مقاله روش بهبود یافته ی انتخاب ویژگی بر مبنای بهینه سازی کلونی مورچه

مقاله روش بهبود یافته ی انتخاب ویژگی بر مبنای بهینه سازی کلونی مورچه

دسته بندی: - - - - -

قیمت: 20000 تومان

تعداد نمایش: 384 نمایش

ارسال توسط:

تاریخ ارسال: ۵ بهمن ۱۳۹۴

به روز رسانی در: ۵ بهمن ۱۳۹۴

خرید این محصول:

پس از پرداخت لینک دانلود برای شما نمایش داده می شود.

بهینه سازی کلونی مورچه

روش بهبود یافته ی انتخاب ویژگی بر مبنای بهینه سازی کلونی مورچه (ACO) ارزیابی شده بر روی سیستم تشخیص چهره

چکیده

بهینه سازی کلونی مورچه
بهینه سازی کلونی مورچه

بهینه سازی کلونی مورچه

انتخاب ویژگی (FS) گامی بسیار مهم است که می تواند بر عملکرد یک سیستم تشخیص الگو اثر می گذارد. این نوشتار یک متد جدید انتخاب ویژگی بر مبنای بهینه سازی کلونی مورچه (AOD) را ارائه می دهد. الگوریتم ACO الهام گرفته شده از رفتار اجتماعی مورچه ها در جستجوهایشان برای کوتاه ترین مسیر رسیدن به منابع غذایی است. رایج ترین تکنیک ها برای انتخاب ویژگی مبتنی بر ACO از اطلاعات پیشین ویژگی ها استفاده می کنند. با این حال، در الگوریتم پیشنهادی، عملکرد کلسیفایر و طول بردار ویژگی انتخاب شده به عنوان اطلاعات اکتشافی برای ACO اتخاذ می گردند. بنابراین می توانیم زیرگروه ویژگی بهینه را از نظر کوتاه ترین طول ویژگی و بهترین عملکرد کلسیفایر انتخاب کنیم. نتایج آزمایش در سیستم تشخیص چهره با استفاده از دیتابیس ORL نشان می دهد که شیوه پیشنهادی به سادگی قابل اجرا بوده و بدون هرگونه اطلاعات قبلی ویژگی ها، عملکرد کلی آن بهتر از عملکرد مبتنی بر GA و دیگر روش های انتخاب ویژگی مبتنی بر ACO است.بهینه سازی کلونی مورچگان

تشخیص چهره به دلیل کاربردهای نویدبخش آن در دسترسی امنیتی با احراز هویت، اجرای قانون، نظارت جمعی و تعامل هوشمند کامپیوتر با انسان به یک حوزه فعال تحقیقاتی مبدل گشته است. روش های موجود تشخیص چهره می تواند به دو دسته عمده تحلیلی و کلی تقسیم بندی شود. روش های تحلیلی یا مبتنی بر ویژگی، مجموعه ای از ویژگی های هندسی چهره همچون چشم ها، بینی و دهان را استخراج می کند. مکان برخی از نقاط مهم ویژگی از نظر بازنمایی و اطمینان پذیری صورت برای استخراج خودکار که مربوط می شوند به ویژگی های مختلف صورت، برای محاسبه روابط هندسی شامل مساحت ها، فواصل و زاویه های میان نقاط «اتکائی» به کار گرفته می شوند. ویژگی های هندسی استخراج شده برای جستجوی بهترین گزینه ها از دیتابیس صورت ها استفاده می شوند. با این حال، روش های کلی یا مبتنی بر ظاهر از ویژگی های کلی الگوهای صورت استفاده می کنند. الگوریتم های مبتنی بر ظاهر به طور معمول از مقادیر شدت پیکسل صورت بدون تشخیص ویژگی های صورت استفاده می کنند. از آنجا که تشخیص ویژگی های هندسی صورت ضروری نیست، این دسته از روش ها معمولا عملی تر و پیاده سازی آنها در مقایسه با روش های مبتنی بر ویژگی هندسی ساده تر است. بسیاری از روش های پیشنهادی در متون مربوطه، روش کلی هستند همچون Eigenface، روش مبتنی بر آنالیز تفکیکی (فیشر) خطی (LDA)، روش مبتنی بر شبکه عصبی و غیره.

فایل ترجمه شده به همراه فایل اصلی مقاله چکیده

بهینه سازی کلونی مورچه

پاسخ دهید