Dada su facilidad de implementación, la regla de los k vecinos cercanos (k-NN, k-Nearest Neighbors) es uno de los clasificadores no paramétricos más empleados. Sin embargo, tiene un alto costo computacional, el cual se puede reducir por medio de la selección de prototipos o instancias.En este trabajo se compara en precisión de un algoritmo propuesto k-NN Condensación Controlada (CC) contra dos modelos lineales discriminantes (la Función Lineal Discriminante de Fisher y otro con su ajuste usando un algoritmo genético) aplicados al reconocimiento de color, en 2 categorías, en un problema de visión por computadora. El análisis de los resultados de la precisión de la clasificación ocupando el área bajo la curva ROC y el porcentaje de clasificación correcta, muestra que no hay gran diferencia entre los algoritmos, a menos que exista un empalme en las clases, en cuyo caso el algoritmo kNN CC, obtiene mejores resultados.
