استفاده از الگوریتم جستجوی گرانشی بهبود یافته در خوشه یابی خودکار تصاویر

پیام:
چکیده:
ز نظر عملی مسئله خوشه یابی به عنوان یکی از مهم ترین مباحث در بازشناسی الگو است و به علت کاربرد فراوان آن در زمینه های داده کاوی، پردازش تصویر، ماشین بینایی و. . . توجه بسیاری از محققان را به خود جلب کرده است. هرچند تاکنون روش های ابتکاری مختلفی به منظور خوشه یابی به کار گرفته شده است، ولی در اکثر این روش ها، نیاز است که تعداد خوشه ها از قبل مشخص گردد (خوشه یابی نظارت شده) این مسئله یکی از مهمترین ترین معایب این روش ها محسوب می شود. زیرا در بعضی مسایل خوشه یابی، اطلاعی از تعداد خوشه ها در دسترس نیست. البته الگوریتم های مختلفی برای رفع این مشکل ارائه شده است که از آن جمله می توان به DCPSO، VLIGA، GCUKوMEPSO که مبتنی بر روش های هوش جمعی می باشد، اشاره کرد. در این مقاله سعی شده است که یک روش خوشه یابی نظارت نشده به منظور خوشه یابی تصاویر با استفاده از الگوریتم بهبود یافته جستجوی گرانشی ارائه شود. در ابتدا الگوریتم جستجوی گرانشی که یک الگوریتم جدید در زمینه هوش جمعی است معرفی شده و پس از بهبود عملکرد آن، (با الهام از پدیده سیاه چاله ها در طبیعت) الگوریتم خوشه یابی مورد نظر ارائه می گردد. در پایان پس از بررسی عملکرد الگوریتم پیشنهادی بر روی تعدادی مجموعه داده آزمایشی، در دو کاربرد کوانتیزه سازی و ناحیه بندی تصویر مورد بررسی قرار می گیرد.

زبان:
فارسی
در صفحه:
3
لینک کوتاه:
magiran.com/p1337397 
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!