دانلود مقاله و خرید ترجمه:تحلیل تفکیک و اندازه گیری شباهت - 2014

دانلود بهترین مقالات isi همراه با ترجمه فارسی

کارابرن عزیز، مقالات isi بالاترین کیفیت ترجمه را دارند، ترجمه آنها کامل و دقیق می باشد (محتوای جداول و شکل های نیز ترجمه شده اند) و از بهترین مجلات isi انتخاب گردیده اند. همچنین تمامی ترجمه ها دارای ضمانت کیفیت بوده و در صورت عدم رضایت کاربر مبلغ عینا عودت داده خواهد شد.

پشتیبانی
اپلیکشن اندروید
آرشیو مقالات
ورود اعضا
توجه توجه توجه !!!!
تمامی مقالات ترجمه شده ، انگلیسی و کتاب های این سایت با دقت تمام انتخاب شده اند. در انتخاب مقالات و کتاب ها پارامترهای جدید بودن، پر جستجو بودن، درخواست کاربران ، تعداد صفحات و ... لحاظ گردیده است. سعی بر این بوده بهترین مقالات در هر زمینه انتخاب و در اختیار شما کاربران عزیز قرار گیرد. ضمانت ما، کیفیت ماست.
نرم افزار winrar

از نرم افزار winrar برای باز کردن فایل های فشرده استفاده می شود. برای دانلود آن بر روی لینک زیر کلیک کنید
دانلود

پیوندهای کاربردی
پیوندهای مرتبط
مقالات ترجمه شده تشخیص الگو ( Pattern recognition )
  • Discriminant analysis and similarity measure تحلیل تفکیک و اندازه گیری شباهت

    سال انتشار:

    2014


    ترجمه فارسی عنوان مقاله:

    تحلیل تفکیک و اندازه گیری شباهت


    عنوان انگلیسی مقاله:

    Discriminant analysis and similarity measure


    منبع:

    Sciencedirect - Elsevier - Pattern Recognition 47 (2014) 359–367


    نویسنده:

    Chengjun Liu


    چکیده انگلیسی:

    The cosine similarity measure is often applied after discriminant analysis in pattern recognition. This paper first analyzes why the cosine similarity is preferred by establishing the connection between the cosine similarity based decision rule in the discriminant analysis framework and the Bayes decision rule for minimum error. The paper then investigates the challenges inherent of the cosine similarity and presents a new similarity that overcomes these challenges. The contributions of the paper are thus threefold. First, the application of the cosine similarity after discriminant analysis is discovered to have its theoretical roots in the Bayes decision rule. Second, some inherent problems of the cosine similarity such as its inadequacy in addressing distance and angular measures are discussed. Finally, a new similarity measure, which overcomes the problems by integrating the absolute value of the angular measure and the l p norm (the distance measure), is presented to enhance pattern recognition performance. The effectiveness of the proposed new similarity measure in the discriminant analysis framework is evaluated using a large scale, grand challenge problem, namely, the Face Recognition Grand Challenge (FRGC) problem. Experimental results using 36,818 FRGC images on the most challenging FRGC experiment, the FRGC Experiment 4, show that the new similarity measure improves face recognition performance upon other popular similarity measures, such as the cosine similarity measure, the normalized correlation, and the Euclidean distance measure.
    Keywords: Bayes decision rule | Cosine similarity measure | Discriminant analysis | Face recognition | Face Recognition Grand Challenge (FRGC) | New similarity measure | Normalized correlation | Pattern recognition


    چکیده فارسی:

    اندازه گیری شباهت کسینوسی معمولا بعد از تحلیل تفکیک در تشخیص الگو اعمال می شود. این مقاله ابتدا تحلیل می کند که چرا شباهت کسینوسی به ایجاد اتصال بین شباهت کسینوسی مبتنی بر قانون تصمیم در چارچوب تحلیل تفکیک و قانون تصمیم بیزین برای مینیمم خطا ترجیه داده شده است. این مقاله سپس چالش های ذاتی شباهت کسینوسی را بررسی کرده و یک شباهت جدید را ارائه می دهد که بر این چالش ها فائق آید. مشارکت این مقاله در سه مرحله است. اول، کاربرد شباهت کسینوسی بعد از تحلیل تفکیک برای داشتن ریشه های نظری آن در قانون تصمیم بیزین کشف شده است. دوم، بعضی از مسائل ذاتی شباهت کسینوسی مثل ناکفایتی آن در اشاره به اندازه گیری های فاصله و زاویه ای بحث شده است. در نهایت، یک اندازه گیری شباهت جدید، که با ادغام قدرمطلق اندازه گیری زاویه و نورم lp (اندازه گیری فاصله) بر مسائل فوق غلبه می کند، برای فرایند تشخیص الگو پیشنهاد شده است. تأثیر اندازه گیری شباهت جدید معرفی شده در چارچوب تحلیل تفکیک با استفاده از یک مقیاس بزرگ بزرگ، مسئله ی چالش برانگیز بزرگ، با نام مسئله ی چالش بزرگ تشخیص چهره (FRGC) ارزیابی می شود. نتایج آزمایشی با استفاده از 36818 تصویر FRGC بر روی آزمایش FRGC بسیار چالش برانگیز، آزمایش 4 FRGC، نشان می دهند که انرازه گیری شباهت جدید فرایند تشخیص چهره را در مقایسه با دیگر اندازه گیری های محبوب، مانند اندازه گیری شباهت کسینوسی، ارتباط نرمال شده، و اندازه گیری فاصله ی اقلیدسی بهبود می بخشد.
    کلمات کلیدی: قانون تصمیم بیزین | اندازه گیری شباهت کسینوسی | تحلیل تفکیک | تشخیص چهره | چالش بزرگ تشخیص چهره (FRGC) | اندازه گیری شباهت جدید | ارتباط نرمال شده | تشخیص الگو.


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 9
    تعداد صفحات فایل doc فارسی: 35

    وضعیت ترجمه عناوین تصاویر و جداول: به صورت کامل ترجمه شده است

    وضعیت ترجمه متون داخل تصاویر و جداول: به صورت کامل ترجمه شده است

    حجم فایل: 718 کیلوبایت


    قیمت: 30000 تومان  24000 تومان(20% تخفیف)


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

این مقاله را در فیس بوک به اشتراک بگذارید این مقاله را در توییتر به اشتراک بگذارید این مقاله را در لینکداین به اشتراک بگذارید این مقاله را در گوگل پلاس به اشتراک بگذارید این مقاله را در زینگ به اشتراک بگذارید این مقاله را در تلگرام به اشتراک بگذارید

تعداد نظرات : 0

الزامی
الزامی
الزامی
تشخیص-الگو
موضوعات
footer