تشخیص اثر کف دست و گوش با استفاده از خوشه بندی گراف
محل انتشار: یازدهمین کنفرانس سراسری سیستم های هوشمند
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 988
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICS11_127
تاریخ نمایه سازی: 14 مهر 1392
چکیده مقاله:
در این مقاله از گراف ایزومورفیک و الگوریتم خوشه بندی - k-medoids برای استخراج ویژگی بیومتریک های اثر کف دست و گوش استفاده شده است. همچنین برای بخش بندی مجموعه های بدست آمده توسط روش medoid ، ویژگی های تصاویر کف دست و گوش به k خوشه تقسیم شده و یک سری خوشه روی هر دو گروه از تصاویر بدست آمد. در ادامه برای هر خوشه ، یک گراف ایزومورفیک معرفی گردید زیرا هدف ، همجوشی دو گراف بوسیله جفت کردن گراف های ایزومورفیک با استفاده از قوانین الحاق می باشد. نتایج تجربی نشان می دهد که همجوشی در مرحله استخراج ویژگی با استفاده از الگوریتم بخش بندی k-medoids نتایج اجرائی سیستم را بهبود خواهد داد
کلیدواژه ها:
نویسندگان
اعظم السادات نوربخش
دانشگاه آزاد اسلامی واحد لاهیجان
علی برومندنیا
دانشگاه آزاد اسلامی واحد تهران جنوب
سارا معتمد
دانشگاه آزاد اسلامی واحد فومن
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 :