دانلود مقاله ISI انگلیسی شماره 53037
ترجمه فارسی عنوان مقاله

خوشه بندی افزایشی چندکلاسه نیمه تحت نظارت منظم توسط فیلتر کالمن

عنوان انگلیسی
Incremental multi-class semi-supervised clustering regularized by Kalman filtering
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
53037 2015 17 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 11168 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 16 روز بعد از پرداخت 134,016 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 8 روز بعد از پرداخت 268,032 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

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

Journal : Neural Networks, Volume 71, November 2015, Pages 88–104

ترجمه کلمات کلیدی
خوشه بندی افزایشی نیمه نظارت ؛ داده های غیر ثابت؛ تقسیم بندی های ویدئویی؛ بعد تعبیه پایین - هسته خوشه بندی طیفی؛ فیلتر کالمن
کلمات کلیدی انگلیسی
Incremental semi-supervised clustering; Non-stationary data; Video segmentation; Low embedding dimension; Kernel spectral clustering; Kalman filtering
پیش نمایش مقاله
پیش نمایش مقاله خوشه بندی افزایشی چندکلاسه نیمه تحت نظارت منظم توسط فیلتر کالمن

چکیده انگلیسی

This paper introduces an on-line semi-supervised learning algorithm formulated as a regularized kernel spectral clustering (KSC) approach. We consider the case where new data arrive sequentially but only a small fraction of it is labeled. The available labeled data act as prototypes and help to improve the performance of the algorithm to estimate the labels of the unlabeled data points. We adopt a recently proposed multi-class semi-supervised KSC based algorithm (MSS-KSC) and make it applicable for on-line data clustering. Given a few user-labeled data points the initial model is learned and then the class membership of the remaining data points in the current and subsequent time instants are estimated and propagated in an on-line fashion. The update of the memberships is carried out mainly using the out-of-sample extension property of the model. Initially the algorithm is tested on computer-generated data sets, then we show that video segmentation can be cast as a semi-supervised learning problem. Furthermore we show how the tracking capabilities of the Kalman filter can be used to provide the labels of objects in motion and thus regularizing the solution obtained by the MSS-KSC algorithm. In the experiments, we demonstrate the performance of the proposed method on synthetic data sets and real-life videos where the clusters evolve in a smooth fashion over time.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 11168 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 16 روز بعد از پرداخت 134,016 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 8 روز بعد از پرداخت 268,032 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.