-PSO mostró un rendimiento superior respecto a CPSO en seis de las diez funciones de prueba, además se muestra que tanto C-PSO como CaPSO presentan un mejor rendimiento que el algoritmo original de PSO y PSO con restricción.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.