مهران جوانی - گروه کامپیوتر دانشگاه آزاد اسلامی واحد بهبهان
داود عقلمدی ینگجه - دانشکده برق و رایانه دانشگاه آزاد اسلامی واحد قزوین
روح اله پیش بهار - گروه کامپیوتر دانشگاه آزاد اسلامی واحد بهبهان
بهنام فرد - گروه کامپیوتر دانشگاه آزاد اسلامی واحد بهبهان

با توجه به گسترش روزافزون تعداد تصاویر پایگاه داده پزشکی ، وجود سیستمی برای مدیریت ، بازیابی و حاشیه نویسی این حجم از تصاویر الزامی است در سالهای اخیر حاشیه نویسی تصاویر یکی از فعالترین موضوعات تحقیقاتی است دراین مقاله برای حاشیه نویسی تصاویر تکنیک خوشه بندی تعاونی Co-Clustering) نیمه نظارت شده پیشنهاد می شود روشهای خوشه بندی بدلیل عدم نیاز به داده های حاشیه نویسی شده بسیار مورد توجه هستند از انجا که اکثر روشهای خوشه بندی به مقدار دهی اولیه به مراکز خوشه حساس هستند و اگر بدرستی مقدار دهی انجام نشود الگوریتم به بهینه محلی همگرا می شود همچنین ترکیب نتایج خوشه بندی بدلیل مشخص نبودن برچسب مراکز کار بسیار مشکلی است برای برطرف کردن این مشکلات از خوشه بندی نیمه نظارت شده استفاده می شود معیارهای شباهت متفاوت نتایج خوشه بندی متفاوتی را در بردارند. برای دستیابی به بالاترین کارایی نتایج خوشه بندی شش سیستم با معیار شباهت متفاوت با رای اکثریت گیری بصورت تعاونی با هم ترکیب می شوند در شرایطی که تعداد رای ها برای یک تصویر کم باشد از باز خورد مرتبط برای حاشیه نویسی ان استفاده می شود.

بازیابی تصویر برمبنای محتواCBIR، حاشبه نویسی خودکار تصاویر پزشکی، معیار شباهت، خوشه بندی تعاونی