دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1st ed. نویسندگان: Siddhartha Bhattacharyya, Paramartha Dutta, Sourav De, Goran Klepac (eds.) سری: ISBN (شابک) : 3319472224, 9783319472232 ناشر: Springer سال نشر: 2016 تعداد صفحات: 327 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 11 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب محاسبات نرم ترکیبی برای تقسیم بندی تصویر: تقسیم بندی تصویر، محاسبات نرم
در صورت تبدیل فایل کتاب Hybrid Soft Computing for Image Segmentation به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب محاسبات نرم ترکیبی برای تقسیم بندی تصویر نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب تکنیکهای محاسباتی نرم را برای تقسیمبندی تصاویر واقعی در برنامههایی مانند پردازش تصویر، استخراج تصویر، نظارت تصویری، و سیستمهای حمل و نقل هوشمند پیشنهاد میکند. این کتاب ترکیبهایی را پیشنهاد میکند که از سه رویکرد اصلی مشتق شدهاند: سیستمهای فازی، که در درجه اول برای رسیدگی به مشکلات زندگی واقعی که شامل عدم قطعیت هستند استفاده میشوند. شبکههای عصبی مصنوعی، معمولاً برای شناخت ماشین، یادگیری و تشخیص استفاده میشوند. و محاسبات تکاملی که عمدتاً برای جستجو، اکتشاف، بهرهبرداری کارآمد از اطلاعات زمینهای و بهینهسازی استفاده میشود.
فصلهای ارائهشده هم نقاط قوت و هم نقاط ضعف رویکردها را مورد بحث قرار میدهند و کتاب برای محققان و پژوهشگران ارزشمند خواهد بود. دانشجویان تحصیلات تکمیلی در حوزه پردازش تصویر و هوش محاسباتی.
This book proposes soft computing techniques for segmenting real-life images in applications such as image processing, image mining, video surveillance, and intelligent transportation systems. The book suggests hybrids deriving from three main approaches: fuzzy systems, primarily used for handling real-life problems that involve uncertainty; artificial neural networks, usually applied for machine cognition, learning, and recognition; and evolutionary computation, mainly used for search, exploration, efficient exploitation of contextual information, and optimization.
The contributed chapters discuss both the strengths and the weaknesses of the approaches, and the book will be valuable for researchers and graduate students in the domains of image processing and computational intelligence.
Front Matter....Pages i-xvi
Hybrid Swarms Optimization Based Image Segmentation....Pages 1-21
Grayscale Image Segmentation Using Multilevel Thresholding and Nature-Inspired Algorithms....Pages 23-52
A Novel Hybrid CS-BFO Algorithm for Optimal Multilevel Image Thresholding Using Edge Magnitude Information....Pages 53-85
REFII Model and Fuzzy Logic as a Tool for Image Classification Based on Image Example....Pages 87-108
Microscopic Image Segmentation Using Hybrid Technique for Dengue Prediction....Pages 109-136
Extraction of Knowledge Rules for the Retrieval of Mesoscale Oceanic Structures in Ocean Satellite Images....Pages 137-162
Hybrid Uncertainty-Based Techniques for Segmentation of Satellite Imagery and Applications....Pages 163-183
Improved Human Skin Segmentation Using Fuzzy Fusion Based on Optimized Thresholds by Genetic Algorithms....Pages 185-207
Uncertainty-Based Spatial Data Clustering Algorithms for Image Segmentation....Pages 209-227
Coronary Artery Segmentation and Width Estimation Using Gabor Filters and Evolutionary Computation Techniques....Pages 229-253
Hybrid Intelligent Techniques for Segmentation of Breast Thermograms....Pages 255-289
Modeling of High-Dimensional Data for Applications of Image Segmentation in Image Retrieval and Recognition Tasks....Pages 291-317
Back Matter....Pages 319-321