RESUMEN: El objetivo del presente articulo es proponer un nuevo metodo de analisis discriminante difuso, que hace uso de la estrategia de aprendizaje supervisado y utiliza la distancia euclidiana como medida de disimilitud. Las formulas que se proponen permiten resolver problemas de discriminacion y clasificacion de objetos en categorias que no pueden ser definidas con precision pues tienen algun grado de solapamiento. Se utiliza una base de datos de referencia ampliamente utilizada en Reconocimiento de Patrones para ilustrar el metodo propuesto. Se presentan las superficies resultantes de graficar las funciones de pertenencia de categorias difusas para varios ejemplos. Luego, se compara el metodo propuesto con el discriminante lineal de Fisher para mostrar que la curva de nivel con grado de pertenencia 0.5 coincide con el discriminante lineal de Fisher, en analisis para dos categorias. Finalmente, se concluye que la tecnica propuesta es facil de aplicar y eficiente computacionalmente. PALABRAS CLAVE: Discriminacion y Clasificacion Difusa, Analisis Discriminante Difuso, Aprendizaje Supervisado, Logica Difusa, Mineria de Datos.