دانلود مقاله ISI انگلیسی شماره 93041
ترجمه فارسی عنوان مقاله

طبقه بندی مؤثر پیکسل تصاویر مریخ بر اساس انتخاب ویژگی های بهینه سازی مورچه ها و دستگاه یادگیری افراطی

عنوان انگلیسی
Effective pixel classification of Mars images based on ant colony optimization feature selection and extreme learning machine
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
93041 2017 14 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 9477 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 113,724 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 8 روز بعد از پرداخت 227,448 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

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

Journal : Neurocomputing, Volume 226, 22 February 2017, Pages 66-79

ترجمه کلمات کلیدی
طبقه بندی پیکسل، انتخاب ویژگی، بهینه سازی کلینیک مورچه، دستگاه یادگیری شدید ویژگی های موجک، ویژگی های رنگ
کلمات کلیدی انگلیسی
Pixel classification; Feature selection; Ant colony optimization; Extreme learning machine; Wavelet features; Color features;
پیش نمایش مقاله
پیش نمایش مقاله طبقه بندی مؤثر پیکسل تصاویر مریخ بر اساس انتخاب ویژگی های بهینه سازی مورچه ها و دستگاه یادگیری افراطی

چکیده انگلیسی

one of the most important tasks of Mars rover, a robot which explores the Mars surface, is the process of automatic segmentation of images taken by front-line Panoramic Camera (Pancam). This procedure is highly significant since the transformation cost of images from Mars to earth is extremely high. Also, image analysis may help Mars rover for its navigation and localization. In this paper, a new feature vector including wavelet and color features for Mars images is proposed. Then, this feature vector is presented for extreme learning machine (ELM) classifier which leads to a high accuracy pixel classifier. It is shown that this system statistically outperforms support vector machine (SVM) and k-nearest neighbours (KNNs) classifiers with respect to both accuracy and run time. After that, dimension reduction in feature space is done by two proposed feature section algorithms based on ant colony optimization (ACO) to decrease the time complexity which is very important in Mars on-board applications. In the first proposed feature selection algorithm, the same feature subset is selected among the feature vector for all pixel classes, while in the second proposed algorithm, the most significant features are selected for each pixel class, separately. Proposed pixel classifier with complete feature set outperforms prior methods by 6.44% and 5.84% with respect to average Fmeasure and accuracy, respectively. Finally, proposed feature selection methods decrease the feature vector size up to 76% and achieves Fmeasure and accuracy of 91.72% and 91.05%, respectively, which outperforms prior methods with 87.22% and 86.64%.

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 9477 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 113,724 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 8 روز بعد از پرداخت 227,448 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.