روش هیبریدی بهینه سازی ازدحام ذرات کوانتومی و گرگ خاکستری جهت آنالیز خوشه بهینه به منظور بخش بندی پوست چهره
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 269
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ABMIR-1-1_011
تاریخ نمایه سازی: 1 بهمن 1401
چکیده مقاله:
بخش بندی چهره نقش خیلی مهمی در کاربردهای آنالیز چهره مانند شناسایی هویت، آنالیز حالات چهره، انیمیشن چهره و آنالیز بیماری های پوست چهره ایفا می کند. در این مقاله، یک روش جدید هیبریدی مبتنی بر بهینه سازی ازدحام ذرات کوانتومی (QPSO) و گرگ خاکستری (GWO) جهت بهینه کردن عمل کرد خوشه بند K-Means رائه می شود. در این مطالعه، دو الگوریتم با هم ترکیب شده و در روش پیشنهادی عمل کرد استخراج در الگوریتم QPSO با قابلیت اکتشاف در الگوریتم GWO بهبود داده می شود. اندازه گیری تشابه نقش اساسی در فرآیند خوشه بندی ایفا می کند. جهت اندازه گیری تشابه، ۴ معیار فاصله ی اقلیدسی، مینکوفسکی، ماهالانوبیس و بلوک شهری در بهینه سازی الگوریتم K-Means به-کار گرفته شده است. روش پیشنهادی در مقایسه با سایر الگوریتم های فرا ابتکاری شامل الگوریتم ژنتیک (GA)، PSO، QPSO، GWO، بهینه سازی خفاش، جستجوی کلاغ عمل کرد بهتری در بخش بندی و سرعت همگرایی دارد. همچنین، نتایج نشان می دهند که فاصله ی مینکوفسکی عمل کرد بهتری در محاسبه ی تشابه داشته و بهینه سازی الگوریتم K-Means با فاصله ی مینکوفسکی نتیجه ی بهتری در بخش بندی دارد. براساس نتایج به دست آمده، ترکیب این دو الگوریتم رسیدن به جواب بهینه را تضمین کرده و از مسئله ی کمینه مکانی نیز جلوگیری می کند.
کلیدواژه ها:
نویسندگان
مهدی نوشیار
گروه مهندسی برق و کامپیوتر، دانشکده فنی و مهندسی ، دانشگاه محقق اردبیلی، اردبیل، ایران.
علی فهمی جعفرقلخانلو
گروه بیوالکتریک، دانشکده مهندسی پزشکی، دانشگاه صنعتی سهند، تبریز، ایران
محمد قیامی
گروه مهندسی برق، دانشکده فنی، دانشگاه آزاد اسلامی واحد اردبیل
مجید رستمی مقدم
گروه بیماریهای پوست، دانشکده پزشکی، دانشگاه علوم پزشکی اردبیل
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 :