یک روش مبتنی بر خوشه بندی سلسله مراتبی تقسیم کننده جهت شاخص گذاری اطلاعات تصویری
Authors
abstract
در سیستم های رایج بازیابی تصویر مبتنی بر محتوا از ساختارهای شاخص گذاری چندبعدی برای سرعت بخشیدن به عملیات جستجو استفاده می شود. در اکثر حوزه های کاربردی، ابعاد بالایی از بردارهای ویژگی چندبعدی برای توصیف تصاویر موردنیاز است، اما ساختارهای شاخص گذاری چندبعدی رایج کارایی خود را با افزایش ابعاد فضای ویژگی از دست می دهند. افزایش ابعاد فضای داده موجب افزایش نمایی اندازه فضای جستجو و تعداد گره ها در ساختارهای شاخص گذاری چندبعدی، و همچنین موجب افزایش همپوشانی بین گره های ساختارهای شاخص گذاری چندبعدی می شود. این مسائل منجربه افزایش هزینه جستجو ازطریق ساختارهای شاخص گذاری چندبعدی رایج می گردد. هدف این پژوهش ارائه یک ساختار شاخص گذاری تصویر مبتنی بر خوشه بندی سلسله مراتبی تقسیم کننده، جهت مدیریت بردارهای ویژگی متناظر با تصاویر، در فضای ویژگی با ابعاد بالا می باشد که درضمن از همپوشانی نواحی گره ها نیز جلوگیری به عمل آورد. آزمون های مختلف نشان داده است که ساختار شاخص گذاری پیشنهادی در فضاهای با ابعاد بالا کارایی مناسبی داشته و نسبت به رویکردهای پیشین دارای برتری است.
similar resources
یک روش مبتنی بر خوشهبندی سلسلهمراتبی تقسیمکننده جهت شاخصگذاری اطلاعات تصویری
It is conventional to use multi-dimensional indexing structures to accelerate search operations in content-based image retrieval systems. Many efforts have been done in order to develop multi-dimensional indexing structures so far. In most practical applications of image retrieval, high-dimensional feature vectors are required, but current multi-dimensional indexing structures lose their effici...
full textیک الگوریتم ردیابی خودرو مبتنی بر ویژگی با استفاده از گروهبندی سلسله مراتبی ادغام و تقسیم
Vehicle tracking is an important issue in Intelligence Transportation Systems (ITS) to estimate the location of vehicle in the next frame. In this paper, a feature-based vehicle tracking algorithm using Kanade-Lucas-Tomasi (KLT) feature tracker is developed. In this algorithm, a merge and split-based hierarchical two-stage grouping algorithm is proposed to represent vehicles from the tracked fe...
full textیک الگوریتم ردیابی خودرو مبتنی بر ویژگی با استفاده از گروه بندی سلسله مراتبی ادغام و تقسیم
ردیابی خودرو یکی از چالشهای مهم در سیستمهای حمل و نقل هوشمند جهت تخمین موقعیت خودرو در فریم بعدی از یک دنباله متوالی تصاویر از ویدئوهای نظارتی است. در این مقاله، یک الگوریتم ردیابی خودرو مبتنی بر ویژگی با استفاده از الگوریتم تخمین زننده ویژگی kanade-lucas-tomasi (klt) گسترش یافته است. در این الگوریتم، برای جایگزینی خودروها بوسیله ویژگیهای ردیابی شده، یک الگوریتم گروه بندی دو مرحله ای سلسله مرات...
full textگروه بندی بافت های فرسوده شهری در استان خراسان رضوی (با تأکید بر روش تحلیل خوشه ای سلسله مراتبی)
سیستم پویای شهرها مدام در حال تغییر و تحول است. در این میان مشکلاتی مانند تغییرات فرهنگی و اجتماعی، فقر، آلودگیهای بهداشتی- زیست محیطی و ناپایداریهای کالبدی، برخی نقاط شهر را دگرگون ساخته و رنگ و بویی متفاوت از گذشته که نشانههایی از عدم توسعه پایدار شهری است، بر آنها مینشاند. کیفیت توسعه و زیرساختهای آن در اثر برنامهریزیهای نامطلوب گذشته مسائل عمدهای را در روند توسعه شهرهای استان خر...
full textشناسایی ابعاد عملکردی خوشه های صنعتی به روش تحلیل خوشه ای توافقی سلسله مراتبی
خوشه های صنعتی یکی از رویکرد های نوین در توسعه صنعتی کشور های در حال توسعه است که اخیراً توجهبسیاری از پژوهشگران و سیاستگذاران را به خود جلب کرده است. خوشه سازی باعث اثرات اقتصادی مثبت برمنطقه و همچنین افزایش رقابت پذیری بنگاه های کوچک و متوسط می شود، اما میزان موفقیت همه خوشه هایکسان نیست زیرا عملکرد آن ها متفاوت است. بحث عملکرد خوشه ها دارای جوانب گوناگون است و گسترهوسیعی از حوزه های بروز نتای...
full textالگوریتم خوشه بندی سلسله مراتبی چندگانه
ایده اصلی یادگیری تجمعی به منظور ترکیب پیش بینی یادگیرنده های چندگانه مطرح شده است. روش های یادگیری تجمعی در زمینه ی الگوریتم های یادگیری با ناظر و بدون ناظر، معمولاً نتایج بهتری در مقایسه با روش های واحد ایجاد می کنند. روش های طبقه بندی چندگانه، طبقه بندها را برای رسیدن به طبقه بندی با دقت پیش بینی بالاتر با یکدیگر ترکیب می کنند. به طور مشابه، روش های خوشه بندی چندگانه با ترکیب خوشه بندها، خوشه...
15 صفحه اولMy Resources
Save resource for easier access later
Journal title:
پردازش علائم و داده هاجلد ۱۱، شماره ۲، صفحات ۹۱-۱۰۹
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023