research centers


Search results: Found 6

Listing 1 - 6 of 6
Sort by

Article
Image Feature Extraction and Selection

Authors: Abdul Amir Abdullah Karim --- Rafal Ali Sameer
Journal: Iraqi Journal of Science المجلة العراقية للعلوم ISSN: 00672904/23121637 Year: 2018 Volume: 59 Issue: 3B Pages: 1501-1508
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

Features are the description of the image contents which could be corner, blob or edge. Scale-Invariant Feature Transform (SIFT) extraction and description patent algorithm used widely in computer vision, it is fragmented to four main stages. This paper introduces image feature extraction using SIFT and chooses the most descriptive features among them by blurring image using Gaussian function and implementing Otsu segmentation algorithm on image, then applying Scale-Invariant Feature Transform feature extraction algorithm on segmented portions. On the other hand the SIFT feature extraction algorithm preceded by gray image normalization and binary thresholding as another preprocessing step. SIFT is a strong algorithm and gives more accurate results but when system require increasing speed, it is better to select distinctive features and use them in description process. The experimental results show clearly reduction of features extracted using SIFT algorithm on segmented parts and the algorithm of feature extraction from normalized binary image gives better results for feature localization as shown in experimental images.

Keywords

SIFT --- Otsu --- Feature selection.


Article
Modified Artificial immune system as Feature Selection
تطوير خوارزمية نظام المناعة الاصطناعي لاستخدامها في اختيار الخصائص

Authors: Jamal H. Assi جمال هلال --- Ahmed T. Sadiq احمد طارق
Journal: Iraqi Journal of Science المجلة العراقية للعلوم ISSN: 00672904/23121637 Year: 2018 Volume: 59 Issue: 2A Pages: 733-738
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

Feature selection algorithms play a big role in machine learning applications. There are several feature selection strategies based on metaheuristic algorithms. In this paper a feature selection strategy based on Modified Artificial Immune System (MAIS) has been proposed. The proposed algorithm exploits the advantages of Artificial Immune System AIS to increase the performance and randomization of features. The experimental results based on NSL-KDD dataset, have showed increasing in performance of accuracy compared with other feature selection algorithms (best first search, correlation and information gain).

خوارزميات اختيار الخصائص تلعب دورا كبيرا في تطبيقات تعليم الماكنة . هناك عدة إستراتيجيات في اختيار الخصائص ترتكز على خوارزميات (Metaheuristic). في هذا البحث تم اقتراح إستراتيجية اختيار الخصائص التي تعتمد على انظمة المناعة الاصطناعية المطورة. هذه الخوارزمية المقترحة توضح فوائد استخدام نظام المناعة الاصطناعي لزيادة الكفاءة والعشوائية في الخصائص. النتائج التجريبية التي أعتمدت على قاعدة بيانات (NSL-KDD) تظهر زيادة في دقة الاداء مقارنة مع خوارزميات اختيار الخصائص الاخرى مثل (Best First Search , Correlation and Information Gain).

Keywords

AIS --- feature selection --- NSL-KDD


Article
Spam Classification Using Genetic Algorithm
تصنيف الرسائل الغير مرغوب بها بستخدام خوارزمية الجينية

Authors: Ekhlas Khalaf Gbashi اخلاص خلف كباشي --- Soukaena H. hashem سكينة حسن هاشم --- Rand Ahmad Atta رند حمد الطائي
Journal: Iraqi Journal of Information Technology المجلة العراقية لتكنولوجيا المعلومات ISSN: 19948638/26640600 Year: 2018 Volume: 9 Issue: 2 اللغة الانكليزية Pages: 142-170
Publisher: iraqi association of information الجمعية العراقية لتكنولوجيا المعلومات

Loading...
Loading...
Abstract

E-mail is the fastest way to exchange messages from one place to another across the world, the increased use of e-mail led to increase received messages in the mailbox, where the recipient receives many messages including those that cause significant and different problems such as stealing identity of recipient, losing of essential information causing losses to companies in addition to the damage to the network. These messages are so dangerous that the user is unable to avoid them especially as they take different forms such as advertisements and others. These messages are known as unwanted messages. In order to remove these spam messages and prevent them from being accessed, filtering is used. This paper aims to enhance the e-mail spam filtering by suggesting genetic algorithm classifier as a single objective evaluation algorithm problem to generate the best model to be used for classifying the e-mail messages in high accuracy. The first step in the proposal is applying normalization. The second is feature selection which is implemented to choose the best features, the third step is using genetic algorithm classifier as single objective evaluation algorithm that deal with one objective. The experimental results showed that the proposed system provides good accuracy in the first experiment (88%) and better accuracy in the second experiment (94%) and third experiment (95%).

البريد الالكتروني هو أداة سريعة لتبادل الرسائل من مكان واحد إلى جميع الأماكن في العالم وان زيادة في استخدام البريد الالكتروني ادى الى زيادة استقبال عدد كبير من الرسائل في صندوق البريد ، حيث يتلقى المستلم العديد من الرسائل بما في ذلك تلك الرسائل التي تسبب مشاكل كبيرة ومختلفة مثل سرقة هوية المتلقي او فقدان المعلومات الأساسية التي تتسبب في خسائر للشركات بالإضافة إلى الأضرار التي تلحق بالشبكة ، وتعد أمر خطير للغاية حيث لا يمكن للمستخدم تجنبها كونها تأخذ مجموعة متنوعة من الأشكال مثل الإعلانات وغيرها ، وتعرف هذه الرسائل بأنها رسائل غير مرغوب فيها. من أجل ازالة هذه الرسائل غير المرغوب فيها ومنع الوصول إليها ، يتم استخدام الترشيح . الهدف هو تحسيين من تصفية البريد الإلكتروني العشوائي. بأقتراح مقترح تصنيف الخوارزمية الجينية كخوارزمية تطورية هدف واحد لتوليد أفضل نموذج يستخدامه لتصنيف تصفية البريد الالكتروني بدقة عالية. أول خطوة في المقترح هو تطبيق .Normalized ثم ينفذ feature selection لاختيار أفضل ميزة. الخطوة الثالثة استخدام الخوارزمية الجينية كخوارزمية تطورية لهدف واحد التي تتعامل مع هدف واحد. التجارب أظهرت أن النظام المقترح يوفر دقة أفضل في التجربة 1 (88٪) ، ودقة عالية في التجربة 2 (94٪) وفي التجربة 3 (95%) .


Article
In Silico Model for Lung Cancer Prediction Based on TP53 mutations Using Neural Network

Authors: Ban Nadeem Dhannoon --- Zahraa Naser Shahweli
Journal: Al-Nahrain Journal of Science مجلة النهرين للعلوم ISSN: (print)26635453,(online)26635461 Year: 2018 Volume: 00 Issue: 1 Pages: 196-201
Publisher: Al-Nahrain University جامعة النهرين

Loading...
Loading...
Abstract

In silico models have become well known in the current decade because they assist researchers and specialists in organizing and analyzing big data. To complete their work, these models require powerful techniques and algorithms, the most important of which are machine learning algorithms. This work utilizes the Relief F algorithm for feature selection and trains the back propagation neural network (BPNN) algorithm on the UMD TP53 all-2012-R1-US database for lung cancer. Lung cancer is the most commonly diagnosed cancer among women and men, and can be predicted from mutations that occur in the TP53 tumor suppressor gene. Five measures are used to estimate performance: sensitivity and specificity are important dimensions utilized to obtain the receiver operating characteristic (ROC) curve; accuracy and F measure are necessary to determine algorithm precision; and Matthews correlation coefficient (MCC), which is the most important measure, provides the right criterion for classification algorithms. The Relief F and BPNN algorithms achieve satisfactory results that reach 99.41 for sensitivity, 95.39 for specificity, 99.04 for accuracy, 99.47 for F measure, and 0.93 for MCC.


Article
A New Approach of Rough Set Theory for Feature Selection and Bayes Net Classifier Applied on Heart Disease Dataset

Authors: Eman S.Al-Shamery --- Ali A.Rahoomi Al-Obaidi
Journal: Journal of University of Babylon مجلة جامعة بابل ISSN: 19920652 23128135 Year: 2018 Volume: 26 Issue: 2 Pages: 15-26
Publisher: Babylon University جامعة بابل

Loading...
Loading...
Abstract

In this paper a new approach of rough set features selection has been proposed. Feature selection has been used for several reasons a) decrease time of prediction b) feature possibly is not found c) present of feature case bad prediction. Rough set has been used to select most significant features. The proposed rough set has been applied on heart diseases data sets. The main problem is how to predict patient has heart disease or not depend on given features. The problem is challenge, because it cannot determine decision directly .Rough set has been modified to get attributes for prediction by ignored unnecessary and bad features. Bayes net has been used for classified method. 10-fold cross validation is used for evaluation. The Correct Classified Instances were 82.17, 83.49, and 74.58 when use full, 12, 7 length of attributes respectively. Traditional rough set has been applied, the minimum Correct Classified Instances were 58.41 and 81.51 when use 2 length of attributes respectively.

درسنا في هذا البحث اختيار الصفات بالاعتماد على نهج جديد من خوارزمية مجموعة التقريب حيث تعتمد هذه الطريقة على اختيار الصفات الأكثر تاثيرا. لجئنا الى انتقاء الصفات اختصارا للوقت , وجود الصفة تؤثر على دقة النتائج او قد تكون الصفة غير متوفرة . تم تطبيق الخوارزمية على بيانات امراض القلب لاختيار افضل الصفات المؤثرة. ان المشكلة الرئيسية هو كيفية تشخيص الإصابة فيما لو كان مصاب بمرض القلب من عدمه.هذه المشكلة تمثل تحدي لان لا نسطيع اتخاذ القرار بصورة مباشرة. تعتمد الطريقة المقترحة على ترميز البيانات الاصلية .ان الناتج من هذه الخوارزميه هي الصفات الأكثر أهمية حيث تهمل الصفات السيئة والغير ضرورية.وتم تطبيق النتائج على خوارزمية شكبة بيزينت كخوارزمية للتنبؤ بالمرض وقد حصلنا على النتائج 82.17 , 83.49 , 74.58 عند استخدام جميع الصفات ,12 , 7 طول الصفات على التوالي.وتم تطبيق نتائج خوارزمية مجموعة التقريب الاصلية على خوارزمية البيزين وحصلنا على النتائج 58.41 ,81.51 عند استخدام 2 , 12 طول الصفات على التوالي.


Article
EVALUATION OF DDOS ATTACKS DETECTION IN A CICIDS2017 DATASET BASED ON CLASSIFICATION ALGORITHMS
تقييم الكشف عن هجمات DDOS في CICIDS2017 مجموعة البيانات المستندة إلى خوارزميات التصنيف

Loading...
Loading...
Abstract

Intrusion detection system is an imperative role in increasing security and decreasing the harm of thecomputer security system and information system when using of network. It observes different events in a networkor system to decide occurring an intrusion or not and it is used to make strategic decision, security purposes andanalyzing directions. This paper describes host based intrusion detection system architecture for DDoS attack, whichintelligently detects the intrusion periodically and dynamically by evaluating the intruder group respective to thepresent node with its neighbors. We analyze a dependable dataset named CICIDS 2017 that contains benign andDDoS attack network flows, which meets certifiable criteria and is openly accessible. It evaluates the performanceof a complete arrangement of machine learning algorithms and network traffic features to indicate the best featuresfor detecting the assured attack classes.

نظام الكشف عن التسلل المجرد هو دور حتمي في زيادة الأمن وتقليل الضرر من نظام أمن الكمبيوتر ونظام المعلومات عند استخدام الشبكة. فإنه يلاحظ أحداث مختلفة في شبكة أو نظام لاتخاذ قرار حدوث تدخل أم لا، ويستخدم لاتخاذ قرار استراتيجي، والأغراض الأمنية و تحليل الاتجاهات. تصف هذه الورقة بنية نظام الكشف عن التسلل المستندة إلى المضيف لهجوم DDoS، الذي بذكاء بالكشف عن التسلل بشكل دوري وديناميكي من خلال تقييم مجموعة الدخيل على التوالي إلى العقدة الحالية مع جيرانها. نقوم بتحليل مجموعة بيانات يمكن الاعتماد عليها باسم CICIDS 2017 التي تحتوي على حميدة و تدفقات شبكة هجوم DDoS، والتي تفي بالمعايير القابلة للاعتماد ويمكن الوصول إليها بشكل علني. وهو يقيّم الأداء من ترتيب كامل من خوارزميات التعلم الآلي وميزات حركة مرور الشبكة للإشارة إلى أفضل الميزات للكشف عن فئات الهجوم المؤكدة.

Listing 1 - 6 of 6
Sort by
Narrow your search

Resource type

article (6)


Language

English (6)


Year
From To Submit

2018 (6)