UFRPE/UAG Bacharelado em Cincia da Computao

JEPEX 2014
XIV Jornada de Pesquisa Ensino e Extenso

ESTUDO DE ALGORITMOS DE SELEO DE CARACTERSTICAS BASEADAS EM

MTRICA DE INFORMAO MUTUA EM PROBLEMAS DE RECONHECIMENTO DE
FACES
Costa AM, Oliveira WSM, Carvalho

2
TBA .

1. Aluno de graduao, Univ. Federal Rural de Pernambuco, Garanhuns-PE; 2. Professor Orientador, Univ. Federal Rural de Pernambuco, Garanhuns-PE.

RESULTADOS

INTRODUO
Algoritmos de reconhecimento de faces sofrem com o problema da alta
dimensionalidade, devido grande quantidade de informao que uma imagem pode
conter. Existem diversas abordagem sobre como reduzir a dimensionalidade dos dados,
neste estudo fizemos a anlise de alguns algoritmos que operam com seleo de
caractersticas. Os algoritmos usados no experimentos foram: Mutual Information
Feature Selection (MIFS), Mutual Information Variable Selector under Uniform
Information Distribution (MIFS-U), minimum Redundancy Maximum Relevance Feature
Selection (mRMR) e, por ltimo, uma proposta dos autores de novo algoritmo de
Agrupamento Hierrquico de Caractersticas no Supervisionado com uso de mtrica
de similaridade (AHCnS).

OBJETIVO
O objetivo deste trabalho propor um novo algoritmo para seleo de caractersticas
no supervisionado e comparar o desempenho do mesmo em relao a outros
algoritmos presentes na literatura.
Resultado da classificao para a base Yale23x28

MATERIAIS E MTODOS
Nos experimentos foram usadas as bases de imagens de faces Yale e ORL, ambas
amplamente conhecidas. As imagens foram reduzidas para o tamanho 23x28, por
questo do tempo de processamento dos algoritmos. Os testes de desempenho foram
feitos por meio de 10 holdouts de proporo 50/50 para treino e teste. A sada de cada
algoritmo um conjunto ordenado das caractersticas (pixels) mais relevantes para o
reconhecimento de cada indivduo. A cada holdout, cada base passava a ser
representada apenas pelas caractersticas selecionadas e era submetida a testes de
classificao com o algoritmo Support Vector Machines (SVM).
O SVM foi treinada com uso do algoritmo Sequential Minimal Optimization (SMO)
e com as amostras de treino submetidas para o algoritmo de seleo de caractersticas.
Ao final, as amostras de teste, usando apenas as caractersticas selecionadas, so
submetidas a SVM. As taxas de acerto obtidas foram registradas e comparadas.

Os resultados obtidos mostraram um desempenho superior do algoritmo AHCnS, em

relao aos demais na base ORL. Na base Yale o AHCnS teve resultado superior ao
MIFS e MIFS-U, porm equivalente ao mRMR.

DISCUSSO E CONCLUSO
Conclui-se que o AHCnS representa uma melhora relevante em relao aos demais
algoritmos, mostrando a vantagem da seleo baseada em agrupamento de
caractersticas conforme proposto. Como prximo passo a esse trabalho sero
realizados testes em outras bases de imagens, como forma de identificar a eficincia
do AHCnS sobre outras condies.
.

REFERNCIAS
1. Sotoca, Jos Martinez; Pla, Filiberto, Supervised feature selection by clustering
using conditional mutual information-based distances. 2010, Institute of New Imaging
Technologies, Dept. Llenguatgesi Sistemes Informatics, Universitat JaumeI, Campus
de Riu Sec, 12071 Castellon, Spain.
2. Elnaz Barshan, Ali Ghodsi, Zohreh Azimifar, Mansoor Zolghadri Jahromi, Supervised
principal component analysis: Visualization, classification and regression on subspaces
and submanifolds, Pattern Recognition, Volume 44, Issue 7, July 2011, Pages 13571371, ISSN 0031-3203
3.
Face
Recognition
Homepage

Database,
disponvel
em:
http://www.facerec.org/databases/

AGRADECIMENTOS
Agradecemos a instituio e ao orientador pela oportunidade de participar desta
pesquisa. Este trabalho foi parcialmente financiado pela CAPES.
Resultados da classificao para a base ORL23x28