چکیده

در این مقاله  یک روش شناسایی چهره ی درشت به ریز یا CFFR پیشنهاد می کنیم. این روش از دو مرحله تشکیل شده است و مشابه روش شناخته شده ی نمایش پراکنده یا SRM کار می کند. مرحله ی اول یک ترکیب خطی از تمام نمونه های آموزش تعیین می کند که این ترکیب خطی تقریبا برابر با نمونه ی تست است. این مرحله ترکیب خطی تعیین شده را برای تعیین درشت به ریز لیبل های کلاس مورد نظر نمونه ی تست به کار میگیرد. مرجله ی دوم مجددا جمع وزن داری از تمامی نمونه های آموزش از کلاس های مورد نظر تعیین می کند که این جمع وزن دار  به طور تقریبی  برابر با نمونه ی تست است و از آن برای انجام طبقه بندی استفاده میکند. اساس روش پیشنهادی بدین صورت است: مرجله ی اول کلاسهایی را که از نمونه ی تست دور هستند  شناسایی میکند و آنها را  از مجموعه ی نمونه های آموزش جدا می کند.  سپس نمونه ی تست را به یکی از کلاس های باقی مانده اختصاص می دهد و با کمتر شدن کلاس های طبقه بندی، مساله ی طبقه بندی ساده تر میشود. این روش پیشنهادی نه تنها دقت بالایی دارد بلکه به طور آشکار قابل تفسیر است.

فهرست مطالب
 

1-مقدمه

2-روش CFFR

1-2-اولین مرحله ی CFFR

2-2-دومین مرحله یCFFR

3-تفسیر و منطق اساسی روش CFFR

1-3-توجیه و منطق CFFR

2-3-ارتباط با روش نمایش پراکنده

3-3-نمای دیگری از CFFR

4-3-تفسیر روش

4-نتایج آزمایشی

5-نتیجه گیری ها

6-مراجع

میتوانید از لینک ابتدای صفحه، مقاله انگلیسی را رایگان دانلود فرموده و چکیده انگلیسی و سایر بخش های مقاله را مشاهده فرمایید.