مهدی ملازاده - دانشگاه امام حسین (ع)
بابک تیمورپور - تربیت مدرس
حمیدرضا کاکایی - ددانشگاه امام حسین (ع)

انتخاب بردار مشخصه مناسب برای حداکثر نمودن موفقیت یک ماشین دسته بندی کننده بسیار موثر است. در این مقاله با استفاده از ترکیب روش های مختلف محاسبه تابع هسته، یک الگوریتم انتخاب مشخصه بهینه بدون نظارت پیشنهاد گردیده است. بردار مشخصه بدست آمده از الگوریتم پیشنهادی، صحت خروجی دسته بندی کننده شبکه عصبی پس انتشارخطا را حداکثر می گرداند. در این مقاله برای مطالعه موردی از دسته بندی استاندارد تصاویر فشرده شده مبتنی بر کدگذاری تبدیلی و تصاویر فشرده نشده با استفاده از رشته بیت آن ها استفاده می گردد. استانداردهای مورد نظر برای دسته بندی، استانداردهای JPEG و JPEG۲۰۰۰ و تصاویر فشرده نشده با فرمت TIFF می باشند. با استفاده از بردار مشخصه بدست آمده از الگوریتم پیشنهادی، صحت دسته بندی کننده در حدود ۹۸% می گردد.

داده کاوی, بردار مشخصه, انتخاب بردارهای مشخصه, شبکه عصبی, دسته بندی, استاندارد فشرده سازی تصویر