ارائه یک روش بیزین به منظور ساخت مدلهای هندسی آماری تنک با استفاده از توزیع دیریکله
Publish place: 12th Iranian Conference on Intelligent Systems
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 926
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ICS12_105
Index date: 2 August 2014
ارائه یک روش بیزین به منظور ساخت مدلهای هندسی آماری تنک با استفاده از توزیع دیریکله abstract
در آنالیز تصاویر پزشکی مفهوم هندسه به عنوان یک ویژگی مهم برای تشخیص و آنالیز ساختارهای آناتومیکی شناخته شده است. یک مدل هندسی آماری سعی میکند تا به صورت بهینه، یک مجموعه بخشبندی شده از مشاهدات هر ارگان داده شده را به وسیله یک شکل میانگین و یک مدل تغییر پذیر بیان نماید.از جمله مشکلات اساسی در مراحل ساخت مدلهای هندسی آماری مبتنی بر نقاط، تعیین تناظرات بین مشاهدات است. با توجه به عدم قطعیت بیانهای سطوح هندسی و همچنین دشواری تعیین دقیق تناظرات، فرض غالب وجود تناظرات یک به یک بحث بر انگیز است که در روشی جدیدتر بررسی تناظرات به صورت احتمالی با استفاده از الگوریتمEM-ICP صورت میپذیرد. تعیین تعداد نقاط بهینه برای مدل حاصل از این الگوریتم نکتهای است که در این مقاله دنبال شدهاست. ما با ارائه یک چهارچوب بیزین و انتخاب توزیع پیشرو دیریکله برای ضرایب گوسین و بهرهمندی از یک روش برنامهریزی مرتبه دوم به این هدف دست یافتهایم. در این فرآیند با انتخاب مقدار اولیهای از نقاط، برابر با مجموع تمام نقاط نمونههای آموزشی، به حذف نقاط با درجه اهمیت پایینتر پرداخته شده وتعداد نقاط بهینه یافته میشود. نتایج حاصل از اعمال الگوریتم پیشنهادی بر 24 داده هیپوکامپ و آزمایشات اعتبارسنجی مختلف، با ارائه مدلهایی با قابلیت تعمیمپذیری بالا و متوسط خطای فاصله 0.94 میلیمتر همراه بوده که از توانایی بالا در نمایش تغییرات موجود در دادههای آموزشی نیز برخوردار است
ارائه یک روش بیزین به منظور ساخت مدلهای هندسی آماری تنک با استفاده از توزیع دیریکله Keywords:
ارائه یک روش بیزین به منظور ساخت مدلهای هندسی آماری تنک با استفاده از توزیع دیریکله authors
الهه موسوی
دانشکده برق وکامپیوتر، دانشگاه تربیت مدرس
علی گویا
دانشکده برق وکامپیوتر، دانشگاه تربیت مدرس
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 :