Se desarrolla una metodologia de reduccion de espacios de entrenamiento, basado en la extraccion dinamica de caracteristicas, para obtener un mayor desempeno en un sistema de clasificacion con un costo computacional bajo, empleando DPCA, tecnica de analisis que muestra ser eficiente en la seleccion de las componentes principales que tienen mayor influencia en el desempeno del sistema de clasificacion con problemas de alta dimensionalidad. Para los experimentos se emplea un sistema de reconocimiento basado en modelos ocultos de Mar kov (Hidden Markov Models – HMMs), para modelar la dinamica estocastica presente en senales acusticas y en senales MER (Micro Electro de Recording). Como resultado se obtiene un mejor rendimiento del sistema de clasificacion con un conjunto de caracteristicas reducido, en comparacion con el desempeno que presenta el sistema cuando se emplea el espacio de caracteristicas completo.