یک فایل،بانک مقالات ترجمه شده

یک فایل،بانک مقالات ترجمه شده

دانلود مقالات لاتین با ترجمه

مقاله ترجمه شده ادغام تفکیک کننده بیشترین حاشیه محلی (LMMDE) برای تشخیص چهره

ادغام تفکیک کننده بیشترین حاشیه محلی (LMMDE) برای تشخیص چهره

چکیده

در این مقاله یک روش مبتنی بر یادگیری چند شاخه ای تحت عنوان LMMDE برای استخراج ویژگی یشنهاد می شود. الگوریتم محلی پیشنهادی و دیگر رویه های مبتنی بر یادگیری چند شاخه ای، دارای این نقطه مشترک هستند که ویژگی محلی بودن در آنها حفظ می شود. به علاوه LMMDE فشردگی درون هر کلاس و قابلیت جداسازی بین کلاس های مختلف از نمونه هایی که در هر شاخه قرار گرفته اند، را بررسی می کند. به علاوه برای هر نقطه داده، نقاط داده مجاور را با یک برچسب کلاس در نظر می گیرد که باید تا حد ممکن به هم نزدیک باشند، در حالی که به صورت همزمان، نقاط داده ی مجاور را با برچسب های کلاس های مختلف، تا حد ممکن دور از هم نگه می دارد، تحت این محدودیت که باید ویژگی محلی بودن حفظ شود. این روش در قیاس با اغلب روش های مبتنی بر یادگیری چندشاخه ای به روز شده، سبب دسته بندی الگو از دو جنبه می شود. از یک سو ساختار محلی در هر شاخه همچنان در فضای ادغام شده حفظ می شود و از سوی دیگر، اطلاعات تفکیک سازی در هر شاخه را می توان بررسی کرد. نتایج آزمایشات بر روی پایگاه داده های چهره ی ORL, Yale, FERET نشان دهنده ی کارایی روش پیشنهادی است.

تعداد صفحات ترجمه شده :27

تعداد صفحات انگلیسی:10

افزودن به سبد خرید: 10,000 - 9,500 تومان
مقاله ترجمه شده ادغام تفکیک کننده بیشترین حاشیه محلی (LMMDE) برای تشخیص چهره
  • کد محصول: 559
  • مبلغ بدون تخفیف: 10,000 تومان
  • تخفیف: 5 درصد
  • مبلغ قابل پرداخت: 9,500 تومان
  • تعداد فایل پیوست شده: 1 مورد
  • نوع فایل: Zip
  • حجم فایل: 1.37 مگابایت
  • تاریخ ایجاد: 1401/05/20 - 15:50:15
  • اشتراک‌گذاری محصول:
  • وارد کردن نام، ایمیل و پیام الزامی است. (نشانی ایمیل شما منتشر نخواهد شد)
دیدگاه شما برای ما مهم است
هفت منهای هفت