دانلود ترجمه مقاله کاربرد سیگنال PPG در الگوریتم طبقه بندی ویژگی برای شناخت بیومتریک – مجله الزویر
دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
عنوان فارسی مقاله: |
الگوریتم طبقه بندی ویژگی جدید برای شناخت بیومتریک با استفاده از سیگنال های PPG |
عنوان انگلیسی مقاله: |
A novel feature ranking algorithm for biometric recognition with PPG signals |
|
مشخصات مقاله انگلیسی (PDF) | |
سال انتشار | ۲۰۱۴ |
تعداد صفحات مقاله انگلیسی | ۱۵صفحه با فرمت pdf |
رشته های مرتبط با این مقاله | مهندسی پزشکی |
گرایش های مرتبط با این مقاله | بیوالکتریک |
مجله | کامپیوترها در زیست شناسی و پزشکی – Computers in Biology and Medicine |
دانشگاه | دپارتمان برق و الکترونیک، دانشکده مهندسی، دانشگاه سقاریه |
کلمات کلیدی | بیومتریک، فوتوپلتیسموگرافی (PPG)، شناسایی، طبقهبندی، مشتقات، استخراج ویژگی |
شناسه شاپا یا ISSN | ISSN ۰۰۱۰-۴۸۲۵ |
رفرنس | دارد |
لینک مقاله در سایت مرجع | لینک این مقاله در نشریه Elsevier |
نشریه | Elsevier |
مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت ۱۴ B Nazanin | ۲۹صفحه |
ترجمه عناوین تصاویر و جداول | ترجمه شده است |
ترجمه متون داخل تصاویر | ترجمه نشده است |
ترجمه متون داخل جداول | ترجمه نشده است |
درج تصاویر در فایل ترجمه | درج شده است |
درج جداول در فایل ترجمه | درج شده است |
درج فرمولها و محاسبات در فایل ترجمه به صورت عکس | درج شده است |
- فهرست مطالب:
چکیده
۱- مقدمه
۲- پژوهشهای مرتبط
۳- مفاهیم و روشها
۱-۳- مجموعه داده بیومتریک PPG
۲-۳- سیستم تشخیص پیشنهادی بیومتریک PPG
۱-۲-۳- مرحله تمایز
۲-۲-۳- مرحله استخراج ویژگی: ویژگیهای حوزه زمانی
۳-۲-۳- مرحله رتبه بندی ویژگی : فاله براساس الگوریتم طبقه بندی شده ویژگی تحت نظارت
۴-۲-۳- مراحل انتخاب ویژگی
۵-۲-۳- مرحله طبقهبندی: فاصله براساس الگوریتمهای طبقهبندی کننده
۵- نتایج و پژوهشهای آتی
- بخشی از ترجمه:
۴- نتایج و مباحث
در این مطالعه، الگوی طبقهبندی برای شناسایی بیومتریک همراه سیگنالهای PPG به دست آمده از تعداد ۳۰ داوطلب ایجاد شد. ۴۰ ویژگی استخراج شده با استفاده از سیگنالهای PPG و مشتقات آنها بودند. الگوریتم طبقهبندی ویژگی به منظور طبقه بندی این ویژگیها مطرح شد. در الگوریتم پیشنهادی، k=3,5,7 و ۱۰ مقدار برای رای اکثریت استفاده شد. فرآیند انتخاب، به طور خاص با انتخاب ۵، ۱۰، ۱۵، ۲۰، ۲۵، ۳۰، ۳۵ و ویژگی طبقهبندی شده نخست به صورت جداگانه انجام شد و در مورد تعداد ویژگیهایی که باید با توجه به یکی از بیشترین طبقهبندیها انتخاب شود تصمیمگیری شد. فرآیند طبقهبندی با استفاده از الگوریتم طبقهبندی کننده نزدیکترین همسایه k و جابجایی یک مورد به ازای مقادیر k=1, 3 , 5, 7, 10 صورت گرفت.
- بخشی از مقاله انگلیسی:
۴٫ Results and discussion
In this study, a classification model was built up for biometric identification, with the PPG signals acquired from 30 volunteers. 40 features were extracted using PPG signals and its derivatives.A feature ranking algorithm was proposed in order to rank these features. In the proposed feature ranking algorithm, k¼ ۳, ۵, ۷ and 10 values were applied for majority voting. The selection process, in particular, was done by picking out the first ranked 5, 10, 15, 20, 25, 30, 35 and 40 features separately and by deciding as to how many features had to be selected considering the one with the highest achievement of classification. The classification process was done by utilizing the k-nearest neighbor classifier algorithm and leave-one-out transposition for k¼۱, ۳, ۵, ۷, and 10 values.
تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد |
|
دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
عنوان فارسی مقاله: |
الگوریتم طبقه بندی ویژگی جدید برای شناخت بیومتریک با استفاده از سیگنال های PPG |
عنوان انگلیسی مقاله: |
A novel feature ranking algorithm for biometric recognition with PPG signals |
|