کلاسهبندی در عدم قطعیت با تئوری شواهد
محل انتشار: پنجمین کنفرانس ماشین بینایی و پردازش تصویر
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,159
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:
ICMVIP05_089
تاریخ نمایه سازی: 29 اردیبهشت 1387
چکیده مقاله:
معمولا درسیستمهای کلاسه بندی برای تهیه یک مدل مشخصی از داده های آموزشی طوری عمل می شود که هر الگوی ورودی به یک کلاس نسبت داده می شود. لزوم تخصیص نمونه ها، فقط به یک کلاس، از آزادی عمل سیستم می کاهد، چراکه در بسیاری از موارد، به دلیل همپوشانی کلاسها در فضای ویژگیهای مربوطه، نمی توان یک نمونه را بطور کامل فقط به یک کلاس نسبت داد. در این مقاله یک سیستم کلاسه بندی با محاسبات نرم پیشنهاد شده است، بطوریکه در آن، با تدابیری که در نظر گرفته شده است، آزادی عمل سیستم با در نظر گرفتن انتساب نمونه ها به همه حالتهای ممکن از
کلاسهای موجود افزایش قابل ملاحظه ای پیدا می کند. در سیستم پیشنهادی از خوشه بندی و قانون ترکیب شواهد استفاده شده است. از تصاویری از دانه های شن و ماسه که در 5 کلاس اصلی دسته بندی شده بودند، به عنوان داده های سیستم و بررسی نتایج استفاده شده است.
کلیدواژه ها:
نویسندگان
جمال قاسمی
بابل، دانشگاه صنعتی نوشیروانی، دانشکده مهندسی برق و کامپیوتر
حجت غنودی
بابل، دانشگاه صنعتی نوشیروانی، دانشکده مهندسی برق و کامپیوتر
محمد رضا کرمی ملایی
بابل، دانشگاه صنعتی نوشیروانی، دانشکده مهندسی برق و کامپیوتر
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 :