دستهبندی اشیا بر اساس ویژگی هیستوگرام فواصل درونی نقاط کانتور مرزی با استفاده از طبقه-بند فازی- عصبی
محل انتشار: دهمین کنفرانس سیستم های فازی ایران
سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 975
فایل این مقاله در 6 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:
ICFUZZYS10_028
تاریخ نمایه سازی: 9 شهریور 1391
چکیده مقاله:
در این مقاله روشی برای شناسایی و طبقهبندی شکلهای باینری معرفی میشود. استفاده از هیستوگرام فواصل درونی نقاط کانتور مرزی در مرحله انتخاب ویژگی پیشنهاد میگردد. در مرحله بعدی هیستوگرام فواصل محاسبه میشود وبرای پایداری نسبت به تغییر اندازه، هیستوگرام نرمالیزه میشود. مزیت عمده ویژگی استخراج شده پایداری آن در برابر مقیاس ، چرخش و انتقال و تقارن آینهای میباشد.در مرحله کلاسبندی، هیستوگرام نرمالیزه شده به طبقهبند فازی -عصبی داده میشود. روش پیشنهادی بر روی پایگاههای دادهTools و Mpeg7 اعمال میگردد. در روش پیشنهاد شده، نرخ شناسایی بالاتری روی پایگاه دادهMpeg7نسبت به پایگاه دادهtools بهدست میآید. در پایان نیز مقایسهای با شبکه عصبیPNN صورت میگیرد که طبقهبند فازی -عصبی کارایی بهتری نسبت به شبکه عصبیPNN نمایش میدهد.
کلیدواژه ها:
نویسندگان
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 :