Un primer enfoque para el reconocimiento de lenguaje de señas basado en un guante inteligente que utiliza técnicas de Machine Learning

Abstract

El presente trabajo de investigación trata acerca del análisis de una base de datos por medio de algoritmos de aprendizaje de máquina y la selección de prototipos de los datos obtenidos de un guante electrónico traductor de señas básicas enfocado especialmente para las personas que presentan una capacidad especial, en este caso personas con discapacidad auditiva y de lenguaje; se utilizará un sistema electrónico inteligente con la capacidad de detectar un número de signos del idioma. En el sistema electrónico se usará un sensor flexible en cada dedo, mismos que se utilizan para recolectar datos (se coloca en la mano derecha de la persona para obtener información de los números del 0 al 9 en el lenguaje de señas). Los datos obtenidos se analizan a través de un esquema que involucra las siguientes etapas: Balanceo de datos con Kennard-Stone (KS), selección de prototipos con algoritmo evolutivo (CHC) y procedimiento de optimización para reducción decremental (DROP3). Consecutivamente, el algoritmo K-Nearest Neighbours (KNN) se utiliza para la clasificación numérica. Este trabajo presenta un análisis de los considerados mejores algoritmos de clasificación de prototipos (DROP3 y CHC) y así poder determinar la adecuada para nuestro conjunto de datos. El principal objetivo del trabajo es usar las nuevas tecnologías del ambiente del Big Data para desarrollar y probar un algoritmo que consiga reducir un dataset de clasificación compuesto por muchos ejemplos a pocos prototipos que los representen sin perder calidad para ayudar a los sistemas de clasificación a enfrentarse a datasets grandes.