فهرست مقالات آنالیز مؤلفه‌های اصلی

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - ارائه یک روش تشخیص بیماری آلزایمر با استفاده از الگوریتم یادگیری عاطفی مغز و ویژگی موجک
  سیده بهناز امامی نسیم نورافزا شروان فکری ارشاد
  آلزایمر ازجمله بیماری‌های شایع قرن ۲۱ است و به سبب آن سلول‌های مغزی بیمار به‌تدریج از بین رفته و بیمار فوت می‌کند. در اکثر مواقع هنگامی این بیماری تشخیص داده می‌شود که علائم آن بروز پیداکرده و کار چندانی برای بیمار نمی‌توان انجام داد. لذا استفاده از الگوریتم‌های یادگیری چکیده کامل

  آلزایمر ازجمله بیماری‌های شایع قرن ۲۱ است و به سبب آن سلول‌های مغزی بیمار به‌تدریج از بین رفته و بیمار فوت می‌کند. در اکثر مواقع هنگامی این بیماری تشخیص داده می‌شود که علائم آن بروز پیداکرده و کار چندانی برای بیمار نمی‌توان انجام داد. لذا استفاده از الگوریتم‌های یادگیری برای تشخیص بیماری بسیار مفید است. به همین دلیل تاکنون الگوریتم‌های متفاوتی ازجمله نزدیک‌ترین همسایه، آنالیز تشخیص خطی و ماشین بردار پشتیبان برای تشخیص این بیماری استفاده ‌شده است. این روش‌ها دارای نقاط ضعفی ازجمله صحت پایین، پیچیدگی محاسباتی بالا و یا زمان اجرای زیادی هستند. بنابراین در این تحقیق، روشی مبتنی بر یادگیری عاطفی مغز و ویژگی موجک استفاده ‌شده است. ابتدا ماده سفید و خاکستری مغز توسط روش آستانه گیری تفکیک شدند، در مرحله دوم ویژگی‌های بافت تصاویر توسط الگوریتم تبدیل موجک استخراج گردید، مرحله سوم کاهش بعد روی ویژگی‌های استخراج ‌شده توسط آنالیز مؤلفه‌های اصلی انجام ‌گرفته و درنهایت با استفاده از دو الگوریتم یادگیری عاطفی مغز و الگوریتم یادگیری عاطفی مغز مبتنی بر تشخیص الگو طبقه‌بندی صورت گرفته است. نتایج نشان دادند که زمان اجرای الگوریتم یادگیری عاطفی مغز 22/0 ثانیه و نیز الگوریتم یادگیری عاطفی مغز با صحت 95 درصد و الگوریتم یادگیری عاطفی مغز مبتنی بر تشخیص الگو با صحت 97 درصد بهتر از ماشین بردار پشتیبان با صحت 83 درصد عمل کرده‌اند. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  2 - بازیابی تصاویر پزشکی بر اساس محتوا با استفاده از نگاشت ویژگی‌های تصاویر در سطح بازخورد ربط
  محمد بهنام حسین پورقاسم
  هدف از این تحقیق طراحی یک سیستم بازیابی تصاویر پزشکی مبتنی بر محتوا و ارائه روشی نوین برای کاهش شکاف معنایی موجود بین ویژگی‌های دیداری و مفاهیم مورد جستجوی کاربر می‌باشد. به طور کلی عملکرد سیستم‌های بازیابی تصویر تنها بر اساس ویژگی‌های دیداری کاهش می‌یابد چرا که این ویژ چکیده کامل

  هدف از این تحقیق طراحی یک سیستم بازیابی تصاویر پزشکی مبتنی بر محتوا و ارائه روشی نوین برای کاهش شکاف معنایی موجود بین ویژگی‌های دیداری و مفاهیم مورد جستجوی کاربر می‌باشد. به طور کلی عملکرد سیستم‌های بازیابی تصویر تنها بر اساس ویژگی‌های دیداری کاهش می‌یابد چرا که این ویژگی‌ها اغلب در توصیف مفاهیم معنایی تصویر ناتوان‌اند. در این تحقیق این مشکل با ارائه راهکاری نوین در سطح بازخورد ربط و با استفاده از انتقال فضای ویژگی‌های تصاویر مرتبط و غیر مرتبط به فضایی جدیدتر، با ابعاد کمتر و دارای همپوشانی کمتر مرتفع می‌گردد. برای این منظور با استفاده از تکنیک‌های آنالیز مؤلفه‌های اصلی(PCA) و آنالیز تفکیک‌کننده خطی (LDA) فضای ویژگی‌ها را تغییر داده و سپس با بهره‌گیری از ماشین بردار پشتیبان (SVM) به طبقه‌بندی تصاویر مرتبط و غیرمرتبط می‌پردازیم. الگوریتم ارائه شده بر روی پایگاه داده‌ای شامل 10000 تصویر اشعه X پزشکی از 57 کلاس معنایی ارزیابی شده است. نتایج به دست آمده نشان می‌دهد که الگوریتم ارائه شده به طور قابل توجهی دقت سیستم بازیابی را بهبود می‌بخشد. پرونده مقاله