تشخیص لبه در تصاویر بر اساس شبکه عصبی سلولی با استفاده از ترکیب الگوریتم های بهینه سازی اجتماع پرندگان و تکامل تفاضلی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 965
فایل این مقاله در 16 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:
ITCC01_543
تاریخ نمایه سازی: 9 فروردین 1395
چکیده مقاله:
لبه یکی از ویژگی های اساسی در تصاویر دیجیتال می باشد، که شامل یک مجموعه از ویژگی هایمهم تصویر مانند جهت، شکل،تغییرات و ... می باشد. لبه یابی در تصاویر ماهواره ای، تصاویرپزشکی (جهت یافتن محل تومور و محل یک بافت خاص)، روباتیک، بینایی ماشین و... کاربرددارد. در این مقاله روشی جدید به منظور تشخیص لبه در تصاویر بر اساس شبکه عصبی سلولی وترکیب الگوریتم های بهینه سازی اجتماع پرندگان و تکامل تفاضلی ارائه می شود. در روشپیشنهادی با استفاده از شبکه های عصبی سلولی لبه یابی انجام می شود. به منظور بدست آوردن بهینهپارامترهای شبکه عصبی سلولی و افزایش دقت دسته بندی داده ها از ترکیب الگوریتم های بهینهسازی اجتماع پرندگان و تکامل تفاضلی استفاده می شود. نتایج حاصل از آزمایشات نشان می دهدکه کارایی روش پیشنهادی در مقایسه با روش های پایه نظیر سوبل، پریویت و کنی بهتر می باشد. دراین مقاله، آموزش شبکه های عصبی با استفاده از شکل خاصی از ترکیب الگوریتم های تکاملتفاضلی و اجتماع پرندگان به نام DEPSOM برای افزایش دقت دسته بندی داده ها پیشنهاد شدهاست. الگوریتم های متعددی برای آموزش شبکه های عصبی وجود دارد.یکی از معروفترین آنها،الگوریتم یادگیری پس انتشار است که این الگوریتم معایبی مانند همگرایی کند و افتادن در کمینهمحلی دارد.برای بهبود آموزش شبکه های عصبی، در این مقاله از الگوریتم های بهینه سازیمتاهیوریستیک استفاده شده است. نتایج حاصل از پیاده سازی نشان می دهد که الگوریتم ترکیبیDEPSOM ، عملکرد مناسبی در آموزش شبکه های عصبی دارد و در مقایسه با آموزش شبکه بااستفاده از الگوریتم PSO نتایج دقیق تری بدست می آورد.
کلیدواژه ها:
نویسندگان
سیده زهره میرطالبی
دانشگاه جاوید جیرفت
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 :