مقایسه کارایی شبکه عصبی و ماشین های بردار پشتیبان در طبقه بندی ارقام برنج با استفاده از ویژگی های بافت

در این مقاله، پنج رقم برنج با استفاده از ویژگی بافت طبقه بندی شده است. الگوریتم پیشنهادی شامل مراحل تحصیل تصاویر، قطعه بندی، استخراج ویژگی های بافت، انتخاب ویژگی ها، و طبقه بندی میباشد. دوازده ویژگی بافت از هر دانه برنج استخراج گردید. ممکن است بعضی از ویژگی های استخراجی زائد باشند و نقشی در بالابردن دقت طبقه بندی نداشته باشند؛ حتی ممکن است این ویژگی ها باعث پایین آمدن دقت طبقهبندی شوند. بنابراین نیاز به فرایندی وجود دارد تا بتواند بهترین ویژگی های طبقه بندی را بیابد. با استفاده از دو الگوریتم انتخاب جلورونده و انتخاب عقب رونده، ویژگی های برتر استخراج گردید. در نهایت با استفاده از شبکه عصبی و ماشین بردار پشتیبان طبقه بندی انجام شده است. نتایج نشان می دهد که طبقه بندی کننده وقتی بیشترین کارایی را دارد که نه ویژگی استخراج شده باشد و از شبکه عصبی استفاده شده باشد.

کلیدواژه ها:

طبقه بندی برنج ، شبکه عصبی ، ماشین بردار پشتیبان ، بافت ، انتخاب ویژگی