یادگیری متریک در داده های هیستوگرامی بر اساس اصلاح معیار فاصله χ 2
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,143
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NPECE01_376
تاریخ نمایه سازی: 6 بهمن 1395
Abstract:
یادگیری متریک راهکاری برای افزایش دقت طبقه بندی مبتنی بر فاصله بین داده هاست تمرکز بسیاری از روش های یادگیری متریک بر روی بهبود معیار فاصله اقلیدسی است اما در بسیاری از مسائل بازشناسی الگو و پردازش تصویر داده های موجود به صورت هیستوگرامی و در فضایی غیر متعامد هستند در چنین فضایی استفاده از فاصله اقلیدسی و ماهالانوبیس از دقت مناسبی برخوردار نخواهد بود معیار مناسبی که برای چنین داده هایی ارائه می شود فاصله χ 2 است در این مقاله روش جدیدی برای یادگیری متریک در معیار فاصله χ 2 ارائه می شود که می تواند در ویژگی های هیستوگرامی مورد استفاده قرار گیرد در روش پیشنهادی رابطه فاصله χ2 با یک ماتریس اصلاح شده الگوریتمی برای آموزش این ماتریس ارائه شده است نتایج بدست امده از ازمایش روش پیشنهادی بر روی داده های هیستوگرامی تصاویر حالت چهره نشان می دهد که دقت این روش نسبت به یادگیری متریک در معیار فاصله ماهالانوبیس دارای دقت بسیار بالاتری است
Keywords:
Authors
حمید صادقی
دانشکده مهندسی برق دانشگاه صنعتی امیرکبیر
ابوالقاسم اسدالله راعی
دانشکده مهندسی برق دانشگاه صنعتی امیرکبیر
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 :