-
دسترسی آزاد مقاله
1 - Tracking Performance of Semi-Supervised Large Margin Classifiers in Automatic Modulation Classification
Hamidreza Hosseinzadeh فربد رزازی Afrooz HaghbinAutomatic modulation classification (AMC) in detected signals is an intermediate step between signal detection and demodulation, and is also an essential task for an intelligent receiver in various civil and military applications. In this paper, we propose a semi-superv چکیده کاملAutomatic modulation classification (AMC) in detected signals is an intermediate step between signal detection and demodulation, and is also an essential task for an intelligent receiver in various civil and military applications. In this paper, we propose a semi-supervised Large margin AMC and evaluate it on tracking the received signal to noise ratio (SNR) changes to classify all forms of signals in a cognitive radio environment. To achieve this objective, two structures for self-training of large margin classifiers were developed in additive white Gaussian noise (AWGN) channels with priori unknown SNR. A suitable combination of the higher order statistics and instantaneous characteristics of digital modulation are selected as effective features. Simulation results show that adding unlabeled input samples to the training set, improve the tracking capacity of the presented system to robust against environmental SNR changes. پرونده مقاله -
دسترسی آزاد مقاله
2 - Early Detection of Pediatric Heart Disease by Automated Spectral Analysis of Phonocardiogram
Azra Rasouli KenariEarly recognition of heart disease is an important goal in pediatrics. Developing countries have a large population of children living with undiagnosed heart murmurs. As a result of an accompanying skills shortage, most of these children will not get the necessary treat چکیده کاملEarly recognition of heart disease is an important goal in pediatrics. Developing countries have a large population of children living with undiagnosed heart murmurs. As a result of an accompanying skills shortage, most of these children will not get the necessary treatment. Taking into account that heart auscultation remains the dominant method for heart examination in the small health centers of the rural areas and generally in primary healthcare setups, the enhancement of this technique would aid significantly in the diagnosis of heart diseases. The detection of murmurs from phonocardiographic recordings is an interesting problem that has been addressed before using a wide variety of techniques. We designed a system for automatically detecting systolic murmurs due to a variety of conditions. This could enable health care providers in developing countries with tools to screen large amounts of children without the need for expensive equipment or specialist skills. For this purpose an algorithm was designed and tested to detect heart murmurs in digitally recorded signals. Cardiac auscultatory examinations of 93 children were recorded, digitized, and stored along with corresponding echocardiographic diagnoses, and automated spectral analysis using discrete wavelet transforms was performed. Patients without heart disease and either no murmur or an innocent murmur (n = 40) were compared to patients with a variety of cardiac diagnoses and a pathologic systolic murmur present (n = 53). A specificity of 100% and a sensitivity of 90.57% were achieved using signal processing techniques and a k-nn as classifier. پرونده مقاله -
دسترسی آزاد مقاله
3 - Instance Based Sparse Classifier Fusion for Speaker Verification
Mohammad Hasheminejad حسن فرسیThis paper focuses on the problem of ensemble classification for text-independent speaker verification. Ensemble classification is an efficient method to improve the performance of the classification system. This method gains the advantage of a set of expert classifiers چکیده کاملThis paper focuses on the problem of ensemble classification for text-independent speaker verification. Ensemble classification is an efficient method to improve the performance of the classification system. This method gains the advantage of a set of expert classifiers. A speaker verification system gets an input utterance and an identity claim, then verifies the claim in terms of a matching score. This score determines the resemblance of the input utterance and pre-enrolled target speakers. Since there is a variety of information in a speech signal, state-of-the-art speaker verification systems use a set of complementary classifiers to provide a reliable decision about the verification. Such a system receives some scores as input and takes a binary decision: accept or reject the claimed identity. Most of the recent studies on the classifier fusion for speaker verification used a weighted linear combination of the base classifiers. The corresponding weights are estimated using logistic regression. Additional researches have been performed on ensemble classification by adding different regularization terms to the logistic regression formulae. However, there are missing points in this type of ensemble classification, which are the correlation of the base classifiers and the superiority of some base classifiers for each test instance. We address both problems, by an instance based classifier ensemble selection and weight determination method. Our extensive studies on NIST 2004 speaker recognition evaluation (SRE) corpus in terms of EER, minDCF and minCLLR show the effectiveness of the proposed method. پرونده مقاله -
دسترسی آزاد مقاله
4 - The Separation of Radar Clutters using Multi-Layer Perceptron
Mohammad Akhondi Darzikolaei Ataollah Ebrahimzadeh Elahe GholamiClutter usually has negative influence on the detection performance of radars. So, the recognition of clutters is crucial to detect targets and the role of clutters in detection cannot be ignored. The design of radar detectors and clutter classifiers are really complica چکیده کاملClutter usually has negative influence on the detection performance of radars. So, the recognition of clutters is crucial to detect targets and the role of clutters in detection cannot be ignored. The design of radar detectors and clutter classifiers are really complicated issues. Therefore, in this paper aims to classify radar clutters. The novel proposed MLP-based classifier for separating radar clutters is introduced. This classifier is designed with different hidden layers and five training algorithms. These training algorithms consist of Levenberg-Marquardt, conjugate gradient, resilient back-propagation, BFGS and one step secant algorithms. Statistical distributions are established models which widely used in the performance calculations of radar clutters. Hence In this research, Rayleigh, Log normal, Weibull and K-distribution clutters are utilized as input data. Then Burg’s reflection coefficients, skewness and kurtosis are three features which applied to extract the best characteristics of input data. In the next step, the proposed classifier is tested in different conditions and the results represent that the proposed MLP-based classifier is very successful and can distinguish clutters with high accuracy. Comparing the results of proposed technique and RBF-based classifier show that proposed method is more efficient. The results of simulations prove that the validity of MLP-based method. پرونده مقاله -
دسترسی آزاد مقاله
5 - Handwritten Digits Recognition Using an Ensemble Technique Based on the Firefly Algorithm
Azar Mahmoodzadeh Hamed Agahi Marzieh SalehiThis paper develops a multi-step procedure for classifying Farsi handwritten digits using a combination of classifiers. Generally, the technique relies on extracting a set of characteristics from handwritten samples, training multiple classifiers to learn to discriminat چکیده کاملThis paper develops a multi-step procedure for classifying Farsi handwritten digits using a combination of classifiers. Generally, the technique relies on extracting a set of characteristics from handwritten samples, training multiple classifiers to learn to discriminate between digits, and finally combining the classifiers to enhance the overall system performance. First, a pre-processing course is performed to prepare the images for the main steps. Then three structural and statistical characteristics are extracted which include several features, among which a multi-objective genetic algorithm selects those more effective ones in order to reduce the computational complexity of the classification step. For the base classification, a decision tree (DT), an artificial neural networks (ANN) and a k-nearest neighbor (KNN) models are employed. Finally, the outcomes of the classifiers are fed into a classifier ensemble system to make the final decision. This hybrid system assigns different weights for each class selected by each classifier. These voting weights are adjusted by a metaheuristic firefly algorithm which optimizes the accuracy of the overall system. The performance of the implemented approach on the standard HODA dataset is compared with the base classifiers and some state-of-the-art methods. Evaluation of the proposed technique demonstrates that the proposed hybrid system attains high performance indices including accuracy of 98.88% with only eleven features. پرونده مقاله -
دسترسی آزاد مقاله
6 - An Experimental Study on Performance of Text Representation Models for Sentiment Analysis
Sajjad Jahanbakhsh Gudakahriz Amir Masoud Eftekhari Moghaddam Fariborz MahmoudiSentiment analysis in social networks has been an active research field since 2000 and it is highly useful in the decision-making process of various domains and applications. In sentiment analysis, the goal is to analyze the opinion texts posted in social networks and o چکیده کاملSentiment analysis in social networks has been an active research field since 2000 and it is highly useful in the decision-making process of various domains and applications. In sentiment analysis, the goal is to analyze the opinion texts posted in social networks and other web-based resources to extract the necessary information from them. The data collected from various social networks and web sites do not possess a structured format, and this unstructured format is the main challenge for facing such data. It is necessary to represent the texts in the form of a text representation model to be able to analyze the content to overcome this challenge. Afterward, the required analysis can be done. The research on text modeling started a few decades ago, and so far, various models have been proposed for performing this modeling process. The main purpose of this paper is to evaluate the efficiency and effectiveness of a number of commons and famous text representation models for sentiment analysis. This evaluation is carried out by using these models for sentiment classification by ensemble methods. An ensemble classifier is used for sentiment classification and after preprocessing, the texts is represented by selected models. The selected models for this study are TF-IDF, LSA, Word2Vec, and Doc2Vec and the used evaluation measures are Accuracy, Precision, Recall, and F-Measure. The results of the study show that in general, the Doc2Vec model provides better performance compared to other models in sentiment analysis and at best, accuracy is 0.72. پرونده مقاله -
دسترسی آزاد مقاله
7 - AI based Computational Trust Model for Intelligent Virtual Assistant
Babu Kumar Ajay Vikram Singh Parul AgarwalThe Intelligent virtual assistant (IVA) also called AI assistant or digital assistant is software developed as a product by organizations like Google, Apple, Microsoft and Amazon. Virtual assistant based on Artificial Intelligence which works and processes on natural la چکیده کاملThe Intelligent virtual assistant (IVA) also called AI assistant or digital assistant is software developed as a product by organizations like Google, Apple, Microsoft and Amazon. Virtual assistant based on Artificial Intelligence which works and processes on natural language commands given by humans. It helps the user to work more efficiently and also saves time. It is human friendly as it works on natural language commands given by humans. Voice-controlled Intelligent Virtual Assistants (IVAs) have seen gigantic development as of late on cell phones and as independent gadgets in individuals’ homes. The intelligent virtual assistant is very useful for illiterate and visually impaired people around the world. While research has analyzed the expected advantages and downsides of these gadgets for IVA clients, barely any investigations have exactly assessed the need of security and trust as a singular choice to use IVAs. In this proposed work, different IPA users and non-users (N=1000) are surveyed to understand and analyze the barriers and motivations to adopting IPAs and how users are concerned about data privacy and trust with respect to organizational compliances and social contract related to IPA data and how these concerns have affected the acceptance and use of IPAs. We have used Naïve Byes Classifier to compute trust in IVA devices and further evaluate probability of using different trusted IVA devices. پرونده مقاله -
دسترسی آزاد مقاله
8 - An Effective Method of Feature Selection in Persian Text for Improving the Accuracy of Detecting Request in Persian Messages on Telegram
zahra khalifeh zadeh Mohammad Ali Zare ChahookiIn recent years, data received from social media has increased exponentially. They have become valuable sources of information for many analysts and businesses to expand their business. Automatic document classification is an essential step in extracting knowledge from چکیده کاملIn recent years, data received from social media has increased exponentially. They have become valuable sources of information for many analysts and businesses to expand their business. Automatic document classification is an essential step in extracting knowledge from these sources of information. In automatic text classification, words are assessed as a set of features. Selecting useful features from each text reduces the size of the feature vector and improves classification performance. Many algorithms have been applied for the automatic classification of text. Although all the methods proposed for other languages are applicable and comparable, studies on classification and feature selection in the Persian text have not been sufficiently carried out. The present research is conducted in Persian, and the introduction of a Persian dataset is a part of its innovation. In the present article, an innovative approach is presented to improve the performance of Persian text classification. The authors extracted 85,000 Persian messages from the Idekav-system, which is a Telegram search engine. The new idea presented in this paper to process and classify this textual data is on the basis of the feature vector expansion by adding some selective features using the most extensively used feature selection methods based on Local and Global filters. The new feature vector is then filtered by applying the secondary feature selection. The secondary feature selection phase selects more appropriate features among those added from the first step to enhance the effect of applying wrapper methods on classification performance. In the third step, the combined filter-based methods and the combination of the results of different learning algorithms have been used to achieve higher accuracy. At the end of the three selection stages, a method was proposed that increased accuracy up to 0.945 and reduced training time and calculations in the Persian dataset. پرونده مقاله -
دسترسی آزاد مقاله
9 - يک الگوريتم سريع مبتني بر ماشين بردار پشتيبان براي طبقهبندي تصاوير ابرطيفي با استفاده از همبستگي مکاني
حسن قاسمیان یزدی احمد کشاورزبا افزايش تعداد باندهاي تصاوير سنجش از دور، الگوريتمهاي استخراج ويژگي مانند تحليل مؤلفههاي اصلي، تحليل مؤلفههاي مستقل، نگاشت جستجوگر، استخراج ويژگي با مرز تصميمگيري، تحليل مميز و تبديل موجک به منظور کاهش تعداد ويژگيها و بهبود طبقهبندي مورد استفاده قرار گرفتهان چکیده کاملبا افزايش تعداد باندهاي تصاوير سنجش از دور، الگوريتمهاي استخراج ويژگي مانند تحليل مؤلفههاي اصلي، تحليل مؤلفههاي مستقل، نگاشت جستجوگر، استخراج ويژگي با مرز تصميمگيري، تحليل مميز و تبديل موجک به منظور کاهش تعداد ويژگيها و بهبود طبقهبندي مورد استفاده قرار گرفتهاند. اما اين الگوريتمها به دليل افزايش تعداد منابع اطلاعاتي، حجم دادهها و محدود بودن تعداد نمونههاي آموزشي در تصاوير ابرطيفي، بازدهي مطلوبي ندارند. در اين مقاله براي حل اين مشکل، الگوريتم جديد مبتني بر ماشين بردار پشتيبان ارايه گرديده است. اين الگوريتم پس از يک طبقهبندي اوليه، با استفاده از کلاس هر پيکسل و همسايههايش به صورت سلسلهمراتبي تصميمگيري میکند. تصميمگيري در هر يک از سطوح اين طبقهبندي کننده بوسيله يک ماشين بردار پشتيبان انجام میشود. اين الگوريتم بر روي دادههاي واقعي ابر طيفي سنجنده AVIRIS اجرا شد. نتايج نشان ميدهد كه صحت طبقهبندي دادههاي ابرطيفي با استفاده از اين الگوريتم بسيار مطلوب بوده و مشكل محدود بودن تعداد نمونههاي آموزشي تا حد قابل توجهي جبران شده است. در واقع اين تحقيق با ادغام اطلاعات مکاني و استفاده از طبقهبندي کننده ماشين بردار پشتيبان صحت طبقهبندي را بهبود میبخشد. اين الگوريتم زمان لازم براي طبقهبندي تصاوير ابرطيفي را با استفاده از ماشين بردار پشتيبان، بسيار کاهش داده و کارآيي الگوريتم ماشين بردار پشتيبان را به عنوان طبقهبندي کننده تصاوير ابرطيفي افزايش میدهد. پرونده مقاله -
دسترسی آزاد مقاله
10 - طبقهبندي کننده چندمنظوره گروه ذرات
سیدحمید ظهیریدر اين تحقيق با استفاده از روش بهينهسازي چندمنظوره گروه ذرات طبقهبندي کنندهاي ارائه شده است که همزمان قادر به بهينهسازي شاخصهاي متفاوت و مهمي در تشخيص الگو نظير قابليت اطمينان، نرخ تشخيص صحيح و تعداد ابرصفحههاي لازم براي مرزبندي مؤثر کلاسهاي متفاوت در فضاي ويژگي چکیده کاملدر اين تحقيق با استفاده از روش بهينهسازي چندمنظوره گروه ذرات طبقهبندي کنندهاي ارائه شده است که همزمان قادر به بهينهسازي شاخصهاي متفاوت و مهمي در تشخيص الگو نظير قابليت اطمينان، نرخ تشخيص صحيح و تعداد ابرصفحههاي لازم براي مرزبندي مؤثر کلاسهاي متفاوت در فضاي ويژگي ميباشد. در طراحي طبقهبندي کننده پيشنهادشده مسايل مهم فوق-برازش و فوق-آموزش نيز برطرف شده است. توانايي دستيابي همزمان به شاخصهاي مذکور در ساير طبقهبندي کنندههاي مبتني بر روشهاي هوش جمعي وجود ندارد. نتايج عملي به دست آمده بر روي دادههاي آزمايشي نشان ميدهند که طبقهبندي کننده چندمنظوره پيشنهادي با تخمين جبهة پَرِتو بهترين مجموعه انتخابي از ابرصفحههاي جداکننده کلاسهاي مختلف را براي برپايي شرايط دلخواه کاربر در خصوص انتخاب شاخصهاي فوقالذکر، فراهم ميآورد. پرونده مقاله -
دسترسی آزاد مقاله
11 - يك روش يادگيري جديد براي افزايش كارايي سيستم طبقهبندي مركب
سیدحسن نبوی کریزی احساناله کبیريادگيري دستهجمعي يک رويکرد مؤثر در يادگيري ماشيني است كه به منظور بهبود كارايي سيستم بازشناسي الگو استفاده ميشود. براي آنكه اين نوع يادگيري مفيد واقع شود بايد خطاهاي طبقهبندهاي پايه با يكديگر متفاوت باشند. راهكارهاي ايجاد تفاوت در خطا، به دو گروه ضمني و صريح تقسيم مي چکیده کامليادگيري دستهجمعي يک رويکرد مؤثر در يادگيري ماشيني است كه به منظور بهبود كارايي سيستم بازشناسي الگو استفاده ميشود. براي آنكه اين نوع يادگيري مفيد واقع شود بايد خطاهاي طبقهبندهاي پايه با يكديگر متفاوت باشند. راهكارهاي ايجاد تفاوت در خطا، به دو گروه ضمني و صريح تقسيم ميشوند. در اين تحقيق روش جديدي از نوع صريح براي ايجاد گوناگوني در طبقهبندهاي يك سيستم مركب ارائه ميشود. در اين روش، معيار تازهاي از گوناگوني در فرايند يادگيري سيستم مركب به كار گرفته ميشود. در روش پيشنهادي، شباهت بين خطاي هر طبقهبند با طبقهبندهاي ديگر به صورت يك مؤلفه در تابع خطاي آن طبقهبند منظور شده و در الگوريتم يادگيري آن ايفاي نقش ميكند. نتايج آزمايشهاي ما بر روي چند مجموعه داده متداول، براي حالتي كه طبقهبندهاي پايه از نوع شبكههاي عصبي باشند، نشان ميدهند كه روش پيشنهادي ما باعث افزايش كارايي سيستم طبقهبندي مركب نسبت به روشهاي مشابه آن ميشود. پرونده مقاله -
دسترسی آزاد مقاله
12 - تعيين رفتار طبقهبندها با كليشه تصميم مبتني بر مدل مخفي ماركوف
هادی صدوقی یزدیمطالعه رفتار طبقهبندها از ديدگاه بررسي خطاهای آنها و ارائه راه حل مناسب براي كاهش خطا و افزايش كارآيي طبقهبندها مورد توجه است. عملكرد ضعيف سيستم شناسايي به دلايل تعداد كم نمونههاي يادگير، نويز در دادهها، استفاده از ويژگيهاي شكننده به دليل عدم آگاهي كامل و تسلط كافي چکیده کاملمطالعه رفتار طبقهبندها از ديدگاه بررسي خطاهای آنها و ارائه راه حل مناسب براي كاهش خطا و افزايش كارآيي طبقهبندها مورد توجه است. عملكرد ضعيف سيستم شناسايي به دلايل تعداد كم نمونههاي يادگير، نويز در دادهها، استفاده از ويژگيهاي شكننده به دليل عدم آگاهي كامل و تسلط كافي بر نوع الگو و استفاده از عملگرهای نامناسب در تعيين پاسخ سيستم، كاهش نرخ شناسايي در تصميمگيري نهايي را به دنبال دارد. با ارائه مدل مناسب آماري براي رفتار يا پاسخ يك سيستم شناسايي، ميتوان عملكرد سيستم شناسايي را بهبود داد. در اين مقاله يك كليشه تصميم جديد كه با استفاده از مدل مخفي ماركوف ايجاد ميشود، رفتار نرونهاي يك شبكه عصبی پسانتشار خطا را، مدل ميكند. در روشهاي موجود ارتباط بين نرونها و تأثير متقابل آنها در پاسخ به يك الگو مد نظر قرار نميگيرد. ولي عملاً نرونهاي يك شبكه عصبي يا اجزاي يك طبقهبند، با هم بيانكننده عملكرد آن در قبال يك الگو هستند. بنابراين، با استفاده از يك كليشه تصميم جديد مبتني بر مدل مخفي ماركوف، ارتباط بين نرونهاي شبكه عصبي و نحوه پاسخ آن به نمونههاي يادگير، مدل ميگردد تا از آن در شناسايي الگوهاي جديد استفاده شود. روش جديد در مدلكردن رفتار طبقهبند، در سه كاربرد شناسايي ارقام دستنويس فارسي، تشخيص ترافيك عادي در شبكههاي اطلاعرساني و شناسايي نوع وسيله نقليه آزمون ميشود و افزايش قابل توجهي در نرخ شناسايي طبقهبند به دست ميدهد. پرونده مقاله -
دسترسی آزاد مقاله
13 - رویکرد شورای انتخاب ویژگی بر اساس خوشهبندی سلسلهمراتبی برای حل مشکل دادههای زايد در بینی الکترونیکی
محمدعلی باقری غلامعلی منتظروجود دادههاي زايد در پاسخ حسگرهای بيني الكترونيكي اثر چشمگیری در دستهبندی بو دارد. برای بهبود صحت دستهبندی، میتوان از سیستم دستهبندی چندگانه بر اساس انتخاب چند زیرمجموعه از ویژگیها (بهجای استفاده از تمام ابعاد بردار ویژگی) استفاده کرد. در این رویکرد که "شورای ا چکیده کاملوجود دادههاي زايد در پاسخ حسگرهای بيني الكترونيكي اثر چشمگیری در دستهبندی بو دارد. برای بهبود صحت دستهبندی، میتوان از سیستم دستهبندی چندگانه بر اساس انتخاب چند زیرمجموعه از ویژگیها (بهجای استفاده از تمام ابعاد بردار ویژگی) استفاده کرد. در این رویکرد که "شورای انتخاب ویژگی" نامیده میشود، فرض بر آن است که مجموعه اولیه ویژگیها دارای دادههایی زايد بوده و میتوان با انتخاب زیرمجموعههای ویژگی مختلف و سپس ترکیب دستهبندهای ایجادشده با این زیرمجموعهها به نتایج دستهبندی بهتری رسید. در این مقاله پس از پیشپردازش سیگنال اولیه حسگرها و حذف نویز سیگنال با استفاده از تحلیل موجک، سیستم دستهبند چندگانه با زیرمجموعههای ویژگی مختلف طراحی شده است: ویژگیهای استخراجشده از سیگنال گذرای حسگر با روش خوشهبندی سلسلهمراتبی طبقهبندی شده و زیرمجموعههای مختلف با انتخاب یک ویژگی از هر خوشه ایجاد شدهاند. این موضوع موجب بهبود تنوع دستهبندهای پایه و افزایش کارایی و سرعت دستهبندی میشود. روش پیشنهادی ابتدا در چند مجموعه داده تراز از مخزن داده UCI آزمون شده و پس از اثبات توانایی آن، در مجموعه داده بویایی حاصل از رایحه سه نوع شیرینبیان به کار برده شده است. نتایج حاصل نشاندهنده کارایی روش جدید در شناسایی الگوهای بویایی است. پرونده مقاله -
دسترسی آزاد مقاله
14 - روش نوين ترکيب گابوري در بخشبندي سطوح فولادي با هدف تشخيص عيوب
سيدجليلالدين آلمعصوم سیدحسن منجمی هالهالسادات آلمعصومتصاوير سطوح فولادي، عمدتاً تصاويري بافتي بوده که استخراج ويژگي در آنها با روشهاي گوناگون تحليل بافت انجام ميگيرد. در گروهي از اين روشها كه از آناليزهاي چندفركانسي و جهتدار سود ميبرند، استفاده از فيلترهاي گابور بهعنوان ابزار تحليل معمول است. در اين مقاله با بهکارگ چکیده کاملتصاوير سطوح فولادي، عمدتاً تصاويري بافتي بوده که استخراج ويژگي در آنها با روشهاي گوناگون تحليل بافت انجام ميگيرد. در گروهي از اين روشها كه از آناليزهاي چندفركانسي و جهتدار سود ميبرند، استفاده از فيلترهاي گابور بهعنوان ابزار تحليل معمول است. در اين مقاله با بهکارگيري بانکي بهينهشده از فيلترهاي گابور، به استخراج ويژگي جهت بخشبندي تصاوير سطوح فولادي معيوب پرداخته ميشود. اين بانک فيلترها بهگونهاي طراحي شده که ميتواند ويژگيهاي بافتي تصوير ورودي را به شکل مطلوب، در جهات و فرکانسهاي مختلف نمايان کند. سپس بهمنظور بخشبندي تصوير سطح فولادي، روشي نوين به نام ترکيب گابوري ارائه گرديده که در اين روش با ارائه دو الگوريتم مختلف از تصاوير جزئي بهدست آمده از تصوير معيوب، تنها تعداد مشخصي با يکديگر ترکيب ميگردند تا نقشه ويژگي حاصل به شکل مؤثري در برگيرنده عيوب تصوير باشد. روش دوم ترکيب گابوري توانست با محاسبه پراکندگي دادههاي موجود در تصاوير جزئي و مقايسه آنها با يکديگر، بدون نياز به تعيين تعداد تصاوير جزئي جهت ترکيب و نيز وجود تصوير يا تصاوير نرمال، به انجام بخشبندي بپردازد. از ديگر نتايج تحقيق، بهينهسازي بخشبندي با استفاده از کلاسهبند K-means بوده که با نرمالسازي و اضافهکردن ويژگي سطح خاکستري به ويژگيهاي استخراجشده هر پيکسل، منجر به افزايش دقت کلاسهبندي شده است. نتايج بهدست آمده هم از نظر بصري و هم از لحاظ آماري نشاندهنده آن است که روش ترکيب گابوري در مقايسه با کلاسهبندK-means از دقت بالاتري برخوردار ميباشد. مقايسه انجامشده بين روشهاي پيشنهادي ترکيب گابوري و روش ويولت استاندارد نيز بر برتري نسبي ترکيب گابوري دلالت دارد. همچنين روش دوم ترکيب گابوري در مقايسه با روش اول، بهواسطه انتخاب بهتر تصاوير جزئي جهت ترکيب و در نتيجه تشکيل نقشه ويژگي مناسبتر، بهترين عملکرد را از خود نشان داده است. پرونده مقاله -
دسترسی آزاد مقاله
15 - ارائهی یک روش هوشمند انتخاب ویژگی مبتنی بر الگوریتم جستجوی گرانشی باینری در سیستم بازشناسی ارقام دستنویس فارسی
نجمه قنبری سیدمحمد رضوی سیدحسن نبوی کریزیدر این مقاله یک روش هوشمند انتخاب ویژگی برای بازشناسی ارقام دستنویس فارسی ارائه شده است. در این روش تابع برازندگی مرتبط با خطای سیستم بازشناسی ارقام دستنویس فارسی با استفاده از الگوریتم جستجوی گرانشی باینری و با انتخاب ویژگیهای مناسب کمینه میشود. نتایج پیادهسازی نش چکیده کاملدر این مقاله یک روش هوشمند انتخاب ویژگی برای بازشناسی ارقام دستنویس فارسی ارائه شده است. در این روش تابع برازندگی مرتبط با خطای سیستم بازشناسی ارقام دستنویس فارسی با استفاده از الگوریتم جستجوی گرانشی باینری و با انتخاب ویژگیهای مناسب کمینه میشود. نتایج پیادهسازی نشان میدهند که استفاده از روشهای هوشمند برای انتخاب ویژگی بهخوبی قادر است که موثرترین ویژگیها برای سیستم بازشناسی را انتخاب کند. همچنین مقایسه نتایج روش پیشنهادی با سایر روشهای مشابه مبتنی بر استفاده از الگوریتم ژنتیک و روش بهینهسازی گروه ذرات باینری نشان دهندهی کارایی خوب این روش است. پرونده مقاله -
دسترسی آزاد مقاله
16 - روش جديد آسيبشناسي تودهها در تصاوير ماموگرافي به كمک ترکیب ويژگيهاي منطبق بر استاندارد BI - RADS و كلاسهبندي كننده مبتني بر تضاد
فاطمه ساکی امیر طهماسبی شهریار برادران شکوهیتفكيك تودههاي خوشخيم و بدخيم در ماموگرامهاي ديجيتالي يكي از مراحل بسيار مهم تشخيص زودهنگام سرطان سينه است، چرا كه ميتواند تا حد زيادي شانس بقاي بيمار را افزايش دهد. در اين مقاله يك سيستم CADx نوين با بهکارگيري کلاسهبندي کننده جديد مبتني بر تضاد (OWBP) جهت آسيبشنا چکیده کاملتفكيك تودههاي خوشخيم و بدخيم در ماموگرامهاي ديجيتالي يكي از مراحل بسيار مهم تشخيص زودهنگام سرطان سينه است، چرا كه ميتواند تا حد زيادي شانس بقاي بيمار را افزايش دهد. در اين مقاله يك سيستم CADx نوين با بهکارگيري کلاسهبندي کننده جديد مبتني بر تضاد (OWBP) جهت آسيبشناسي تودهها در تصاوير ماموگرافي معرفي خواهد شد. هدف، بهبود عملکرد و سرعت يادگيري الگوريتمهاي CADx با استفاده از ترکيب ويژگيهاي منطبق بر استاندارد BI-RADS و كلاسهبندي كننده پيشنهادي ميباشد. ورودي سيستم يک ROI بوده که حاوي يک توده مشکوک است. اين ناحيه ابتدا تحت پيشپردازشهايي قرار گرفته، سپس 12 ويژگي که توصيفکنندههاي مناسبي از شکل، مرز و چگالي توده هستند، استخراج ميشوند. منحنی ROC و عملكرد آسيبشناسي حاصل از ترکيب تمام اين ويژگيها توسط دو کلاسهبندي کننده با يادگيري متداول پسانتشار و يادگيري پيشنهادي OWBP ارزيابي شده و سيستمهاي حاصل از لحاظ سرعت يادگيري نیز مورد مقايسه قرار گرفتهاند. همچنین در اين تحقيق قابليت آسيبشناسي هر گروه از ويژگيهاي شكل، مرز و چگالي بهطور جداگانه بررسي شده است. پايگاه داده مورد استفاده در اين تحقيق MIAS است. سيستم نهايي پیشنهادی داراي Az 924/0، با سرعت يادگيري تقريباً 4 برابر سرعت يادگيري سيستم با کلاسهبندي کننده پسانتشار و همچنين عملکرد 86/92% ميباشد. پرونده مقاله -
دسترسی آزاد مقاله
17 - تشخيص ناهنجاري در شبکههاي اقتضايي مبتني بر خوشه با روش رأيگيري فازي
محمد رحمانيمنش سعيد جليليدر اين مقاله روشي براي تشخيص و تحليل حمله در شبکه اقتضايي با ساختار مبتني بر خوشه و با پروتکل مسيريابي AODV پيشنهاد ميشود. براي توصيف رفتار پروتکل AODV، ابتدا تعدادي خصيصه با رويکردي مبتني بر تحليل مرحله به مرحله ويژگيها و رفتار پروتکل AODV تعريف ميشود. آنگاه براي تش چکیده کاملدر اين مقاله روشي براي تشخيص و تحليل حمله در شبکه اقتضايي با ساختار مبتني بر خوشه و با پروتکل مسيريابي AODV پيشنهاد ميشود. براي توصيف رفتار پروتکل AODV، ابتدا تعدادي خصيصه با رويکردي مبتني بر تحليل مرحله به مرحله ويژگيها و رفتار پروتکل AODV تعريف ميشود. آنگاه براي تشخيص حمله، از رويکرد تشخيص ناهنجاري استفاده ميشود و رفتار عادي پروتکل AODV با استفاده از خصيصههاي تعريفشده و بر اساس مدل بهدست آمده از ترکيب دستهبندهاي تککلاسي SVDD، MoG و SOM يادگيري ميشود و نظر هر گره بر مبناي مدل ترکيبي بهدست آمده شکل ميگيرد. نظرات گرهها در فرايند تشخيص ناهنجاري مرتباً به گرههاي سرخوشه فرستاده ميشود تا تشخيص نهايي در آن گرهها انجام شود. در روش پيشنهادي، براي ترکيب نتايج دستهبندهاي تککلاسي در هر گره و براي تجميع نظرات ارسالي از گرههاي هر خوشه در گره سرخوشه، روشي فازي ارائه ميشود که موجب ميشود کارايي روش پيشنهادي در تشخيص حملههاي سياهچاله، سوراخ کرم، تکرار بستهها، عجول و جعل بستههاي RouteError به مقدار قابل توجهي ارتقا يابد. در اين مقاله همچنين يک روش تحليل حمله بر مبناي رتبهبندي اثرپذيري خصيصهها پيشنهاد ميشود که مشخص ميکند هر کدام از اين حملهها چه بخشهايي از ويژگيها و رفتار پروتکل AODV را بيشتر تحت تأثير قرار ميدهند. اين تحليل در هنگام کارکرد شبکه ميتواند منجر به تشخيص نوع حملهاي که در شبکه در حال اعمال است، شود. پرونده مقاله -
دسترسی آزاد مقاله
18 - طبقهبند تککلاسه گرانشگرای مبتنی بر ماشین بردار پشتیبان
سیدحسین غفاریان هادی صدوقی یزدی یونس اللهیاریدر این مقاله یک طبقهبند تککلاسه مبتنی بر مرز با الهام از طبقهبند توصیفگر داده مبتنی بر بردار پشتیبان (SVDD) ارائه شده است. در طبقهبند SVDD حتی زمانی که نمونههای پرت به بیرون از مرز رانده میشوند، باز هم این نمونهها بر مرز طبقهبند اثر میگذارند و این مسئله باعث ا چکیده کاملدر این مقاله یک طبقهبند تککلاسه مبتنی بر مرز با الهام از طبقهبند توصیفگر داده مبتنی بر بردار پشتیبان (SVDD) ارائه شده است. در طبقهبند SVDD حتی زمانی که نمونههای پرت به بیرون از مرز رانده میشوند، باز هم این نمونهها بر مرز طبقهبند اثر میگذارند و این مسئله باعث افزایش خطای طبقهبند میشود. در طبقهبند پیشنهادی به گرانش نمونههای آموزش اهمیت داده میشود و همچنین همه نمونهها در تعیین مرز طبقهبند دخالت دارند. بر این مبنا دو طبقهبند که در یکی دانش در مورد نمونههای پرت نیز در نظر گرفته میشود، پیشنهاد شده است. مسئله بهینهسازی مطرح در طبقهبند پیشنهادی علاوه بر این که تحدب را حفظ می کند، در حوزه کرنل نیز به سهولت قابل استفاده است. پس از معرفی طبقهبند پیشنهادی و حل مسئله بهینهسازی آن، چگونگی تغییرات مرز طبقهبند پیشنهادی در مقابل تغییرات پارامترهای مدل بررسی میشود. نتایج آزمایشها در مقایسه با دو طبقهبند SVDD و Density Induced SVDD نشان میدهد که روش پیشنهادی در کاهش اثر نمونههای پرت موفق بوده است. پرونده مقاله -
دسترسی آزاد مقاله
19 - طراحی خودکار طبقهبندیکنندههای فازی بهینه با استفاده از روش بهینهسازی گروه ذرات
سیدحمید ظهیریمهمترین موضوع در طراحی طبقهبندیکنندههای فازی، تعیین متغیرهای فازی اعم از نوع و مکان توابع عضویت، بخش مقدم و تالی قواعد فازی و تعداد قواعد بهینه میباشد. در واقع، اینها پارامترهای ساختاری یک طبقهبندیکننده فازی هستند که طراح سعی میکند با یافتن مقادیر بهینه آنها، به چکیده کاملمهمترین موضوع در طراحی طبقهبندیکنندههای فازی، تعیین متغیرهای فازی اعم از نوع و مکان توابع عضویت، بخش مقدم و تالی قواعد فازی و تعداد قواعد بهینه میباشد. در واقع، اینها پارامترهای ساختاری یک طبقهبندیکننده فازی هستند که طراح سعی میکند با یافتن مقادیر بهینه آنها، به بهترین عملکرد (بهعنوان مثال بالاترین نرخ تشخیص صحیح) دست یابد. این مسئله را میتوان بهصورت یک مسئله جستجو در فضای با ابعاد بالا در نظر گرفت، بهگونهای که هر نقطه در فضای پاسخ، نشاندهنده یک مجموعه قواعد با توابع عضویت خاص میباشد که در محلهای ویژه استقرار یافتهاند. با این توضیح به نظر میرسد الگوریتمهای ابتکاری (اعم از تکاملی و هوش جمعی)، ابزار مناسبی برای یافتن بهترین پارامترهای یک طبقهبندیکننده فازی باشند. ویژگی برجسته این روشها این است که با تعریف مناسبی از تابع برازندگی میتوان تخمین بهینهای از کلیه پارامترهای مؤثر در یک طبقهبندیکننده فازی را بهصورت خودکار و بدون نیاز به تنظیم دستی (بهصورت سعی و خطا) بهدست آورد. در این مقاله با بهکارگیری الگوریتم بهینهسازی گروه ذرات روشی برای طراحی بهینه یک طبقهبندیکننده فازی ارائه شده است. روش پیشنهادی قادر است نوع توابع عضویت، محل آنها، قواعد فازی لازم و تعداد آنها را بهطور همزمان تخمین زده و بدون دخالت کاربر نسبت به بهینهسازی آنها اقدام نماید. نتایج بهدست آمده از آزمایشات مکرر بر روی دادههای مشهور و مسئله کاربردی طبقهبندی اهداف رادار، توانایی روش ارائهشده را در استخراج کلیه پارامترهای یک طبقهبندیکننده فازی در مقایسه با روشهای مشابه نشان میدهد. پرونده مقاله -
دسترسی آزاد مقاله
20 - ادغام شبکههای عصبی بر اساس یادگیری با همبستگی منفی در بازشناسی برونخط کلمات دستنویس
سیدعلیاصغر عباسزاده آرانی احساناله کبیردر این تحقیق، یک روش طبقهبندی جمعی بر اساس یادگیری با همبستگی منفی برای بازشناسی کلنگر کلمات دستنویس با حجم محدود پیشنهاد میشود. در این روش مجموعه داده آموزشی پس از پیشپردازش و استخراج ویژگی به طبقهبندهای پایه پرسپترون چندلایه اعمال میشود. سپس شبکههای عصبی پایه چکیده کاملدر این تحقیق، یک روش طبقهبندی جمعی بر اساس یادگیری با همبستگی منفی برای بازشناسی کلنگر کلمات دستنویس با حجم محدود پیشنهاد میشود. در این روش مجموعه داده آموزشی پس از پیشپردازش و استخراج ویژگی به طبقهبندهای پایه پرسپترون چندلایه اعمال میشود. سپس شبکههای عصبی پایه به روش یادگیری با همبستگی منفی، آموزش داده شده و از این طریق گوناگون میشوند. هنگامی که دادههای آزمایشی پس از استخراج ویژگی به طبقهبندهای پایه اعمال میشوند، هر طبقهبند پایه خروجی نسبتاً متفاوتی را تولید میکند. با ادغام خروجی طبقهبندهای پایه، خروجی نهایی سیستم به دست میآید. برای آزمایش روش پیشنهادی از سه نوع ویژگی شامل ویژگیهای مبتنی بر منطقهبندی، گرادیان تصویر و کد زنجیرهای کانتور استفاده شده است. در آزمایشهایی که روی 775 تصویر از نام 31 مرکز استان کشور، از مجموعه داده "ایرانشهر" انجام شده است، استفاده از ویژگیهای مبتنی بر گرادیان و آموزش 6 شبکه پرسپترون با همبستگی منفی و ادغام آنها از طریق رأیگیری، میانگین نرخ بازشناسی برابر با 10/96 درصد را به دست داده است. سپس خطاهای روش پیشنهادی تحلیل و ردیابی شده است. پرونده مقاله -
دسترسی آزاد مقاله
21 - تشخیص احساس از روی گفتار با استفاده از طبقهبند مبتنی بر مدل و ویژگیهای دینامیکی غیر خطی
علی حریمی علیرضا احمدی فرد علی شهزادی خشایار یغماییبا توجه به پیشرفتهای صورتگرفته در زمینه رباتیک و تعامل انسان و ماشین، تشخیص احساس از روی گفتار اهمیت ویژهای پیدا کرده است. در این مقاله یک طبقهبند مبتنی بر مدل احساسی برانگیختگی- جاذبه، برای بازشناسی احساس از روی گفتار استفاده شده است. در این روش، در مرحله اول نمونه چکیده کاملبا توجه به پیشرفتهای صورتگرفته در زمینه رباتیک و تعامل انسان و ماشین، تشخیص احساس از روی گفتار اهمیت ویژهای پیدا کرده است. در این مقاله یک طبقهبند مبتنی بر مدل احساسی برانگیختگی- جاذبه، برای بازشناسی احساس از روی گفتار استفاده شده است. در این روش، در مرحله اول نمونهها با استفاده از ویژگیهای متداول عروضی و طیفی بر مبنای سطح برانگیختگی طبقهبندی میشوند. سپس احساسهای با سطح برانگیختگی یکسان با استفاده از ویژگیهای پیشنهادی دینامیکی غیر خطی از یکدیگر جدا میشوند. ویژگیهای دینامیکی غیر خطی از روی مشخصات هندسی فضای فاز بازسازی شده سیگنال گفتار استخراج میشوند. بدین منظور چهار منحنی توصیفگر برای بازنمایی مشخصات هندسی فضای فاز بازسازی شده محاسبه میشوند. سپس مؤلفههای مهم تبدیل کسینوسی گسسته این منحنیها به عنوان ویژگیهای دینامیکی غیر خطی مورد استفاده قرار میگیرند. روش پیشنهادی بر روی پایگاه داده برلین با استفاده از تکنیک 10 تکه برابر ارزیابی شده و نرخ بازشناسی 35/96% و 18/87% برای زنان و مردان به دست آمد. با توجه به تعداد نمونهها در هر گروه جنسیتی، متوسط نرخ بازشناسی 34/92% برای سیستم پیشنهادی به دست آمد. پرونده مقاله -
دسترسی آزاد مقاله
22 - طبقهبند خودسازمانده هندسی مبتنی بر یادگیری فعال برای نهانکاوی در محیط ویدئو با صرف حداقل برچسب
هادی صدوقی یزدی علی محی الدینی شاهم آبادی پور مرتضی خادمیطبقهبند یکی از سه بلوک تشکیلدهنده یک نهانکاو ویدئو است که برای آموزش نیازمند برچسب میباشد. در نهانکاوی کور به دلیل عدم دسترسی به الگوریتمهای نهاننگاری تهیه برچسب مشکل است. در این مقاله از طبقهبند خودسازمانده پویای شبهناظر برای رسیدن به حداقل برچسب استفاده شده و چکیده کاملطبقهبند یکی از سه بلوک تشکیلدهنده یک نهانکاو ویدئو است که برای آموزش نیازمند برچسب میباشد. در نهانکاوی کور به دلیل عدم دسترسی به الگوریتمهای نهاننگاری تهیه برچسب مشکل است. در این مقاله از طبقهبند خودسازمانده پویای شبهناظر برای رسیدن به حداقل برچسب استفاده شده و بدین منظور مفهومی به نام افزونگی هندسی گرههای لایه زیرین شبکه خودسازمانده پویای شبهناظر به کار گرفته شده است. نشان داده شده که این افزونگی منجر به ایجاد الگوهای تکراری برای شبکه خواهد شد، پس حذف چنین گرههایی بلامانع است. اثبات شده به دلیل وجود تناظر یک به یک بین گرهها و برچسبها کاهش گرهها منجر به کاهش تعداد برچسب لازم میشود. نکته اساسی این که لازمه وجود افزونگی هندسی در میان تعدادی گره که مفهومی انتزاعی است، تشکیل دسته توسط آنهاست و بنابراین مبنای الگوریتم پیشنهادی شناسایی دستهها و ادغام اعضای آنهاست. طبقهبند به دست آمده بر این مبنا طبقهبند خودسازمانده هندسی نام نهاده شده و اثبات میشود که این طبقهبند میتواند به مقدار بهینه حداقل برچسب دست یابد. نتایج شبیهسازی نشاندهنده برتری چشمگیر طبقهبند نسبت به الگوریتمهای پیشین است. پرونده مقاله -
دسترسی آزاد مقاله
23 - الگوریتم نیمه نظارتی جمعی با استفاده از معیار انتخاب مبتنی بر آستانه امتیاز اطمینان در جریان-داده های غیر ایستا
شیرین خضری جعفر تنها علی احمدی آرش شريفيدر این مقاله، یک الگوریتم طبقهبندی نیمهنظارتی جمعی با استفاده از معیار انتخاب مبتنی بر آستانه امتياز اطمينان تحت عنوان SSE-CBS در محیطهای غیر ایستا ارائه میشود. رویکرد پیشنهادی از دادههای دارای برچسب و فاقد برچسب با هدف مقابله با انواع تغییر مفهوم در جریان دادهها چکیده کاملدر این مقاله، یک الگوریتم طبقهبندی نیمهنظارتی جمعی با استفاده از معیار انتخاب مبتنی بر آستانه امتياز اطمينان تحت عنوان SSE-CBS در محیطهای غیر ایستا ارائه میشود. رویکرد پیشنهادی از دادههای دارای برچسب و فاقد برچسب با هدف مقابله با انواع تغییر مفهوم در جریان دادهها استفاده میکند. SSE-CBS مکانیزم مشهور وزندهی بر اساس دقت الگوریتمهای جمعی مبتنی بر بلوک را با ماهیت افزایشی الگوریتم درخت هافدینگ تلفیق میکند. الگوریتم پیشنهادی به طور تجربی با 8 رویکرد منطبق بر جدیدترین دستاوردها، از جمله مدلهای طبقهبندی نظارتی، نیمهنظارتی، منفرد و الگوریتمهای جمعی مبتنی بر بلوک روی مجموعه دادههای متنوع مقایسه شده است. بر اساس نتایج تجربی، SSE-CBS بهترین میانگین دقت طبقهبندی را نسبت به سایر رویکردهای نیمهنظارتی داراست و قادر است در محیطهای دارای تغییر مفهوم با محدودیت داده برچسبدار عملکرد مناسبی داشته باشد. پرونده مقاله -
دسترسی آزاد مقاله
24 - Breast Cancer Classification Approaches - A Comparative Analysis
Mohan Kumar Sunil Kumar Khatri Masoud MohammadianCancer of the breast is a difficult disease to treat since it weakens the patient's immune system. Particular interest has lately been shown in the identification of particular immune signals for a variety of malignancies in this regard. In recent years, several methods چکیده کاملCancer of the breast is a difficult disease to treat since it weakens the patient's immune system. Particular interest has lately been shown in the identification of particular immune signals for a variety of malignancies in this regard. In recent years, several methods for predicting cancer based on proteomic datasets and peptides have been published. The cells turns into cancerous cells because of various reasons and get spread very quickly while detrimental to normal cells. In this regard, identifying specific immunity signs for a range of cancers has recently gained a lot of interest. Accurately categorizing and compartmentalizing the breast cancer subtype is a vital job. Computerized systems built on artificial intelligence can substantially save time and reduce inaccuracy. Several strategies for predicting cancer utilizing proteomic datasets and peptides have been reported in the literature in recent years.It is critical to classify and categorize breast cancer treatments correctly. It's possible to save time while simultaneously minimizing the likelihood of mistakes using machine learning and artificial intelligence approaches. Using the Wisconsin Breast Cancer Diagnostic dataset, this study evaluates the performance of various classification methods, including SVC, ETC, KNN, LR, and RF (random forest). Breast cancer can be detected and diagnosed using a variety of measurements of data (which are discussed in detail in the article) (WBCD). The goal is to determine how well each algorithm performs in terms of precision, recall, and accuracy. The variation of each classification threshold has been tested on various algorithms and SVM turned out to be very promising. پرونده مقاله -
دسترسی آزاد مقاله
25 - Hoax Identification of Indonesian Tweeters using Ensemble Classifier
Gus Nanang Syaifuddiin Rizal Arifin Desriyanti Desriyanti Ghulam Asrofi Buntoro Zulkham Umar Rosyidin Ridwan Yudha Pratama Ali SelamatFake information, better known as hoaxes, is often found on social media. Currently, social media is not only used to make friends or socialize with friends online, but some use it to spread hate speech and false information. Hoaxes are very dangerous in social life, es چکیده کاملFake information, better known as hoaxes, is often found on social media. Currently, social media is not only used to make friends or socialize with friends online, but some use it to spread hate speech and false information. Hoaxes are very dangerous in social life, especially in countries with large populations and ethnically diverse cultures, such as Indonesia. Although there have been many studies on detecting false information, the accuracy and efficiency still need to be improved. To help prevent the spread of these hoaxes, we built a model to identify false information in Indonesian using an ensemble classifier that combines the n-gram method, term frequency-inverse document frequency, and passive-aggressive classifier method. The evaluation process was carried out using 5000 samples from Twitter social media accounts in this study. The testing process is carried out using four schemes by dividing the dataset into training and test data based on the ratios of 90:10, 80:20, 70:30, and 60:40. The inspection results show that our software can accurately detect hoaxes at 91.8%. We also found an increase in the accuracy and precision of hoax detection testing using the proposed method compared to several previous studies. The results show that our proposed method can be developed and used in detecting hoaxes in Indonesian on various social media platforms. پرونده مقاله -
دسترسی آزاد مقاله
26 - A Comparison Analysis of Conventional Classifiers and Deep Learning Model for Activity Recognition in Smart Homes based on Multi-label Classification
John Kasubi Manjaiah D. Huchaiah Ibrahim Gad Mohammad Kazim HooshmandActivity Recognition is essential for exploring the various activities that humans engage in within Smart Homes in the presence of multiple sensors as residents interact with household appliances. Smart homes use intelligent IoT devices linked to residents' homes to tra چکیده کاملActivity Recognition is essential for exploring the various activities that humans engage in within Smart Homes in the presence of multiple sensors as residents interact with household appliances. Smart homes use intelligent IoT devices linked to residents' homes to track changes in human behavior as the humans interact with the home's equipment, which may improve healthcare and security issues for the residents. This study presents a research work that compares conventional classifiers such as DT, LDA, Adaboost, GB, XGBoost, MPL, KNN, and DL, focusing on recognizing human activities in Smart Homes using Activity Recognizing Ambient Sensing (ARAS). The experimental results demonstrated that DL Model outperformed with excellent accuracy compared to conventional classifiers in recognizing human activities in Smart Homes. This work proves that DL Models perform best in analyzing ARAS datasets compared to traditional machine learning algorithms. پرونده مقاله -
دسترسی آزاد مقاله
27 - تشخيص موضع به زبان فارسی مبتنی بر طبقه بندهای چندگانه
مژگان فرهودی عباس طلوعی اشلقی<p><span dir="RTL" lang="FA" style="font-size: 12.0pt; font-family: Nazanin; mso-ascii-font-family: 'Times New Roman'; mso-fareast-font-family: 'Times New Roman'; mso-hansi-font-family: 'Times New Roman'; mso-ansi-language: EN-US; mso-fareast-language: EN-US; mso-bidi-l چکیده کامل<p><span dir="RTL" lang="FA" style="font-size: 12.0pt; font-family: Nazanin; mso-ascii-font-family: 'Times New Roman'; mso-fareast-font-family: 'Times New Roman'; mso-hansi-font-family: 'Times New Roman'; mso-ansi-language: EN-US; mso-fareast-language: EN-US; mso-bidi-language: FA;">تشخيص موضع (که با عناوبن طبقه</span><span style="font-size: 12.0pt; font-family: 'Arial',sans-serif; mso-fareast-font-family: 'Times New Roman'; mso-ansi-language: EN-US; mso-fareast-language: EN-US; mso-bidi-language: FA;">‌</span><span dir="RTL" lang="FA" style="font-size: 12.0pt; font-family: Nazanin; mso-ascii-font-family: 'Times New Roman'; mso-fareast-font-family: 'Times New Roman'; mso-hansi-font-family: 'Times New Roman'; mso-ansi-language: EN-US; mso-fareast-language: EN-US; mso-bidi-language: FA;">بندي موضع، تحليل موضع يا پيش</span><span style="font-size: 12.0pt; font-family: 'Arial',sans-serif; mso-fareast-font-family: 'Times New Roman'; mso-ansi-language: EN-US; mso-fareast-language: EN-US; mso-bidi-language: FA;">‌</span><span dir="RTL" lang="FA" style="font-size: 12.0pt; font-family: Nazanin; mso-ascii-font-family: 'Times New Roman'; mso-fareast-font-family: 'Times New Roman'; mso-hansi-font-family: 'Times New Roman'; mso-ansi-language: EN-US; mso-fareast-language: EN-US; mso-bidi-language: FA;">بيني موضع نيز شناخته شده است) يک موضوع تحقيقاتي اخير است که به يک پارادايم نوظهور تبديل شده است. هدف از تشخيص موضع، شناسايي موضع نويسنده نسبت به يک موضوع يا ادعاي خاص بوده که به جزء کليدي کاربردهايي مانند تشخيص اخبار جعلي، اعتبارسنجي ادعا يا جستجوي استدلال تبديل شده است. در اين مقاله از سه رويکرد يادگيري ماشين، يادگيري عميق و يادگيري انتقالي براي تشخيص موضع فارسي استفاده شده و سپس با بکارگيری طبقه</span><span dir="RTL" lang="AR-SA" style="font-size: 12.0pt; font-family: 'Times New Roman',serif; mso-fareast-font-family: 'Times New Roman'; mso-ansi-language: EN-US; mso-fareast-language: EN-US; mso-bidi-language: AR-SA;">‌</span><span dir="RTL" lang="FA" style="font-size: 12.0pt; font-family: Nazanin; mso-ascii-font-family: 'Times New Roman'; mso-fareast-font-family: 'Times New Roman'; mso-hansi-font-family: 'Times New Roman'; mso-ansi-language: EN-US; mso-fareast-language: EN-US; mso-bidi-language: FA;">بندهای چندگانه، مدلی برای اخذ تصميم نهايي در مورد نتايج خروجي پيشنهاد گرديده است. برای اين منظور از روش اکثريت آرا مبتنی بر صحت طبقه‌بند</span><span style="font-size: 12.0pt; font-family: 'Arial',sans-serif; mso-fareast-font-family: 'Times New Roman'; mso-ansi-language: EN-US; mso-fareast-language: EN-US; mso-bidi-language: FA;">‌</span><span dir="RTL" lang="FA" style="font-size: 12.0pt; font-family: Nazanin; mso-ascii-font-family: 'Times New Roman'; mso-fareast-font-family: 'Times New Roman'; mso-hansi-font-family: 'Times New Roman'; mso-ansi-language: EN-US; mso-fareast-language: EN-US; mso-bidi-language: FA;">های انفرادی براي ترکيب نتايج آنها استفاده گرديد. نتايج آزمايش</span><span style="font-size: 12.0pt; font-family: 'Arial',sans-serif; mso-fareast-font-family: 'Times New Roman'; mso-ansi-language: EN-US; mso-fareast-language: EN-US; mso-bidi-language: FA;">‌</span><span dir="RTL" lang="FA" style="font-size: 12.0pt; font-family: Nazanin; mso-ascii-font-family: 'Times New Roman'; mso-fareast-font-family: 'Times New Roman'; mso-hansi-font-family: 'Times New Roman'; mso-ansi-language: EN-US; mso-fareast-language: EN-US; mso-bidi-language: FA;">ها نشان داد که عملکرد مدل پيشنهادي نسبت به عملکرد طبقه</span><span style="font-size: 12.0pt; font-family: 'Arial',sans-serif; mso-fareast-font-family: 'Times New Roman'; mso-ansi-language: EN-US; mso-fareast-language: EN-US; mso-bidi-language: FA;">‌</span><span dir="RTL" lang="FA" style="font-size: 12.0pt; font-family: Nazanin; mso-ascii-font-family: 'Times New Roman'; mso-fareast-font-family: 'Times New Roman'; mso-hansi-font-family: 'Times New Roman'; mso-ansi-language: EN-US; mso-fareast-language: EN-US; mso-bidi-language: FA;">بندهای انفرادی پيشرفت مناسبی داشته است.</span></p> پرونده مقاله -
دسترسی آزاد مقاله
28 - بکارگیری حافظه ای محدود برای نگهداری برترین کنش اخیردر سیستم های طبقه بندی کننده یادگیر XCS در مسائل هزارتو
علی یوسفی کامبیز بدیع محمد مهدی عبادزاده آرش شریفیامروزه، سیستمهاي طبقهبندي کننده یادگیر درکاربردهاي متنوع در رباتیک مانند رباتهاي حسي، رباتهاي انساننما، سامانه هاي امداد و جات هوشمند وکنترل ربانهاي فیزیکي در محیطهاي گسسته و پیوسته، مورد توجه قرار گرفته است. معمولا از ترکیب یک الگوریتم تکاملي یا روشهاي شهودي با یک فرا چکیده کاملامروزه، سیستمهاي طبقهبندي کننده یادگیر درکاربردهاي متنوع در رباتیک مانند رباتهاي حسي، رباتهاي انساننما، سامانه هاي امداد و جات هوشمند وکنترل ربانهاي فیزیکي در محیطهاي گسسته و پیوسته، مورد توجه قرار گرفته است. معمولا از ترکیب یک الگوریتم تکاملي یا روشهاي شهودي با یک فرایند یادگیري براي جستجو در فضاي قوانین موجود در انتساب کنش مناسب یک دستهبند استفاده مي شود. چالش مهم براي بالا بردن سرعت و دقت در رسیدن به هدف در مسائل هزار تو، بکارگیري و انتخاب کنشي است که محرک بجاي برخورد تکراري به موانع اطراف، در مسیر درست قرار گیرد. بدین منظور در این مقاله یک الگوریتم طبقه بندي کننده یادگیر هوشمند سیستمهاي طبقه بند یادگیر مبتني بر دقت) XCS ( مبتني بر حافظه محدود بکار گرفته شده است که با توجه به ورودي و کنشهاي اعمال شده به محیط و عکس العمل محرک، قوانین بهینه شناسایي شده و در اولویت انتخاب با احتمال بیشتري در مراحل بعدي، به عنوان مجموعه دستهبند جدید به الگوریتم سیستمهاي طبقه بند یادگیر مبتني بر دقت (XCS) اضافه گردد. از جمله دستاوردهاي این روش مي توان به کاهش تعداد مراحل لازم و افزایش سرعت در رسیدن محرک به هدف در مقایسه با الگوریتم سیستمهاي طبقه بند یادگیر مبتني بر دقت (XCS) پایه داشت . پرونده مقاله
رایمگ
سامانه رایمگ تمامی فرآیندهای دریافت، ارزیابی و داوری، ویراستاری، صفحهآرایی و انتشار الکترونیکی نشریات علمی را به انجام میرساند
پیوندهای سایت
مراکز مرتبط
پشتیبانی
صفحات رسمی
حقوق این وبسایت متعلق به سامانه مدیریت نشریات رایمگ است.
حق نشر © 1403-1396