ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

تشخیص امضا توسط یک الگوریتم داده کاوی قوی و ارایه یک دسته ویژگی

تعداد صفحات: 13 | تعداد نمایش خلاصه: 140 | نظرات: 0
سال انتشار: 1398
کد COI مقاله: SETT01_034
زبان مقاله: فارسی
(فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 13 صفحه است به صورت فایل PDF در اختیار داشته باشید.

قیمت این مقاله : 0 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تشخیص امضا توسط یک الگوریتم داده کاوی قوی و ارایه یک دسته ویژگی

مهدیه عبدی پور - گروه مهندسی برق، دانشکده برق، دانشگاه آزاد اسلامی واحد نجف آباد، شهر نجف آباد، ایران
علی شکوهی رستمی - گروه مهندسی برق، دانشکده برق، دانشگاه سیستان و بلوچستان، شهر زاهدان، ایران
سید محمدحسین رضوی - گروه مهندسی برق، دانشکده برق، دانشگاه آزاد اسلامی واحد نجف آباد، شهر نجف آباد، ایران
افسون نادری - گروه مهندسی برق، دانشکده برق، دانشگاه آزاد اسلامی واحد نجف آباد، شهر نجف آباد، ایران

چکیده مقاله:

با گسترش علم در حوزه فناوری اطلاعات، بیشتر کارهای مربوط به تشخیص الگو شامل تشخیص سرعت، امضا و دست خط انسان به صورت خودکار انجام می شوند. در این مطالعه، الگوریتمی به منظور تشخیص صحت امضا ارائه شده است. در الگوریتم پیشنهادی ابتدا جهت هموار تر شدن تصویر و حذف نویز فیلتر میانه بر روی تصاویر امضا صورت گرفت. سپس جهت افزایش عملکرد شناسایی امضا ابعاد تصاویر به 100*150 کاهش یافت. سپس 849 ویژگی بافت و شکل از قبیل گابور، LBP و HOG از هر تصویر استخراج شد. سپس30 ویژگی به روش انتخاب ویژگی FS-SFS که تلفیقی از روش انتخاب ویژگی (f-sfs) با استفاده از الگوریتم طبقه بندی ماشین بردار پشتیبان می باشد. روش f-sfs بدین صورت عمل می کند که در ابتدا تعدادی از ویژگی ها بوسیله یک فیلتر کاهش یافته و در نهایت به روش پی در پی رو به جلو ( sfs) ویژگی های نهایی انتخاب شده و سپس به کلاس بندی برای آموزش و تست تحویل داده می شوند. در نهایت ویژگی های انتخاب شده از هر تصویر به شبکه های عصبی پرسپترون چند لایه جهت کلاس بندی داده شد. صحت عملکرد نهایی الگوریتم پیشنهادی 93.61% به دست آمد.

کلیدواژه ها:

ماشين بردار پشتيبان، شبكه عصبي، ويژگي گابور، انتخاب ويژگي

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/903119/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
عبدی پور، مهدیه و شکوهی رستمی، علی و رضوی، سید محمدحسین و نادری، افسون،1398،تشخیص امضا توسط یک الگوریتم داده کاوی قوی و ارایه یک دسته ویژگی،کنفرانس بین المللی علوم، مهندسی، تکنولوژی و کسب و کارهای فناورانه،تهران،،،https://civilica.com/doc/903119

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1398، عبدی پور، مهدیه؛ علی شکوهی رستمی و سید محمدحسین رضوی و افسون نادری)
برای بار دوم به بعد: (1398، عبدی پور؛ شکوهی رستمی و رضوی و نادری)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: 8,366
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره 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.

پشتیبانی