El conjunt de tècniques i mètodes per a l'obtenció de clasificadores o reconocedores té una base molt sòlida i bé establidaestablerta. Estem assistint a una proliferació de treballs en la línia d'actualització de conceptes i aplicació a problemes actuals. El factor comú d'aquestes iniciatives resideix en el fet que la societat planteja nous i més complexos problemes que requereixen de noves formulacions que tinguin en compte les seves particularitats. Per exemple, la web és un exemple de domini d'aplicació que: a) el infructuós dels possibles espais de representació; b/) el vast dels conjunts (representatius) d'exemples; i C/) l'heterogeni dels diferents problemes que es poden plantejar, fan que qualsevol solució clàssica no sigui factible a l'hora de reconèixer patrons en aquest context. Si a això vam afegir aplicacions en les quals la informació textual o hipertextual es combina amb informació visual, el nivell de complexitat creix desmesuradament. Els objectius principals d'aquesta línia d'actuació són: els mètodes de classificació basats en exemples (veïns més pròxims, màquines de vectors suport i xarxes neuronals de tipus RBF); Selecció d'atributs i de prototips; Sistemes de clasificadores múltiples: bagging, boosting; Clasificadores escalables; Classificació incremental i sistemes d'aprenentatge continu; Clustering/ de dades heterogènies; Clustering semi-supervisat; Components principals i components independents en classificació; Aplicacions en mineria de dades de tipus textual, hipertextual i visual; Aplicacions biomètriques; Classificació i recuperació d'informació en grans bases de dades; Algorismes eficients de recerca i indexació.

Les imatges són altament redundants perquè una porció espacial o temporal dels senyals pot predir-se del seu entorn. A fi d'optimitzar la forma que es processa la informació, qualsevol sistema biològic o artificial dedicat a l'anàlisi de les imatges naturals deurà organitzar els seus sensors de forma que maximitzi la independència de les seves respostes. Aquesta hipòtesi, que relaciona de manera fonamental la Teoria de la Informació, el Reconeixement Estadístic de Patrons i els models computacionals de Visió Humana, constitueix l'eix d'aquesta línia d'investigació. L'objectiu general d'aquesta línia de treball és aprofundir en la comprensió de l'estadística de les imatges i seqüències naturals per a explicar així el funcionament dels sistemes de visió biològica i plantejar solucions noves en nombroses aplicacions de processat d'imatges i visió artificial en els quals el nucli del problema és la selecció d'una representació eficient del senyal. El nexe d'unió en les solucions proposades és la inspiració dels algorismes en els models de visió humana assumint que les solucions biològiques han evolucionat per al tractament òptim de les imatges naturals. Les àrees bàsiques i aplicades en les quals venim treballant mostren aquesta interacció entre els models de sistema visual humà, l'estadística de les imatges naturals i les aplicacions en processat d'imatges: (i) Compresió d'imatges i vídeo; (ii) Estimació de moviment; (iii) Restauració d'imatges; (iv) Tècniques per a bases de dades d'imatges i codificació (selecció de la representació de la textura i el color, i mesures de distància); (v) Caracterització del comportament del sistema visual humà.

La clau en la recuperació de la informació visual es fonamenta en una representació adequada del contingut visual de les imatges. Aspectes visuals de baix nivell com el color, la textura, la forma, les relacions espacials o el moviment junt amb altres aspectes d'alt nivell com el significat dels objectes i de les escenes s'usen com a claus per a la recuperació d'imatges en la base de dades (BD). L'ús de la informació visual en la realització d'una consulta sorgix de les pròpies limitacions dels sistemes clàssics de recuperació basats en text que no són adequats per a modelar la proximitat perceptual entre imatges.
Els objectius teòrics bàsics d'esta línia són: (i) Proposar nous descriptors d'imatges a nivell baix sobre la forma, grandària i textura basats en distribucions de grandària sobre imatges a nivell de gris i en color; (ii) Desenrotllar models de semblança inspirats en lògica difusa que incorporen aspectes psicològics més pròxims al criteri humà de semblança, en col•laboració amb la línia RTIS. Els objectius de caràcter més pràctic són: (i) Aplicació ceràmica: valorar els descriptors i les mesures proposades sobre una BD de taulellets ceràmics (s'ha triat esta aplicació pel seu enorme interés dins de la Comunitat Valenciana); (ii) Aplicació a imatges mèdiques: obtindre informació a fi de comparar una patologia entre un nombre determinat de pacients amb característiques semblants o fer un seguiment de l'evolució en comparació amb altres malalts (en concret en bases de dades de còrnies).

Els interessos científics fonamentals d'aquesta línia tenen a veure amb l'adquisició i procés de senyals dels sensors instal·lats a bord de robots mòbils. Actualment es treballa amb un prototip construït per membres del grup, que inclou sensors de ultrasons, infrarojos i càmeres. L'objectiu és el de determinar la localització del robot en el seu entorn, construir mapes fins on sigui possible o útil i enllaçar el més directament possible els senyals dels sensors amb les ordres de control per als actuadores, tancant el llaç de realimentació senso/-motora al nivell més sota possible. Això permet la integració dels diverss mòduls en arquitectures de control predominantment reactives, encara que el marc de treball de l'actual robot, amb un nucli de sistema operatiu apropiadament modificat, permet la prova senzilla d'arquitectures de control arbitràries, des de les totalment jeràrquiques a les completament reactives. Aquests objectius fonamentals es plasmen en uns altres més concrets, com són: (i) La incorporació de nous tipus de sensors, o l'ús dels habituals de manera alternativa. (ii) Investigació sobre el processament dels senyals visuals (imatges) proveïdes per una càmera a bord del robot per mitjà de maquinari apropiat, en concret lògica programable (FPGAs), que implementen algorismes de visió útils com la detección/ d'objectes amb moviment propi (independent del del robot) o la determinació del temps fins l'impacte del robot mòbil amb un potencial obstacle. (iii) La prova d'arquitectures de control diverses. La modificació del nucli del S.O. Linux permet provar de manera simple arquitectures diverses, tant funcionals com reactives o mixtes. (iv) La substitució progressiva del control clàssic del robot per un control de tipus neuronal, usant models de xarxes neuronals (en particular, la CMAC).