Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

استخراج ویژگی های چندگانه ترکیبی برای کاهش خلا معنایی با طبقه بندی نیمه نظارتی

سال انتشار: 1401
کد COI مقاله: JR_JCEJ-12-45_003
زبان مقاله: فارسیمشاهده این مقاله: 22
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 14 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله استخراج ویژگی های چندگانه ترکیبی برای کاهش خلا معنایی با طبقه بندی نیمه نظارتی

مهدی جلالی - گروه برق، دانشکده فنی مهندسی، واحد نقده، دانشگاه آزاد اسلامی، نقده، ایران
توحید صدقی - گروه برق، دانشکده فنی مهندسی ، واحد ارومیه، دانشگاه آزاد اسلامی، ارومیه، ایران

چکیده مقاله:

در این مقاله برای طبقه بندی تصاویر، روش طبقه بندی تعاونی نظارت شده با هدف کاهش خلا معنایی پیشنهاد می شود. اکثر روش های طبقه بندی به مقداردهی اولیه به مراکز خوشه حساس هستند و اگر به درستی مقداردهی انجام نشود الگوریتم به بهینه محلی همگرا می شود. همچنین ترکیب نتایج طبقه بندی به دلیل مشخص نبودن برچسب مراکز کار بسیار مشکلی است. برای برطرف کردن این مشکلات از طبقه بندی نیمه نظارت شده استفاده میشود. برای دستیابی به بالاترین کارایی، نتایج طبقه بندی سیستم با فضای رنگ و معیار شباهت متفاوت با ویژگی های متعدد بصورت تعاونی نیمه نظارتی با هم ترکیب می-شوند. در شرایطی که تعداد ویژگی ها موثر هستند، از بازخورد مرتبط برای طبقه بندی نیمه نظارتی استفاده می شود. در این پژوهش از دو روش طبقهبندی حالات استفاده شده است که شامل طبقهبندی k-NN و PNN است که با توجه به نتایج در همه روشهای پیشنهاد شده، از طبقهبندی k-NN پاسخ بهتری نسبت به PNN مشاهده شده است. الگوریتم پیشنهادی بدلیل کاهش پیچیدگی زمان، برای طبقه بندی پایگاه دادههای بزرگ تصاویر بسیار مناسب است. نرخ بازشناسی بر دادههای تصویری استفاده شده در این تحقیق که الگوریتم هیستوگرام هرمی گرادیانهای جهتدار بر آنها اعمال شده، دارای بالاترین نرخ نسبت به دیگر روشهای پیشنهادی بوده و ۵۲/۹۸% میباشد. آزمایشات روی پایگاه داده تصاویر Corel نشان می دهند که روش ترکیبی افزایش دقت طبقه بندی بطور میانگین در روش ترکیبی حدود ۲۰% است.

کلیدواژه ها:

طبقه بندی نیمه نظارتی ، بازیابی تصاویر ، ویژگی ، حاشیه نویسی

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا JR_JCEJ-12-45_003 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1494509/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
جلالی، مهدی و صدقی، توحید،1401،استخراج ویژگی های چندگانه ترکیبی برای کاهش خلا معنایی با طبقه بندی نیمه نظارتی،https://civilica.com/doc/1494509

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1401، جلالی، مهدی؛ توحید صدقی)
برای بار دوم به بعد: (1401، جلالی؛ صدقی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • F. Cao , J. Liang and B. Liang, “ A ...
  • A. Amato and V. Lecce, “ A knowledge based approach ...
  • Y. Chen, J. Z. Wang and R. Krovetz, "CLUE: cluster-based ...
  • R. Zhang and Zh. Zhang, “ Empirical Bayesian learning in ...
  • V.Mezaris and I. Kompatsiaris, “ Region Based Image Retrieval Using ...
  • Y. Rui, T. S. Huang and S. Mehrotra, "Content-based image ...
  • J.A. Hartigan and M.A. Wong , “Algorithm AS۱۳۶: A k-means ...
  • B. Kimia, “Shape Representation for Image Retrieval”, Image Databases: Search ...
  • J.Li, J. Z. Wang and G. Wiederhold , “Integrated Region ...
  • J. Mao and A.K. Jain, “Texture Classification and Segmentation using ...
  • A. Pentland, R. Picard and S. Sclaroff “Photobook: Contentbased manipulation ...
  • T. N. Kipf and M. Welling, “Semi-supervised classification with graph ...
  • R. Zhang and Z. Zhang " BALAS: Empirical Bayesian learning ...
  • J. Smith, “Color for Image Retrieval”, Image Databases: Search and ...
  • M. Stricker and M. Swain, "The capacity of color histogram ...
  • M. Unser, "Texture classification and segmentation using wavelet frames," in IEEE ...
  • K. P. Yip, D. W. Cheung and M. K. Ng, ...
  • L. Nanni, A. Rigo, A. Lumini, and S. Brahnam, “Spectrogram ...
  • Y. Chen, J. Z. Wang and R. Krovetz, "CLUE: cluster-based ...
  • K. Z. Mao, K. -C. Tan and W. Ser, "Probabilistic ...
  • M. Flickner et al., "Query by image and video content: the ...
  • X. Zhang, M. Lei, D. Yang, Y. Wang and L. ...
  • N. C. Shirazi, R. Hamzehyan, and A. Masoomi, " The ...
  • A. Soltani-Farani, H. R. Rabiee, and S. A. Hosseini, "Spatial-aware ...

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: 84
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی