بهره گیری از روش های داده کاوی جهت بررسی الگوریتم تشخیص چهره براساس کانالی از طبقه بند درخت تصمیم گیری

نوع مقاله:
مقاله پژوهشی/اصیل (بدون رتبه معتبر)
چکیده:

یجاد یک سیستم آشکارساز چهره قدرتمند، یکی از بزرگترین چالش هاست که در سال های اخیر مورد توجه محققان مختلف قرار گرفته است. چهره نقش اساسی را در شناسایی افراد و نمایش احساسات آنها در سطح جامعه دارد. تشخیص چهره یک موضوع مهم در کاربردهایی همچون سیستمهای امنیتی، کنترل کارت اعتباری و شناسایی مجرمان شده است. مسئله تشخیص چهره در حال حاضر به عنوان یکی از روش های برجسته بیومتریک مطرح می باشد. مزیت این روش، در سهولت دسترسی به تصاویر چهره افراد نسبت به دیگر روش های بیومتریک می باشد. درخت تصمیم گیری و الگوریتم های تکاملی درخت تصمیم گیری روشی مرسوم در طبقه بندی است، یک روش کار آمد و ویژه برای ایجاد دسته بندها از داده ها، تولید یک درخت تصمیم است. این روش، تضمین می کند که یک درخت ساده، اما لزوما نه ساده ترین درخت، یافت خواهد شد. در این تحقیق عالوه بر مقایسه قدرت پیش بینی درخت تصمیم گیری، مدلهای درخت داده کاوی با الگوریتمهای آموزش مختلف نیز مقایسه می گردد. انتخاب الگوریتم آموزش مناسب یکی از مهمترین مراحل طراحی یک درخت تصمیم است. نخست داده ها به صورت تصادفی به دو بخش تقسیم گردید. 000مورد (9/86 درصد) برای برازش مدلها (مجموعه آموزش-آزمون در مدل درخت تصمیم)  و50 مورد (0/00 درصد) برای اعتبار سنجی مدلها مورد استفاده قرار میگیرد.

زبان:
فارسی
در صفحه:
23
لینک کوتاه:
magiran.com/p2291238 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!