استفادها ز الگوریتم جستجوی گرانشی بهبود یافته در خوشه یابی خودکار تصاویر

سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,406

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICMVIP06_008

تاریخ نمایه سازی: 20 فروردین 1390

چکیده مقاله:

خوشه یابی تصاویر کاربرد گسترده ای در فشرده سازی و تقسیم بندی تصویر دارد تاکنون از روشهای ابتکاری مختلفی به منظور خوشه یابی استفاده شده است یکی از مهمترین معایب اکثر روشهای خوشه یابی نیاز به داشتن اطلاعات قبلی در مورد تعداد خوشه ها می باشد خوشه یابی نظارت شده که در اکثرموارد چنین اطلاعاتی در دسترس نیست البته الگوریتمهای مختلفی برای رفع این مشکل ارائه شده که از آن جمله می توان به GCUK ، VLIGA ، DCPSO و MEPSO که مبتنی بر روشهای هوش جمعی می باشد اشاره کرد. دراین مقاله سعی شده است که یک روش خوشه یابی نظارت نشده که در ان نیاز به تعیین قبلی تعداد خوشه ها نداریم به منظور خوشه یابی تصاویر با استفاده از الگوریتم بهبود یافته جستجوی گرانشی ارائه شود در ابتدا الگوریتم جستجوی گرانشی که از سری الگوریتمهای هوش جمعی است معرفی می گردد و پس از بهبود عملکرد آن الگوریتم خوشه یابی مورد نظر معرفی می شود در پایان نتایج به دست امده با تعدادی از روشهای مذکور مقایسه می گردد.

کلیدواژه ها:

خوشه یابی نظارت نشده تصاویر ، هوش جمعی ، الگوریتم جستجوگر گرانشی بهبودیافته ، کوانتیزه سازی تصویر

نویسندگان

علیرضا سردار

دانشجوی کارشناسی ارشد الکترونیک دانشگاه بیرجند

سیدحمید ظهیری

استادیار گروه الکترونیک دانشگاه بیرجند

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • M. Omran and A Engelbrecht, "Particle SWarm optimization method for ...
  • k. Jain and R.C. Dubes, "Algorithms for Clustering Data" .Prentice-Hall, ...
  • R.O Duda and P.E hart, "Pattern classification and Scene Analysis", ...
  • J.T. Tou and R.C. Gonzalez, "Pattern Recognition Principles _ , ...
  • _ G. Ball and D. Hall, "A Clustering Technique for ...
  • D. Pelleg and A. Moore, "X-means Extending K-means with efficient ...
  • _ S. Bandyopadhyay and U. Maulik, "Geneti clustering for automatic ...
  • Optimization ", Proceedings of IEEE International Conference On Neural Network, ...
  • 1] _ Dorigo and V. Maniezzo, "The ant system: an ...
  • z. Yu and O.C. Au, "An Adaptive Unsupervised Approach toward ...
  • E. Rashedi and , Nezamabadi-pou. "GSA: A Gravitationl Search Algorithm ...
  • D.L. Davies and D.W. Bouldin, "A cluster separation measure" , ...
  • J.c. Bezdek, "Cluster Validity with Fuzzy Sets", Cybernetis and systems, ...
  • x.L Xie and Gi., Beni, "Validity Measure for Fuzzy Clustering", ...
  • c.H. Chou and M., Su, "A new cluster validity measure ...
  • نمایش کامل مراجع