CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

بازشناسی شکل اشیا براساس ویژگی فاصله و انحنای کانتور پیرامونی با استفاده از طبقهبندی کننده عصبی-فازی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۴۵۳ | نظرات: ۰
سال انتشار: ۱۳۸۹
کد COI مقاله: ICFUZZYS10_019
زبان مقاله: فارسی
حجم فایل: ۳۲۰.۶۴ کلیوبایت (فایل این مقاله در ۶ 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.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت 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. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۶ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله بازشناسی شکل اشیا براساس ویژگی فاصله و انحنای کانتور پیرامونی با استفاده از طبقهبندی کننده عصبی-فازی

سارا قره باغی -
حسین ابراهیم نژاد -

چکیده مقاله:

در این مقاله روشی جهت بازشناسی تصاویر باینری اشکال دو بعدی بر پایه شبکه عصبی و منطق فازی ارائه گردیده است. با استفاده از این روش، ویژگی هایی که حاصل ترکیب نمایشCSS و فاصله اقلیدسی بین مرکز ثقل و هر نقطه از منحنی شکل می باشد، بدست می آیند و سپس از طبقه بند عصبی- فازی جهت کلاس بندی استفاده می گردد. این روش بر روی داده های موجود در دیتابیسMpeg7 اعمال شده و در نهایت نتایج طبقه بند عصبی - فازی با نتایج طبقه بند شبکه عصبیPNN مقایسه می گردد. نتایج نشان می دهد که طبقه بند عصبی -فازی برای داده های آموزشی و نیز داده های تست نتیجه بهتری نسبت به طبقه بند شبکه عصبیPNN بدست می دهد.

کلیدواژه‌ها:

بازشناسی اشکال، فضای مقیاس انحنا، تابع انحنا، فاصله اقلیدسی از مرکز ثقل، طبقه بند فازی-عصبی، شبکه عصبیPNN

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:
http://www.civilica.com/Paper-ICFUZZYS10-ICFUZZYS10_019.html
کد COI مقاله: ICFUZZYS10_019

نحوه استناد به مقاله:

برای بار اول: (قره باغی, سارا و حسین ابراهیم نژاد، ۱۳۸۹)
برای بار دوم به بعد: (قره باغی و ابراهیم نژاد، ۱۳۸۹)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

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

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

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.