کارآیی روش های تطبیق قالب برای شبیه سازی آمار چند نقطه ای

تقریبا تمام روش های چند نقطه آمار (MPS) از یک روش تطبیق الگو برای انتخاب الگوهایی که بهترین تطابق را با داده های شرطیدارند، استفاده میکنند. هدف از این مقاله تجزیه و تحلیل عملکرد ده تکنیک مرسوم در تطبیق الگویی در الگوریتم MPS می-باشد. عملکرد این تکنیک ها بر اساس توان محاسباتی، دقت و میزان استفاده از حافظه اندازه گیری می شود این روش ها با استفاده ازتصاویر آموزشی (TI) دسته بندی شده و پیوسته مورد ارزیابی قرار می گیرند. تجزیه و تحلیل روشها شامل توانایی آنها در مکان یابیسریع و با حداقل خطا یک رخداد داده با یک نسبت خاصی از پیکسل های شناخته شده و مقدار مشخصی از نویز می باشد. بررسی هانشان می دهد که روش درشت به ریز با استفاده از آنتروپی (CFE) در همه پیکربندی ها سریع ترین روش است. روش های پرش نیز ازنظر سرعت کارآمدی خوبی دارند. از نظر دقت و بدون نویز همه روشها به جز CFE و همبستگی متقابل (CC) به خوبی عمل میکنند. اگر TI نرمال نشده باشد، CC در تمام ساختارها کمترین دقت را دارد . این روش وقتی از تصاویر آموزشی نرمال شده استفاده میشود، بهتر عمل می کند. روش مجموع دودویی تفاوت مطلق (BSAD) در برابر نویز بسیار مقاوم است و بهترین پاسخ را دارد. نهایتا، ازنظر استفاده از حافظه ، CFE بدترین روش در بین ده روش مورد آزمایش است و روشهای دیگر در این معیار تفاوت قابل توجهی بایکدیگر ندارند.

Keywords:

آمار چند نقطه ای , تطبیق الگو