بازیابی تعاملی تصویر با رویکرد یادگیری از رفتار کاربر
Abstract
No abstract recorded for this item.
No abstract recorded for this item.
در سال های اخیر تولید انبوهی از تصاویر و توزیع آن ها در سراسر جهان رشد چشمگیری داشته است. در بسیاری از زمینه ها مانند کاربردهای تجاری، کتابخانه های دیجیتال و بیمارستان ها، مجموعه های عظیمی از تصاویر دیجیتال ایجاد شده است. این گستره تولید، نیازمند توسعه ابزاری به منظور مدیریت و با
استخراج الگوی نهفته داده ها در یک شبکه حسگر، تمرکز اصلی این پژوهش است. توزیع شدگی داده ها و منابع محاسباتی در سطح گره ها، در کنار محدودیت های منبع تغذیه و پهنای باند ارتباطی، از اصلی ترین چالش های فراروی این پژوهش اند. هر چند در علم یادگیری ماشین و داده کاوی رویکردهای شناخته شده
چکیده مقدمه/زمینه: برخی امتیازهای محیط رایانهای در فراهم نمودن امکان تعامل، ارائه منابع اطلاعاتی و تسهیل ارتباط علمی، سبب شده پژوهشگران زمان زیادی را به استفاده از این محیط اختصاص دهند. همچنین، برپایه نظریه تجربه خوشایند، غنی بودن محیط تعاملی رابط کاربر، تجربه خوشایندی به کارب
در این پایان نامه ساختارهای موجود سامانه های تعاملی بازیابی تصویر و روش های یادگیری کوتاه مدت، مورد بررسی و مرور قرار گرفته اند. همچنین یک سامانه تعاملی بازیابی تصویر رنگی که بر اساس ویژگی های دیداری عمل می کند، تشریح شده است. بازیابی تصویر بر اساس محتوا (cbir) شامل مجموعه ای از
در این رساله، یک سامانه بازیابی تصویر طراحی شده است که از هر دو نوع یادگیری کوتاه مدت و بلند مدت برای بازیابی تصاویر بهره برده است. در سامانه فوق، سه رویکرد جهت ترکیب اطلاعات کوتاه مدت و بلند مدت شامل ترکیب در سطح تصاویر بازیابی شده، در سطح رتبه تصاویر و در سطح تابع شباهت ارائه ش
با توجه به افزایش روزافزون حجم پایگاه های داده ی چندرسانه ای به خصوص تصاویر دیجیتال، توسعه ی سیستم هایی با قابلیت مدیریت و بازیابی این داده ها بر اساس خصوصیات دیداری اهمیت بسزایی یافته است. در این پایان نامه سعی بر آن است تا یک روش یادگیری کوتاه مدت جدید در سامانه ی بازیابی تصویر
بازیابی تصویر مبتنی بر محتوا از رویکردهای مهم مطرح در حوزه بازیابی تصویر در سال های گذشته است. مهمترین چالش فراروی این رویکرد عبارت است از وجود فاصله معنایی میان ویژگی های بصری سطح پایین و معانی سطح بالا موجود در تصاویر. بازیابی مبتنی بر ناحیه و یادگیری از کاربر در چرخه بازیابی ت
بازیابی تصویر مبتنی بر محتوا از رویکردهای مهم مطرح در حوزه بازیابی تصویر در سال های گذشته است. مهمترین چالش فراروی این رویکرد عبارت است از وجود فاصله معنایی میان ویژگی های بصری سطح پایین و معانی سطح بالا موجود در تصاویر. بازیابی مبتنی بر ناحیه و یادگیری از کاربر در چرخه بازیابی ت
Content based image retrieval (CBIR) contains a set of techniques to process the visual features of a query image, in order to retrieve images semantically similar to it, in a database. To improve the performance of image retrieval systems, relevance feedback tool can be used. In
هدف: پیشبینی دقیق بازار سهام برای معاملهگران این بازار ارزشمند است. پیشبینی سریهای زمانی مالی از دسته مسائل چالشی و مهم در پیشبینی است و پژوهشگران تلاش میکنند که الگوهای پنهان را برای پیشبینی آینده بازار سهام استخراج کنند. هدف این مقاله ارائه یک مدل هوشمند برای پیشبینی رف
بازیابی تصویر مبتنی بر محتوی، به معنای بازیابی تصاویر با استفاده از ویژگیهای سطح پایین همچون رنگ، بافت و شکل میباشد. در این نوع بازیابی، شکاف معنایی به معنای اختلاف در تفسیر تصاویر، بین انسان و الگوریتم کامپیوتری میباشد. در این حوزه، نگاشت غیرصحیح ویژگیهای سطح پایین تصویر به
بازیابی تصویر مبتنی بر محتوی، به معنای بازیابی تصاویر با استفاده از ویژگی های سطح پایین همچون رنگ، بافت و شکل می باشد. در این نوع بازیابی، شکاف معنایی به معنای اختلاف در تفسیر تصاویر، بین انسان و الگوریتم کامپیوتری می باشد. در این حوزه، نگاشت غیرصحیح ویژگی های سطح پایین تصویر به