Este documento investiga cómo construir un espacio de características para el reconocimiento de patrones basado en compresión, que juzga la similitud entre dos objetos x e y a través de la relación de compresión para comprimir x con el diccionario de y. Específicamente, nos enfocamos en el marco conocido como PRDC, que representa un objeto x como un vector de relación de compresión (CV) que alinea las relaciones de compresión después de que x se comprime con múltiples diccionarios diferentes. Al representar un objeto x como un CV, PRDC hace posible aplicar técnicas de reconocimiento de patrones basadas en vectores al reconocimiento de patrones basado en compresión. Para PRDC, las dimensiones, es decir, los diccionarios, determinan la calidad del espacio CV. Este documento presenta una técnica práctica para modificar los diccionarios elegidos con el fin de mejorar sustancialmente el rendimiento del reconocimiento de patrones: primero, para hacer que los diccionarios sean independientes entre sí, nuestro método deja cualquier palabra compartida por múltiples diccionarios en solo un diccionario y asegura que cualquier par de diccionarios no tenga palabras en común. A continuación, transferimos palabras entre los diccionarios, de modo que todos los diccionarios puedan mantener aproximadamente el mismo número de palabras y adquirir el poder descriptivo de manera uniforme. La aplicación a la clasificación de imágenes reales muestra que nuestro método aumenta la precisión de clasificación en hasta un 8% en comparación con el caso sin nuestro método, lo que demuestra que nuestro enfoque para mantener los diccionarios independientes es efectivo.