کوثر سلیمانی - دانشکده دختران توحید آمل مدرس, مهندسی کامپیوتر
هانا یوسف پور - دانشگاه پیام نور بابل دانشجو, مهندسی کامپیوتر

روش های طبقه بندی دربسیاری از علوم,کاربرد ویژه ای دارند، علی رغم تلاش هایی که برای انتخاب ویژگی جهت طبقه بندی انجام می شود ،گاهی طبقه بندی ها به اشتباه رخ می دهد که اثرات آنها می تواند حیاتی باشد. این موضوع به ویژه در مورد مسئله طبقه بندی ،که در آن کلاس ها همپوشانی دارند، مجموعه های آموزشی کوچک و یا نادرست و کلاس ها ناشناخته اند صدق می کند. در این مقاله، یک شیوه طبقه بندی مقاوم مبتنی بر محتوای تصاویر و تکنیک رد کردن پیشنهاد گردیده است که در آن طبقه بندی های نادرست و اثرات آنها را با تطبیق رفتار طبقه بندی در نمونه هایی با حجم بالا، از طریق ترکیب اطلاعات زمینه تصاویر و تکنیک رد کردن کاهش می دهیم.از رویکردمان در مجموعه داده های دنیای واقعی بنام تصاویر بافت آسیب شناسی استفاده می کنیم.

طبقه بندی مقاوم، طبقه بندی با زمینه اصلی، طبقه بندی با تکنیک رد کردن.