این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
رایانش نرم و فناوری اطلاعات، جلد ۱، شماره ۲، صفحات ۳-۱۸
عنوان فارسی استفاده از الگوریتم جستجوی گرانشی بهبود یافته در خوشه‌یابی خودکار تصاویر
چکیده فارسی مقاله از نظر عملی مسئله خوشه‌یابی به عنوان یکی از مهم‌ترین مباحث در بازشناسی الگو است و به علت کاربرد فراوان آن در زمینه‌های داده‌کاوی، پردازش تصویر، ماشین بینایی و. . . توجه بسیاری از محققان را به خود جلب کرده است. هرچند تاکنون روش‌های ابتکاری مختلفی به منظور خوشه‌یابی به کار گرفته شده است، ولی در اکثر این روش‌ها، نیاز است که تعداد خوشه‌ها از قبل مشخص گردد (خوشه‌یابی نظارت شده) این مسئله یکی از مهمترین‌ترین معایب این روش‌ها محسوب می‌شود. زیرا در بعضی مسایل خوشه‌یابی، اطلاعی از تعداد خوشه‌ها در دسترس نیست. البته الگوریتم‌های مختلفی برای رفع این مشکل ارائه شده است که از آن جمله می‌توان به DCPSO، VLIGA، GCUKوMEPSO که مبتنی بر روش‌های هوش‌جمعی می‌باشد، اشاره کرد. در این مقاله سعی شده است که یک روش خوشه‌یابی نظارت نشده به منظور خوشه‌یابی تصاویر با استفاده از الگوریتم بهبود یافته جستجوی گرانشی ارائه شود. در ابتدا الگوریتم جستجوی گرانشی که یک الگوریتم جدید در زمینه هوش‌جمعی است معرفی شده و پس از بهبود عملکرد آن، (با الهام از پدیده سیاه‌چاله‌ها در طبیعت) الگوریتم خوشه‌یابی مورد نظر ارائه می‌گردد. در پایان پس از بررسی عملکرد الگوریتم پیشنهادی بر روی تعدادی مجموعه داده آزمایشی، در دو کاربرد کوانتیزه‌سازی و ناحیه‌بندی تصویر مورد بررسی قرار می‌گیرد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Unsupervised Image Clustering Using Improved Gravitational Search Algorithm
چکیده انگلیسی مقاله Gravitational Search Algorithm (GSA) is a novel searching and optimization algorithm which has been reported recently. GSA was inspired by the gravitational forces between the mechanical objects. The movements of the searching objects in this method are based on the estimated accelerations and velocities of them. In this paper utilizing of GSA is investigated for unsupervised image clustering. At first an improvement for the conventional GSA is presented and then an appropriate fitness function is defined for unsupervised image clustering. Extensive experimental results on various data and images demonstrate the high performance of the proposed method in comparison to other algorithms.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله علیرضا سردار |
دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، ایران

سیدحمید ظهیری |
دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، ایران

نشانی اینترنتی http://jscit.nit.ac.ir/article_67322_57867e3691259144e2cb55e0cc8cebd0.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/834/article-834-806045.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات