تشخیص اثر کف دست و گوش با استفاده از خوشه بندی گراف
Publish place: 11th Intelligent Systems Conference
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 987
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICS11_127
تاریخ نمایه سازی: 14 مهر 1392
Abstract:
در این مقاله از گراف ایزومورفیک و الگوریتم خوشه بندی - k-medoids برای استخراج ویژگی بیومتریک های اثر کف دست و گوش استفاده شده است. همچنین برای بخش بندی مجموعه های بدست آمده توسط روش medoid ، ویژگی های تصاویر کف دست و گوش به k خوشه تقسیم شده و یک سری خوشه روی هر دو گروه از تصاویر بدست آمد. در ادامه برای هر خوشه ، یک گراف ایزومورفیک معرفی گردید زیرا هدف ، همجوشی دو گراف بوسیله جفت کردن گراف های ایزومورفیک با استفاده از قوانین الحاق می باشد. نتایج تجربی نشان می دهد که همجوشی در مرحله استخراج ویژگی با استفاده از الگوریتم بخش بندی k-medoids نتایج اجرائی سیستم را بهبود خواهد داد
Keywords:
Authors
اعظم السادات نوربخش
دانشگاه آزاد اسلامی واحد لاهیجان
علی برومندنیا
دانشگاه آزاد اسلامی واحد تهران جنوب
سارا معتمد
دانشگاه آزاد اسلامی واحد فومن
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :