CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

شناسایی گوش بااستفاده از روش استخراج مشخصه HMAX و طبقه بندی کننده SVM

اعتبار موردنیاز : ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۲۵۴ | نظرات: ۰
سرفصل ارائه مقاله: پردازش تصویر و سیگنال
سال انتشار: ۱۳۸۶
نوع ارائه: شفاهی
کد COI مقاله: ACCSI13_019
زبان مقاله: فارسی
حجم فایل: ۵۳۲.۰۱ کیلوبایت (فایل این مقاله در ۸ 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.
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 ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله شناسایی گوش بااستفاده از روش استخراج مشخصه HMAX و طبقه بندی کننده SVM

  محبوبه یعقوبی - دانشکده برق-رایانه و فناوری اطلاعات، دانشگاه آزاد اسلامی واحد قزوین
    کریم فائز - دانشکده مهندسی برق،دانشگاه امیرکبیر، تهران
  سارا معتمد - دانشکده برق-رایانه و فناوری اطلاعات، دانشگاه آزاد اسلامی واحد قزوین

چکیده مقاله:

در این مقاله، روش جدید وموفّقی به نامHMAX که از سیستم بیولوژیکی مغز انسان برای تهیه بردار خصوصیات الهام می گیرد، به منظور استخراج مشخصه های گوش افراد استفاده شده است. ما از مجموعه داده گوش USTB که شامل ١٨٠ تصویر گوش از ٦٠ نفر( با ٣ تصویر از هر نفر) می باشد، برای اثبات عملکرد مناسب روشمان استفاده نموده ایم. نتایج آزمایشی ما نشان داده
است که شیوه پیشنهاد شدی در مقایسه با شیوه،PCA نه تنها ضریب شناسایی بالاتری را به دست می آورد، بلکه همچنین این شیوه نسبت به تغییر مقیاس و موقعیت تصاویر نیز مقاوم است و
عملکرد آن در برابر این تغییرات، ثابت باقی می ماند. درحالیکه روش،PCA فقط کنترل شده

کلیدواژه‌ها:

بیومتریک گوش،استخراج مشخصه، مدل،HMAX دسته بندی کننده (support vector machine)SVM ، فیلتر گاوسین

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://www.civilica.com/Paper-ACCSI13-ACCSI13_019.html
کد COI مقاله: ACCSI13_019

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:
یعقوبی, محبوبه؛ کریم فائز و سارا معتمد، ۱۳۸۶، شناسایی گوش بااستفاده از روش استخراج مشخصه HMAX و طبقه بندی کننده SVM، سیزدهمین کنفرانس سالانه انجمن کامپیوتر ایران، جزیره کیش، انجمن کامپیوتر، دانشگاه صنعتی شریف، https://www.civilica.com/Paper-ACCSI13-ACCSI13_019.html

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: (یعقوبی, محبوبه؛ کریم فائز و سارا معتمد، ۱۳۸۶)
برای بار دوم به بعد: (یعقوبی؛ فائز و معتمد، ۱۳۸۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • A. Jain, BIOMETRICS: Personal Identification in Network Society. Kluwer Academic, ...
  • A. Iannarelli. Ear Identification Forensic Identification Series. Paramount Publishing Company, ...
  • M. Burge, W. Burger. Ear Biometrics in Computer Vision. In ...
  • P. Yan and K. W. Bowyer. Empirical evaluation of advanced ...
  • K. Chang, K. Bowyer, and V. Barnabas. Comparison and combination ...
  • H. Wersing and E. Korner. Learning optimized features for hierarchical ...
  • Yann LeCun, Fu-Ji eHuang, and Leon Bottou. Learning methods for ...
  • T. Serre, L. Wolf and T. Poggio." Object recognition with ...
  • T. J. Gawne and J. Martin. Response of primate visual ...
  • Riesenhuber M, Poggio T (2000) Models of Object Recognition. Nature ...
  • M. Riesenhuber and T. Poggio. Hierarchical models of object recognition ...
  • D. Hubel and T.Wiesel. Receptive fields and functional architecture in ...
  • I. Lampl, D. Ferster, T. Poggio, and M. Riesenhuber. Intracellular ...
  • Serre, T., and Riesenhuber, M. (2004) Realistic Modeling of Simple ...
  • B. Heisele, T. Serre, M. Pontil, T.Vetter, and T. Poggio. ...
  • T. Serre and M. Riesenhuber. Realistic modeling of simple and ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۹۱۱۲
    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.

    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 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.