مجید رستمی شهربابکی - هسته پژوهشی پردازشتصویر، بخشمهندسی برق، دانشگاه شهید باهنر کرمان
حسین نظام آبادی پور

انتخاب ویژگی یکی از بخشهای مهم در بازشناسی الگو است.با انتخاب ویژگیهای مناسب نرخ بازشناسی درست طبقه بند افزایش مییابد. در این مقاله از الگوریتمهای PSO پیوسته و باینری برای انتخاب ویژگی در طبقه بندی معنایی تصویر که یکی از چالشهای مهم در بازیابی تصویر است، استفاده شده است. برای این منظور از یک پایگاه تصویر شامل ١٠ گروه معنایی، هر گروه شامل ١٠٠ تصویر استفاده شده است. برای طبقهبندی از روش k همسایه نزدیکتر و برای تخمین نرخ آن از روش یکی را کنار بگذار ٢ استفاده شده است عملکرد الگوریتمهای PSO باینریPSO پیوسته و الگوریتم وراثتی در شرایطی یکسان با یکدیگر مقایسه شده و نتایج آن تحلیل شده است

انتخاب ویژگی، کاهش بعد ویژگی، الگوریتم PSO طبقه بندی معنایی تصویر، بازشناسی الگو