دانلود مقاله ترجمه شده فضای رنگ تحلیل مولفه های مستقل برای تشخیص الگو – IEEE 2009

مشخصات مقاله انگلیسی (PDF)
سال انتشار	۲۰۰۹
تعداد صفحات مقاله انگلیسی	۱۰ صفحه با فرمت pdf
رشته های مرتبط با این مقاله	مهندسی کامپیوتر
گرایش های مرتبط با این مقاله	مهندسی نرم افزار و هوش مصنوعی
مجله	یافته های در حوزه شبکه های عصبی – TRANSACTIONS ON NEURAL NETWORKS
دانشگاه	گروه علوم کامپیوتر، موسسه فناوری نیوجرسی
کلمات کلیدی	محیط آزمایش بیومتریک(BEE)، مدل پیشرفته فیشتر(EFM)، چالش بزرگ تشخیص چهره(FRGC)، فضای رنگ تحلیل مولفه های مستقل(ICA)، تشخیص الگو، تحلیل مولفه های اصلی(PCA)، فضای رنگ RGB
شناسه شاپا یا ISSN	ISSN ۱۹۴۱-۰۰۹۳
رفرنس	دارد
لینک مقاله در سایت مرجع	لینک این مقاله در سایت IEEE
نشریه آی تریپل ای

• فهرست مطالب:

چکیده

۱- مقدمه

۲- پیش زمینه و هدف

۳- فضای رنگICA برای نمایش تصویر رنگی موثر

۴- فضای رنگی ICA برای دسته بندی تصویر رنگی کارامد

۵- آزمایشات

۶- نتیجه گیری

• بخشی از ترجمه:

۶- نتیجه گیری

این مقاله یک روش فضای رنگی ICA را برای تشخیص الگو ارایه می دهد. فضای رنگی ICA مشتق شده با استفاده از ICA فضای رنگی RGB، سه تصویر رنگی را تعریف می کند که موثر تر از سه تصویر R-G-B برای تشخیص الگو می باشد. بر عکس فضای رنگی RGB، که در ان تصاویر R-G-B همبستگی دارند، فضای رنگی ICA، سه تصویر را نشان می دهد که مستقل هستند. چون الگوریتم ICA عملکرد بهتری از تفکیک منبع کور دارد، سه تصویر در فضای رنگی ICA با منابع رنگی مستقل تشکیل شده و قدرت تفکیک بیتشری را از R-G-Bبرای طبقه بندی نشان می دهد. ازمایشات با استفاده از مسئله تشخیص الگوی چالش بزرگ همراه با دیتابیس بزرگ مقیاس نشان می دهد که فضای رنگی ICA پیشنهادی موثر تر از فضای RGB برای تشخیص چهره است.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد