1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
2. Tesis de Posgrado
3. Baja California Sur
4. Instituto Tecnológico de La Paz
5. Tesis de maestría
6. Maestría en Sistemas Computacionales

Titre:	CLASIFICADOR ROBUSTO DE HUELLAS DIGITALES BASADO EN REDES NEURONALES ARTIFICIALES
Auteur(s):	GALLARDO RUIZ, KARLA
metadata.dc.subject.other:	clasificación de huellas digitales, redes neuronales artificiales, redes neuronales convolucionales, biometría, procesamiento de imágenes, aprendizaje automático.
Date de publication:	2025-08-14
Editeur:	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Instituto Tecnológico de La Paz
Description:	Esta tesis presenta el desarrollo de un clasificador robusto de huellas digitales basado en redes neuronales artificiales (RNA) y redes neuronales convolucionales (CNN), diseñado para mejorar la precisión en la identificación de huellas incluso en condiciones adversas, como imágenes con ruido o distorsiones. El sistema propuesto integra técnicas de procesamiento digital de imágenes para extraer características clave de las huellas, como minucias (bifurcaciones y terminaciones de crestas), y emplea modelos de aprendizaje automático para clasificarlas y compararlas con una base de datos previamente registrada. Se exploraron dos enfoques principales: 1. Redes Neuronales Artificiales (RNA): Se implementó un perceptron multicapa (MLP) para clasificar huellas a partir de minucias extraídas, logrando una precisión del 88% con configuraciones optimizadas. 2. Redes Neuronales Convolucionales (CNN): Se ajustaron modelos preentrenados (AlexNet y GoogleNet) mediante transferencia de aprendizaje, demostrando un rendimiento superior, con GoogleNet alcanzando hasta un 94.96% de precisión en validación. El estudio destaca las ventajas de las CNN sobre las RNA tradicionales, especialmente en el manejo de variabilidad en las imágenes y la reducción de falsas aceptaciones. Los resultados experimentales confirman la hipótesis de que las redes neuronales mejoran significativamente la robustez en la clasificación, incluso con huellas de baja calidad. Este trabajo contribuye al campo de la biometría al ofrecer un análisis comparativo de arquitecturas de redes neuronales, evaluando su eficiencia, tiempos de ejecución y aplicabilidad en escenarios reales. Como futuras líneas de investigación, se plantea ampliar el conjunto de datos y explorar modelos híbridos para incrementar aún más la precisión del sistema.
metadata.dc.type:	info:eu-repo/semantics/masterThesis
Collection(s) :	Maestría en Sistemas Computacionales

Ce document est protégé par copyright Voir la licence

Ce document est autorisé sous une licence de type Licence Creative Commons