الهه رئیسی - گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد علوم و تحقیقات
حمید ابریشمی مقدم - گروه مهندسی پزشکی، دانشکده مهندسی برق وکامپیوتر، دانشگاه صنعتی خواج

در این مقاله، یک روش جدید استخراج ویژگی بر پایه روش تحلیل تمایز غیرپارامتری بیان می شود. در این روش، برای هر داده آموزشی دو بردار فاصله هر نمونه تا نزدیک ترین و دورترین نمونه از کلاس مقابل را بدست آورده و از بزرگی تصویر دو برابر وزن دهی به آن داده به منظور محاسبه ماتریس پراکندگی بین کلاسی استفاده می کنیم. در روش تحلیل تمایز غیرپارامتری، برای محاسبه وزن باید برخی پارامترها را بدون هیچ قاعده ای تخمین زد که در روش معرفی شده چنین اشکالی وجود ندارد. هرچند در روش تحلیل تمایز غیرپارامتری وزنی نیز این مشکل وجود ندارد ولی پیچیدگی محاسباتی در آن برای محاسبه وزن بسیار بالاست. در حالیکه در این روش جدید پیچیدگی محاسباتی برای محاسبه وزن بسیار کمتر می باشد. این روش روی پایگاه داده Indian Pine پیاده شده و نتایج حاصله با دو روش تحلیل تمایز غیرپارامتری و روش تحلیل غیرپارامتری وزنی از لحاظ دقت در دسته بندی و زمان مقایسه شده است.

استخراج ویژگی، تحلیل تمایز غیرپارامتری وزنی بر پایه تصویر، تحلیل تمایز غیرپارامتری، تحلیل تمایز غیرپارامتری وزنی، دسته بندی کننده نزدیک ترین همسایه