شناسایی علایم ایستای دست با استفاده از ویژگی های مبتنی بر نمایش
Publish place: 16th Iranian Conference on Electric Engineering
Publish Year: 1387
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,202
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- 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:
ICEE16_063
تاریخ نمایه سازی: 6 اسفند 1386
Abstract:
در این مقاله برای شناسایی علایم از دسته بندی کننده ها RBFnetwork "MultiClassClassifier " BayseNet " SMO " MLP و الگوریتم های FKNNC "KNN و FRNNC استفاده شد. ویژگی های مبتنی بر نمایش و ویژگی های آماری از تصاویر استخراج شدند و هر کدام به طور مجزا به دسته بندی کننده ها داده شدند. در مقایسه دیده شد که ویژگی های مبتنی بر نمایش نسبت به ویژگی های آماری، نتایج بسیار بهتری داشت.
Keywords:
بینایی ماشین , حالات و اشارات دست , شناسایی علایم ایستای زبان , ویژگی های آماری , ویژگی های مبتنی بر نمایش
Authors
صدیقه ایلدرآبادی
دانشگاه آزاد اسلامی فلاورجان
محمد ابراهیمی
دانشگاه آزاد اسلامی مجلسی
مهدی یعقوبی
دانشگاه آزاد اسلامی واحد مشهد
حمیدرضا پوررضا
دانشگاه فردوسی مشهد
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 :