در مرحله آشکارسازی علامت روی تصویر پیش پردازش انجام می گیرد و بخش بندی تصویر با توجه به خصوصیات رنگ واشکال ، انجام می گیرد. هر کدام از این بخش ها حاوی مناطقی است که احتمال وجود علامت ترافیکی در آن زیاد است.رنگ ها نقش مهمی را در سیستم های آشکارسازی علامت ترافیکی را ایفا […]
توابع والش در سال 1923 توسط والش با ارائه توابع متعامد معرفی شد[41]. اما در سال 1969 از توابع والش برای تبدیل والش استفاده شد. تبدیل والش یک تبدیل بهینه موضعی و غیر سینوسی است این تبدیل یک تبدیل متعامد است که یک سیگنال را به مجموعه ای ازموج های مربعی تجزیه می کند که
با کشف سیگنال های EEG بسیاری از محققین در سراسر دنیا شروع به فعالیت در این زمینه کردند. مجموعه داده های متفاوت و با کاربردهای متفاوتی ایجاد شد. اکثر این محققین در تلاش به رسیدن به طراحی سیستم واسط مغز و کامپیوتر(BCI) بودند. در شکل) 1-1 ( یک سیستم BCI نشان داده شده است. این
مروری بر تحقیقات انجام شده در زمینه دسته بندی سیگنال های مغزی بیشتر بخوانید »
تعامل انسان با کامپیوتر (HCI) امروزه کاربردهای گسترده ای دارد. این رشته علم بررسی تعامل کامپیوتر و انسان است. در واقع این علم نقطه تقاطع دانش کامپیوتر، علوم رفتارشناسی طراحی و چند علم دیگر است. ارتباط و تعامل کامپیوتر وانسان از طریق واسط اتفاق می‌افتد. که شامل نرم‌افزار و سخت‌افزار است. یک تعریف دقیق آن
محققان و سازمانهای مختلف، تاکنون دسته بندیهای متفاوتی را برای آسيب پذيریها ارائه کردهاند. در اين بخش به معرفی برخی از کارهای انجام شده برای دسته بندی آسيب پذيریها پرداخته میشود. بيشاپ[1] (در سال 1995) (30) و کرسل[2] (در سال 1998) (31) از پيشگامان کلاس بندی آسيب پذيریهای نرم افزارها هستند. بيشاپ (30) يک طبقه
انتخاب ويژگی، تکنيک انتخاب زيرمجموعهای از ويژگیهای مرتبط است، که هدف آن ساختن يک مدل يادگيری قویتر میباشد. در يادگيری ماشين و آمار از عناوينی مثل انتخاب متغيير، کاهش ويژگیها، انتخاب صفت يا انتخاب زيرمجموعهای از متغييرها به جای انتخاب ويژگی نيز استفاده میشود (12). انتخاب ويژگی با حذف ويژگیهای بیربط و کاهش ابعاد ويژگیهای
يكي ديگر از اهداف داده‌کاوی پديده‌ی خوشه‌بندي مي‌باشد، كه به فرآيند تقسيم مجموعه‌اي از داده‌ها (يا اشياء) به زير كلاس‌هايي با مفهوم خوشه اشاره دارد. يك خوشه، يك سري داده‌هاي مشابه مي‌باشد كه همانند يك گروه واحد رفتار مي‌كنند. لازم به ذكر است، خوشه‌بندي تاحدودیمشابه کلاس‌بندی است، با اين تفاوت كه كلاس‌ها از پيش‌تعريف‌شده و
کلاس بندی فرآيند پيدا کردن يک مدل توصيف کننده و تميز دهنده برای کلاس های داده ها است. اين مدل بايد به شکلی باشد که بتوان از آن برای پيش بينی کلاس داده هايی که برچسب آن ها نامشخص است، استفاده کرد. کلاس بندی کننده، بوسيله يک مجموعه داده آموزش که برای آن ها برچسب
برای ارزیابی سیستم از نظیرکردن یک به یک گوینده های مرجع به گوینده هایی که سیستم آنها را تشخیص داده است، استفاده می شود. این موضوع را در نظیر کردن مورد توجه قرار می دهیم که هر گوینده در مرجع باید حداکثر به یک گوینده در خروجی سیستم نظیر شود و هر گوینده در خروجی
در این سیستم ها هدف از خوشه بندی گوینده، شناسایی و دسته بندی سگمنت های گفتاری مربوط به یک گوینده و اختصاص یک برچسب واحد به آنهاست و در نهایت نتیجه فرآیند خوشه بندی، یک خوشه در ازای هر گوینده خواهد بود. در سیستم های بخش بندی و خوشه بندی گوینده، روش خوشه بندی تجمعی
روش های خوشه بندی متداول در سیستم های خوشه بندی گوینده بیشتر بخوانید »