بازشناسی شکل اشیا براساس ویژگی فاصله و انحنای کانتور پیرامونی با استفاده از طبقهبندی کننده عصبی-فازی
محل انتشار: دهمین کنفرانس سیستم های فازی ایران
سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 830
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICFUZZYS10_019
تاریخ نمایه سازی: 9 شهریور 1391
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.
کلیدواژه ها:
بازشناسی اشکال ، فضای مقیاس انحنا ، تابع انحنا ، فاصله اقلیدسی از مرکز ثقل ، طبقه بند فازی-عصبی ، شبکه عصبیPNN
نویسندگان
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 :