استخراج ویژگی های چندگانه ترکیبی برای کاهش خلا معنایی با طبقه بندی نیمه نظارتی
محل انتشار: فصلنامه مهندسی مخابرات جنوب، دوره: 12، شماره: 45
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 173
فایل این مقاله در 14 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:
JR_JCEJ-12-45_003
تاریخ نمایه سازی: 18 مرداد 1401
چکیده مقاله:
در این مقاله برای طبقه بندی تصاویر، روش طبقه بندی تعاونی نظارت شده با هدف کاهش خلا معنایی پیشنهاد می شود. اکثر روش های طبقه بندی به مقداردهی اولیه به مراکز خوشه حساس هستند و اگر به درستی مقداردهی انجام نشود الگوریتم به بهینه محلی همگرا می شود. همچنین ترکیب نتایج طبقه بندی به دلیل مشخص نبودن برچسب مراکز کار بسیار مشکلی است. برای برطرف کردن این مشکلات از طبقه بندی نیمه نظارت شده استفاده میشود. برای دستیابی به بالاترین کارایی، نتایج طبقه بندی سیستم با فضای رنگ و معیار شباهت متفاوت با ویژگی های متعدد بصورت تعاونی نیمه نظارتی با هم ترکیب می-شوند. در شرایطی که تعداد ویژگی ها موثر هستند، از بازخورد مرتبط برای طبقه بندی نیمه نظارتی استفاده می شود. در این پژوهش از دو روش طبقهبندی حالات استفاده شده است که شامل طبقهبندی k-NN و PNN است که با توجه به نتایج در همه روشهای پیشنهاد شده، از طبقهبندی k-NN پاسخ بهتری نسبت به PNN مشاهده شده است. الگوریتم پیشنهادی بدلیل کاهش پیچیدگی زمان، برای طبقه بندی پایگاه دادههای بزرگ تصاویر بسیار مناسب است. نرخ بازشناسی بر دادههای تصویری استفاده شده در این تحقیق که الگوریتم هیستوگرام هرمی گرادیانهای جهتدار بر آنها اعمال شده، دارای بالاترین نرخ نسبت به دیگر روشهای پیشنهادی بوده و ۵۲/۹۸% میباشد. آزمایشات روی پایگاه داده تصاویر Corel نشان می دهند که روش ترکیبی افزایش دقت طبقه بندی بطور میانگین در روش ترکیبی حدود ۲۰% است.
کلیدواژه ها:
نویسندگان
مهدی جلالی
گروه برق، دانشکده فنی مهندسی، واحد نقده، دانشگاه آزاد اسلامی، نقده، ایران
توحید صدقی
گروه برق، دانشکده فنی مهندسی ، واحد ارومیه، دانشگاه آزاد اسلامی، ارومیه، ایران
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 :