سال انتشار: ۱۳۸۵

محل انتشار: چهارمین کنفرانس ماشین بینایی و پردازش تصویر

تعداد صفحات: ۵

نویسنده(ها):

بتسابه تنوری – کارشناسی ارشد هوش مصنوعی
سمیه علی زاده زوج – کارشناسی ارشد هوش مصنوعی
رضا بوستانی – دکترای مهندسی پزشکی

چکیده:

در این مقاله از توانایی طبق هبند یکننده ۱SVM در قلب ساختار طبقه بند یکنندهHMM به منظور بهبود راندمان آناستفاده شده است. طبقه بندی کنندهHMM از ترکیب های ۲گاوسی برای تخمین احتمالات شرطی استفاده م یکند حال آنکه در این تحقیق از طبقه بندی کنندهSVM به جای توابع گوسی استفاده شده است. طبقه بندی کنندهSVM نتایج بسیارخوبی در زمینه تشخیص الگو ۳ ارائه کرده و به دلیل خاصیت عمومیت بخشی آن، در این مدل ترکیبی از آن استفاده شدهاست. در این تحقیق خروجیهایSVM به صورت احتمالاتشرطی در نظر گرفته شده و از آنها به عنوان احتمال انتشار ۴ درHMMاولیه استفاده شده است. این روش ترکیبی با استفاده ازبانک های اطلاعاتی مختلفی آموزش ۵ داده و تست شده است. نتایج حاصل نشان می دهد که این طبق هبندی کننده نسبت بهطبقه بندی کنندهHMM با ترکی بهای گاوسی دقت بیشتریدارد.