دسته بندی وتشخیص تصویر بیولوژیکی براساس شبکه عصبی مصنوعی راف-فازی

این مقاله نمایانگر یک روش شناسی برای طبقه بندی تصویر بیولوژیکی ازطریق یک شبکه عصبی مصنوعی راف-فازی یا RFANNمی باشد. این رهیافت برای بهبود پروسه یادگیری توسط تئوری مجموعه های راف RS متمرکز بر انتخاب خصوصیت با درنظرگیری این امر استفاده می شود که انتخاب خصوصیت RS به استفاده از خصوصیات بعد پایین از پایگاه داده های تصویر امکان می دهد.این نتیجه می تواند حاصل آید، زمانی که خصوصیات تصویر با استفاده از توابع عضویت مشخصه سازی گردیده است و آنرا با قوانینمجموعه های فازی کاهش داده باشند. RS ارتباط خصوصیات و تاثیرروابط فازی را روی پاسخ سطح شبکه عصبی مصنوعی یا ANN شناسایی می کند. بااینحساب، خصوصیات فیلتر شده با مجموعه های راف برای آموزش یک شبکه فازی نرونی ادراک چندلایه ای بکار می رود. کاهش مجموعه های خصوصیات منجر به کاهش پیچیدگی ساختار شبکه عصبی می گردد از اینرو زماناجرای آن را بهبود می دهد. برای اندازه گیری عملکرد RFANN مطرح شده، زمان اجرا و خطای اموزشی را با خصوصیات کاهش نیافته مقایسه کردیم.

کلیدواژه ها:

شناسایی تصویر ، انتخاب خصوصیت ، مجموعه های راف ، مجموعه های فازی ، شبکه عصبی مصنوعی