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.