Por favor, use este identificador para citar o enlazar este ítem: http://repositoriodigital.ipn.mx/handle/123456789/6994
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorFigueroa Nazuno, Jesús G.-
dc.contributor.authorAngeles Yreta, Mario Alberto-
dc.date.accessioned2012-09-21T23:02:54Z-
dc.date.available2012-09-21T23:02:54Z-
dc.date.issued2006-
dc.identifier.urihttp://www.repositoriodigital.ipn.mx/handle/123456789/6994-
dc.descriptionMaestría en Ciencias de la Computaciónes
dc.description.abstractEn este trabajo se aborda el problema de determinar similitud o semejanza entre figuras geométricas; la importancia de dicho problema radica en su vasta aplicabilidad. Aunque el humano es capaz de ligar entidades distintas (personas, situaciones políticas, etc.) en base a su similitud/disimilitud, con aparente facilidad, los mecanismos empleados aún son desconocidos. La dificultad de encontrar un método cuyo criterio de comparación sea universalmente aceptado aún en un contexto particular (imágenes, secuencias, objetos3D, ontologías, códigos fuente, textos, etc.), hace que el problema de semejanza sea el foco de atención para muchos investigadores. En este trabajo se presentan dos métodos para representar y buscar similitud entre figuras geométricas. Por representación se refiere a la codificación de las entidades(figuras geométricas), por medio de secuencias, dicha representación resulta conveniente para la detección de relaciones de similitud adimensional (RNA Fuzzy ART) y dimensional (Dynamic Time Warping). El primer método para representar y buscar similitud entre figuras geométricas, no contempla etapas de extracción, selección, y/o construcción de características clásicas; dicho método utiliza una tripleta de secuencias acopladas para representar una figura dado, cada secuencia representa un solo eje cartesiano (X, Y, y Z); estas secuencias son presentadas a una tripleta de RNA’s Fuzzy ART, éstas comparten los mismos valores de parámetros, y determinan la pertenencia de una figura a una clase utilizando la tripleta de categorías en forma de cadenas binarias que han sido generadas por las RNA Fuzzy ART y la distancia de Hamming. El segundo método, representa figuras y su respectiva matriz de adyacencia, en secuencias; y determina distancias de semejanza usando Dynamic Time Warping(DTW). Aunque se ha probado la eficacia de DTW sobre la métrica Euclidiana, en este trabajo se exploran algunas de las propiedades de DTW, como los detalles de implementación y su complejidad temporal. Son presentadas pruebas experimentales con figuras geométricas creadas con herramientas DAC (Diseño Asistido por Computadora), aplicando los métodos propuestos en este trabajo. Métodos y técnicas son detalladas y analizadas 2 cuidadosamente de forma aislada. Adicionalmente, se muestran dos técnicas para representar e indexar figuras en estructuras multidimensionales. Los códigos utilizados en este trabajo son proporcionados en programas auto-contenidos, sin aspectos gráficos que puedan alejar al lector del problema de similitud. No es propósito del trabajo desarrollar una herramienta sino desarrollar ideas.es
dc.description.sponsorshipInstituto Politécnico Nacional. CICes
dc.language.isoeses
dc.publisherInstituto Politécnico Nacional. Centro de Investigación en Computaciónes
dc.subjectGeometry (Data processing)es
dc.titleCómputo de la similitud entre figuras geométricases
dc.typeThesises
dc.description.especialidadFísico-Matemáticases
dc.description.tipoPDFes
Aparece en las colecciones: Maestría

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
Tesis 10171.pdf2.58 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.