عنوان : ( طبقه بند خودسازمانده هندسی مبتنی بر یادگیری فعال برای نهانکاوی در محیط ویدئو با صرف حداقل برچسب )
نویسندگان: علی محی الدینی شاهم آبادی پور , مرتضی خادمی درح , هادی صدوقی یزدی ,
Full Textچکیده
طبقه‌بند یکی از سه بلوک تشکیل‌دهنده یک نهان‌کاو ویدئو است که برای آموزش نیازمند برچسب می‌باشد. در نهانکاوی کور به دلیل عدم دسترسی به الگوریتم‌های نهان‌نگاری تهیه برچسب مشکل است. در این مقاله از طبقه‌بند خودسازمانده پویای شبه‌ناظر برای رسیدن به حداقل برچسب استفاده شده و بدین منظور مفهومی به نام افزونگی هندسی گره‌های لایه زیرین شبکه خودسازمانده پویای شبه‌ناظر به کار گرفته شده است. نشان داده شده که این افزونگی منجر به ایجاد الگوهای تکراری برای شبکه خواهد شد، پس حذف چنین گره‌هایی بلامانع است. اثبات شده به دلیل وجود تناظر یک به یک بین گره‌ها و برچسب‌ها کاهش گره‌ها منجر به کاهش تعداد برچسب لازم می‌شود. نکته اساسی این که لازمه وجود افزونگی هندسی در میان تعدادی گره که مفهومی انتزاعی است، تشکیل دسته توسط آنهاست و بنابراین مبنای الگوریتم پیشنهادی شناسایی دسته‌ها و ادغام اعضای آنهاست. طبقه‌بند به دست آمده بر این مبنا طبقه‌بند خودسازمانده هندسی نام نهاده شده و اثبات می‌شود که این طبقه‌بند می‌تواند به مقدار بهینه حداقل برچسب دست یابد. نتایج شبیه‌سازی نشان‌دهنده برتری چشم‌گیر طبقه‌بند نسبت به الگوریتم‌های پیشین است.
کلمات کلیدی
, طبقه‌بند خودسازمانده پویای شبه‌ناظر , نهانکاوی کور ویدئو , یادگیری شبه‌ناظر , یادگیری فعال
@article{paperid:1070545,
author = {علی محی الدینی شاهم آبادی پور and خادمی درح, مرتضی and صدوقی یزدی, هادی},
title = {طبقه بند خودسازمانده هندسی مبتنی بر یادگیری فعال برای نهانکاوی در محیط ویدئو با صرف حداقل برچسب},
journal = {مهندسی برق و مهندسی کامپیوتر ایران},
year = {2018},
volume = {16},
number = {1},
month = {April},
issn = {1682-3745},
pages = {28--40},
numpages = {12},
keywords = {طبقه‌بند خودسازمانده پویای شبه‌ناظر ، نهانکاوی کور ویدئو ، یادگیری شبه‌ناظر ، یادگیری فعال},
}
%0 Journal Article
%T طبقه بند خودسازمانده هندسی مبتنی بر یادگیری فعال برای نهانکاوی در محیط ویدئو با صرف حداقل برچسب
%A علی محی الدینی شاهم آبادی پور
%A خادمی درح, مرتضی
%A صدوقی یزدی, هادی
%J مهندسی برق و مهندسی کامپیوتر ایران
%@ 1682-3745
%D 2018
