CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

طبقه بندی تصاویر چند طیفی با استفاده از قواعد تداعی فازی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۱۳۰۲ | نظرات: ۰
سال انتشار: ۱۳۸۶
نوع ارائه: پوستر
کد COI مقاله: ACCSI13_239
زبان مقاله: فارسی
حجم فایل: ۴۶۲.۱۱ کیلوبایت (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.
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 ۶ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله طبقه بندی تصاویر چند طیفی با استفاده از قواعد تداعی فازی

    پیمان کبیری - استادیار دانشگاه علم و صنعت ایران، دانشکده کامپیوتر
  محسن سریانی - استادیار دانشگاه علم و صنعت ایران، دانشکده کامپیوتر
  حامد شهبازی - دانشجوی کارشناسی ارشد دانشگاه علم و صنعت ایران، دانشکده کامپیوتر

چکیده مقاله:

در این مقاله، سیستمی مبتنی بر قواعد تداعی فازی برای طبقهبندی پیکسلهای یک تصویر چند طیفی ارائه میشود. هدف اصلی در کاوش قواعد تداعی طبقهبند، یافتن الگوهای تکرار شونده در مجموعه تراکنشها و متعاقب آن استخراج قواعدی است که قسمت تالی آن مشخص کننده نوع کلاس است. در این سیستم از ایندکسهای تفاضل نرمال مربوط به میزان سبزینگی، آب و سازه استفاده میشود. به
این صورت که ابتدا بر روی فضای ایندکسها، یکی از الگوریتمهای طبقهبندی بدون ناظر فازی اعمال شده و به ازای هر پیکسل درجه عضویت تعلق آن به هر کلاس تعیین میشود. سپس بر روی هر
ایندکس ، متغیرهای زبانی گوسی تعریف شده و برای هر پیکسل درجه عضویت تعلق آن به متغیرهای زبانی محاسبه میشود. به این ترتیب هر تراکنش در مجموعه تراکنشها شامل اجتماع درجه های عضویت تعلق پیکسل به متغیرهای زبانی و کلاسها است. با تغییر پارامترهای الگوریتم کاوش قواعد تداعیApriori به حوزه فازی، الگوریتمی برای محاسبه قواعد تداعی طبقهبندی کننده از روی این تراکنشها بدست میآید. این الگوریتم بر روی مجموعه آموزشی اعمال شده و قواعد طبقهبند استخراج شده بوسیله مجموعه آزمایشی اعتبارسنجی میشوند. نتایج آزمایشی نشان میدهند که با تنظیم پارامترهای میزان اطمینان میتوان در زمان معقول به دقتی مناسب رسید.

کلیدواژه‌ها:

قواعد تداعی فازی، طبقه بندی، تصویر چند طیفی، ایندکسهای تفاضل نرمال سبزینگی،آب و سازه، سنجش از دور

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_239.html
کد COI مقاله: ACCSI13_239

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:
کبیری, پیمان؛ محسن سریانی و حامد شهبازی، ۱۳۸۶، طبقه بندی تصاویر چند طیفی با استفاده از قواعد تداعی فازی، سیزدهمین کنفرانس سالانه انجمن کامپیوتر ایران، جزیره کیش، انجمن کامپیوتر، دانشگاه صنعتی شریف، https://www.civilica.com/Paper-ACCSI13-ACCSI13_239.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: (کبیری, پیمان؛ محسن سریانی و حامد شهبازی، ۱۳۸۶)
برای بار دوم به بعد: (کبیری؛ سریانی و شهبازی، 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 :

  • [l] Bruzzone, L., An approach to feature selection and classification ...
  • Giacinto, G., Roli, F., and Bruzzone, L., Combination of neural ...
  • Yushun, Zhai. Alex Thomassonb, J., E. Boggess, Julian. Sui. Ruixiu, ...
  • Smits, P. C., Multiple classifier systems for supervised remote sensing ...
  • Nishiia, Ryuei. Eguchib, Shinto. , "Image classification based on Markov ...
  • Liu, B., Ma, Y., Wong, C., Classification using association rules: ...
  • Chen, Guoqing. Liu, Hongyan. Yu, Lan. Wei, Qiang. Zhang, Xing. ...
  • Agrawal, R., Mannila, H., Srikant, R., Toivonen, H., Verkamo, A.I., ...
  • Rouse, J. W., Haas, R. H., Schell, J. A., Deering, ...
  • Jackson, T. J., Chen, D., Cosh, M., Anderson, F. Li, ...
  • Peijun1, DU, Yunhao2, CHEN, Hong3, TANG and Tao3 FANG, Study ...
  • Hathaway, R.J., Davenport, J.W., Bezdek, J.C. Relational dual of the ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۹۷۳۰
    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.