ارائه یک الگوریتم انتخاب مشخصه بهینه بدون نظارت

نویسندگان

1 مربی، دانشگاه جامع امام حسین(ع)، تهران، ایران

2 استادیار، دانشگاه تربیت مدرس، تهران، ایران

چکیده

انتخاب بردار مشخصه مناسب برای حداکثر نمودن موفقیت یک ماشین دسته بندی کننده بسیار موثر است. در این مقاله با استفاده از ترکیب روش‌های مختلف محاسبه تابع هسته، یک الگوریتم انتخاب مشخصه بهینه بدون نظارت پیشنهاد گردیده است. بردار مشخصه بدست آمده از الگوریتم پیشنهادی، صحت خروجی دسته‌بندی کننده شبکة عصبی پس‌انتشارخطا را حداکثر می‌گرداند. در این مقاله برای مطالعه موردی از دسته بندی استاندارد تصاویر فشرده‌شدة مبتنی بر کدگذاری تبدیلی و تصاویر فشرده‌نشده با استفاده از رشته‌بیت آن‌ها استفاده می‌گردد. استانداردهای مورد نظر برای دسته بندی، استانداردهای JPEG و JPEG2000 و تصاویر فشرده‌نشده با فرمت TIFF می‌باشند. با استفاده از بردار مشخصه بدست آمده از الگوریتم پیشنهادی، صحت دسته بندی کننده در حدود 98% می‌گردد.

کلیدواژه‌ها


[1]     P. Suresh, R. M. D. Sundaram, and A.  Arumugam,    “Feature Extraction in Compressed Domain for Content Based Image Retrieval,” International Conference on Advanced Computer Theory and Engineering, Phuket, 2008.
[2]   N. Verma, S. S. Khan, and S. Kant, “Statistical Feature Extraction to Discriminate Various Languages: Plain and Crypt,” Scientific Analysis Group, 2003.
[3]     W. H. Vellerling, W. T. Teukolsky, and S. A. Flannery,  “Numerical Recipes in C,” Second Edition, 1995.
[4]     G. Zhang, “Neural networks for classification: a survey,” IEEE Transactions on Systems, Man and Cybernetics, Part C: Applications and Reviews, vol. 30, no 4, pp. 451-462, 2000.
[5]     I. H. Witten and E. Frank, “Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations,” Morgan Kaufmann Publishers, 2000.
[6]     H. Liu and Z. Zhao, “Spectral Feature Selection for Supervised and Unsupervised Learning,” Proceedings of the 24th International Conference on Machine Learning, 2007.