دانلود مقاله ISI انگلیسی شماره 44265
عنوان فارسی مقاله

ویژگی های تصمیم گیری سیستم بهینه سازی کلونی مورچه برای به رسمیت شناختن خودکار گونه های گیاهی

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
44265 2015 10 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Feature decision-making ant colony optimization system for an automated recognition of plant species
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Expert Systems with Applications, Volume 42, Issue 5, 1 April 2015, Pages 2361–2370

کلمات کلیدی
به رسمیت شناختن کارخانه - انتخاب ویژگی زیرمجموعه - بهینه سازی کلونی مورچه - تجزیه و تحلیل برگ - طبقه بندی برگ ها به صورت خودکار
پیش نمایش مقاله
پیش نمایش مقاله ویژگی های تصمیم گیری سیستم بهینه سازی کلونی مورچه برای به رسمیت شناختن خودکار گونه های گیاهی

چکیده انگلیسی

In the present paper, an expert system for automatic recognition of different plant species through their leaf images is investigated by employing the ant colony optimization (ACO) as a feature decision-making algorithm. The ACO algorithm is employed to investigate inside the feature search space in order to obtain the best discriminant features for the recognition of individual species. In order to establish a feature search space, a set of feasible characteristics such as shape, morphology, texture and color are extracted from the leaf images. The selected features are used by support vector machine (SVM) to classify the species. The efficiency of the system was tested on around 2050 leaf images collected from two different plant databases, FCA and Flavia. The results of the study achieved an average accuracy of 95.53% from the ACO-based approach, confirming the potentials of using the proposed system for an automatic classification of various plant species.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.