research centers


Search results: Found 3

Listing 1 - 3 of 3
Sort by

Article
Depth Image Extraction using Adaptive K-Means Clustering Algorithm
استخلاص عمق الصورة باستخدام خوارزمية Adaptive K-Means

Authors: Sanaa Sh. Ahmed سناء شهاب احمد --- Hasanen S. Abdullah حسنين سمير عبدالله
Journal: Journal of Al-Ma'moon College مجلة كلية المأمون ISSN: 19924453 Year: 2018 Issue: 32 Pages: 290-303
Publisher: AlMamon University College كلية المامون الجامعة

Loading...
Loading...
Abstract

This work presents a proposed approach to extract depth map of stereoscopic images depended on segmentation of lightness values of pixels ‘L’ using adaptive K-Means cluster. The proposed approach finds the disparity map of segmentation lightness pixels and refines those segment by using morphological filtering and connected components analysis. Experimental results from Middlebury dataset show that the proposed approach performs good results in term of accurate depth and time consuming compared with classical Sum of Absolute Difference (SAD) approach and SAD with Gradient Difference (GRAD) algorithm.

إن هذا العمل يمثل خوارزمية مقترحة الى استخلاص عمق الصورة بالنسبة للصور Stereoscopic اعتمادا على تقطيع النقاط المضيئة باستخدام خوارزمية Adaptive K-Means . حيث تم ايجاد خريطة التباين لتقطيع النقاط المضيئة وتحسين هذه القطع باستخدام morphological filter وتحليل المكونات المترابطة .حيث اثبتت النتائج باستخدام Middlebury Dataset ان الخوارزمية المستخدمة تعطي نتائج جيدة بمصطلح العمق الدقيق للصورة والوقت المستغرق للتنفيذ مقارنة مع طريقة SAD التقليدية وطريقة SAD with GRAD algorithm


Article
Intelligent Documents Classification System
نظام تصنيف الوثائق الذكي

Authors: Hasanen S. Abdullah حسنين سمير عبدالله --- Hala Dhiaa Hasan هاله ضياء حسن
Journal: AL-MANSOUR JOURNAL مجلة المنصور ISSN: 18196489 Year: 2019 Issue: 31 Pages: 134-151
Publisher: Private Mansour college كلية المنصور الاهلية

Loading...
Loading...
Abstract

There are a huge number of documents that available in many various sources in unorganized format, therefore these unstructured documents needs to be classified. In this paper, a proposed system called "Intelligent Documents Classification System" which represents the system for classifying the documents to the correct class based on its textual information. This system contain through four steps which are preprocessing, features extraction, proposed method for features selection, and finally, modify model of naïve bays. Two datasets are used to evaluate the proposed system, the first dataset its name as "bbc from ucd repository" is standard that contains technical research documents distributed over five classes which available on the internet and the second dataset is collected dataset contains books documents distributed over six classes which collected during this work. The IDC system achieved the powerful results. For the standard dataset the accuracy is 95.1%, precision is 95%, recall is 95.8%, and f1-measure is 95.39% while the accuracy for the collected dataset is 95.3%, precision is 95.16%, recall is 95.83%, and f1-measure is 95.49%.

هناك عدد هائل من الوثائق المتاحة في العديد من المصادر المختلفة في شكل غير منظم، ولذلك فإن هذه الوثائق الغير مهيكلة تحتاج إلى تصنيف. في هذا البحث، تم اقتراح نظام يسمى "نظام تصنيف الوثائق الذكي" الذي يمثل نظام لتصنيف الوثائق إلى الفئة الصحيحة استنادا إلى المعلومات النصية. هذا النظام يحتوي على أربع خطوات وهي المعالجة المسبقة، الاستخراج الميزات، طريقة مقترحة لاختيار الميزات وتحديث المصنفNaïve Bayes. في هذا النظام تم استخدام مجموعتي بيانات، مجموعة البيانات الأولى هي مجموعة البيانات القياسية والتي يحتوي على وثائق البحوث التقنية الموزعة على خمس فئات والتي تتوفر على شبكة الإنترنت، ومجموعة البيانات الثانية هي عبارة عن مجموعة تم تجميعها اثناء عمل هذا البحث والتي تحتوي على وثائق الكتب والموزعة على ستة فئات. حقق نظام إدك نتائج قوية. لمجموعة البيانات القياسية accuracy هي 95.1٪، وprecision هي 95٪، و recall هي 95.8 ٪، و f1-measure هو 95.39٪ في حين أن accuracy لمجموعة البيانات التي تم جمعها هي 95.3٪، وprecision هي 95.16٪، وrecall هي 95.83٪، و f1-measure هو 95.49٪.


Article
Network Self-Fault Management Based on Multi-Intelligent Agents and Windows Management Instrumentation (WMI)
الادارة الذاتية للأخطاء في الشبكة بالاعتماد على نظام تعدد الوكلاء الذكي وادارة نوافذ الادوات القياسية

Authors: Hasanen S. Abdullah حسنين سمير عبدالله --- Maha Abdulkareem Alrawi مها عبدالكريم الراوي --- Dalal N. Hammod دلال نعيم حمود
Journal: Baghdad Science Journal مجلة بغداد للعلوم ISSN: 20788665 24117986 Year: 2017 Volume: 14 Issue: 4 Pages: 823-831
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

This paper proposed a new method for network self-fault management (NSFM) based on two technologies: intelligent agent to automate fault management tasks, and Windows Management Instrumentations (WMI) to identify the fault faster when resources are independent (different type of devices). The proposed network self-fault management reduced the load of network traffic by reducing the request and response between the server and client, which achieves less downtime for each node in state of fault occurring in the client. The performance of the proposed system is measured by three measures: efficiency, availability, and reliability. A high efficiency average is obtained depending on the faults occurred in the system which reaches to 92.19%, availability 92.375%, and reliability 100%. The proposed system managed five devices. The NSFM implemented using Java and C# languages.

هذا البحث يهدف الى اقتراح طريقة جديدة لنظام الإدارة الذاتية للاخطاء في الشبكة (NSFM) تعتمد على تقنيتين هما تقنية الوكيل الذكي لغرض دعم تلقائية مهام ادارة الخطأ والتقنية الثانية هي تقنية ادارة نوافذ الادوات القياسية (WMI) التي تحدد الخطا بشكل اسرع وبغض النظر عن نوع الموارد المستخدمة (الاجهزة). يعمل النظام المقترح لادارة الخطا على تقليل عبء سير وتبادل البيانات عبر الشبكة من خلال تقليل الطلب والاستجابة بين الخادم والزبون مما حقق وقت توقف اقل في حالة ظهور خطأ عند الزبون. تم قياس اداء النظام المقترح من خلال ثلاثة مقايس : الكفاءة و التواجدية و الموثوقية. تم تحقيق معدل كفاءة عالية بالاعتماد على الاخطاء الحاصلة في النظام وصل الى (92.19%), و التواجدية (92.375%) و الموثوقية (100%). وقد تمكن النظام من ادارة خمسة انواع من الاجهزة وقد تم استخدام لغة الجافا وC#.

Listing 1 - 3 of 3
Sort by
Narrow your search

Resource type

article (3)


Language

English (2)

Arabic and English (1)


Year
From To Submit

2019 (1)

2018 (1)

2017 (1)