یادگیری متریک در داده های هیستوگرامی بر اساس اصلاح معیار فاصله χ 2

سال انتشار: 1395
محل انتشار: اولین کنفرانس بین المللی چشم انداز های نو در مهندسی برق و کامپیوتر
کد COI اختصاصی: NPECE01_376
زبان مقاله: فارسی
تعداد مشاهده: 1262

نویسندگان

دانشکده مهندسی برق دانشگاه صنعتی امیرکبیر

چکیده

یادگیری متریک راهکاری برای افزایش دقت طبقه بندی مبتنی بر فاصله بین داده هاست تمرکز بسیاری از روش های یادگیری متریک بر روی بهبود معیار فاصله اقلیدسی است اما در بسیاری از مسائل بازشناسی الگو و پردازش تصویر داده های موجود به صورت هیستوگرامی و در فضایی غیر متعامد هستند در چنین فضایی استفاده از فاصله اقلیدسی و ماهالانوبیس از دقت مناسبی برخوردار نخواهد بود معیار مناسبی که برای چنین داده هایی ارائه می شود فاصله χ 2 است در این مقاله روش جدیدی برای یادگیری متریک در معیار فاصله χ 2 ارائه می شود که می تواند در ویژگی های هیستوگرامی مورد استفاده قرار گیرد در روش پیشنهادی رابطه فاصله χ2 با یک ماتریس اصلاح شده الگوریتمی برای آموزش این ماتریس ارائه شده است نتایج بدست امده از ازمایش روش پیشنهادی بر روی داده های هیستوگرامی تصاویر حالت چهره نشان می دهد که دقت این روش نسبت به یادگیری متریک در معیار فاصله ماهالانوبیس دارای دقت بسیار بالاتری است

کلیدواژه ها

یادگیری متریک،فاصله χ 2،داده های هیستوگرامی،شناسایی حالت چهره

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.