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: 1 نویسندگان: Sourav De, Siddhartha Bhattacharyya, Susanta Chakraborty, Paramartha Dutta (auth.) سری: Computational Intelligence Methods and Applications ISBN (شابک) : 9783319475233, 9783319475240 ناشر: Springer International Publishing سال نشر: 2016 تعداد صفحات: 245 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 10 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب محاسبات نرم هیبریدی برای تصویر چندسطحی و تقسیم بندی داده ها: هوش مصنوعی (شامل رباتیک)، هوش محاسباتی، تصویربرداری کامپیوتری، بینایی، تشخیص الگو و گرافیک
در صورت تبدیل فایل کتاب Hybrid Soft Computing for Multilevel Image and Data 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 هیبریدی برای تصویر چندسطحی و تقسیم بندی داده ها 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 راه حل های کارآمدی را برای تقسیم بندی سطوح شدت انواع
مختلف تصاویر چند سطحی توضیح می دهد. نویسندگان تکنیکهای
محاسبات نرم ترکیبی را ارائه میکنند که نسبت به راهحلهای
محاسبات نرم معمولی مزیتهایی دارند زیرا ناهمگونی دادهها را
در روشهای خوشهبندی/تقسیمبندی ترکیب میکنند.
این یک مقدمه و مرجع مفید برای محققان و دانشجویان فارغالتحصیل است. علوم کامپیوتر و مهندسی الکترونیک، به ویژه در حوزه پردازش تصویر و هوش محاسباتی.
This book explains efficient solutions for segmenting the
intensity levels of different types of multilevel images. The
authors present hybrid soft computing techniques, which have
advantages over conventional soft computing solutions as they
incorporate data heterogeneity into the
clustering/segmentation procedures.
This is a useful introduction and reference for researchers and graduate students of computer science and electronics engineering, particularly in the domains of image processing and computational intelligence.
Front Matter....Pages i-xiv
Introduction....Pages 1-28
Image Segmentation: A Review....Pages 29-40
Self-supervised Grey Level Image Segmentation Using an Optimised MUSIG (OptiMUSIG) Activation Function....Pages 41-87
Self-supervised Colour Image Segmentation Using Parallel OptiMUSIG (ParaOptiMUSIG) Activation Function....Pages 89-123
Self-supervised Grey Level Image Segmentation Using Multi-Objective-Based Optimised MUSIG (OptiMUSIG) Activation Function....Pages 125-152
Self-supervised Colour Image Segmentation Using Multiobjective Based Parallel Optimized MUSIG (ParaOptiMUSIG) Activation Function....Pages 153-192
Unsupervised Genetic Algorithm Based Automatic Image Segmentation and Data Clustering Technique Validated by Fuzzy Intercluster Hostility Index....Pages 193-217
Back Matter....Pages 219-235