research centers


Search results: Found 2

Listing 1 - 2 of 2
Sort by

Article
Outdoor Scene Classification Using Multiple SVM

Authors: Matheel E. Abdulmunem --- Eman Hato
Journal: Iraqi Journal of Science المجلة العراقية للعلوم ISSN: 00672904/23121637 Year: 2018 Volume: 59 Issue: 4C Pages: 2323-2335
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

This paper presents a hierarchical two-stage outdoor scene classification method using multi-classes of Support Vector Machine (SVM). In this proposed method, the gist feature of all the images in the database is extracted first to obtain the feature vectors. The image of database is classified into eight outdoor scenes classes, four manmade scenes and four natural scenes. Second, a hierarchical classification is applied, where the first stage classifies all manmade scene classes against all natural scene classes, while the second stage of a hierarchical classification classifies the outputs of first stage into either one of the four manmade scene classes or natural scene classes. Binary SVM and multi-classes SVMs are employed in the first and second stage of a hierarchical classification respectively. The proposed method is designed also to compare and find the most suitable multi-classes SVMs approach and the kernel function for classification task, where their performances are analyzed based on experimental results. The multi-classes SVMs used in this paper are One-versus-All (OvA) and One-versus-One (OvO), while the kernel functions used are linear kernel, Radius Basis Function (RBF) kernel and Polynomial kernel. Experimental results indicate that OvO classifier provides better performance than OvA classifier. The results, also show that the Polynomial kernel function is superior to others kernel function.

Keywords

Gist descriptor --- OvA --- OvO --- RBF kernel --- Polynomial kernel --- SVM.


Article
مقارنة مقدرات عرض الحزمة (معلمة التمهيد) باستخدام الدوال اللبية في تحليل المركبات الرئيسية

Authors: لقاء علي محمد --- أمير علي عبود
Journal: Journal Of AL-Turath University College مجلة كلية التراث الجامعة ISSN: 20745621 Year: 2016 Issue: 20 Pages: 412-436
Publisher: Heritage College كلية التراث الجامعة

Loading...
Loading...
Abstract

Always Principal Component Analysis (PCA) used multivariate analysis with high dimensional data sets, often using Principal Component Analysis (PCA) to reduce these dimensions, The Principal Component Analysis (PCA) based on the study of the relationship between a group of high-dimensional variables and convert them to a new group of components,The principle component analysis based on study the relation between the high dimension variable group and transfer it to new groups of components Which summarizes the measured variables and be qualified to explain the most of the contrast of the original data , and it depends mainly on the calculation of the covariance matrix or correlation matrix but this analysis is affected by the nature of the data, it can be performed only after the covariance matrix achieve to the conditions before starting their own analysis. One of these condition is the linearity of data , Since the data of the phenomenon studied in this research do not achieve this status being characterized by non-linear feature, so it was resorting to the use of Kernel functions in the analysis of the principle components ,which is based on its calculated on the beginning identification (bandwidth) estimated in our research with variety methods ,are Least Squares Cross Validation (LSCV), biased crossing valid (BCV), Smoothed Cross-Validation (SCV) , Direct Plug-in Rule (DPI) . comparing these estimatore through the effective principle components numbers when their eigen values increasing more than one and corresponds from the ratio in explain the Total variance .

عند استخدام تحليل متعدد المتغيرات مع مجاميع البيانات ذات الابعاد العالية , غالباً ما نستخدم تحليل المركبات الرئيسية (PCA) لتقليص تلك الابعاد .حيث يعمل تحليل المركبات الرئيسية (PCA) على دراسة العلاقة بين مجموعة من المتغيرات عالية الابعاد وتحويلها الى مجموعة جديدة من المركبات والتي تلخص المتغيرات المقاسة وتكون مؤهلة لتفسير معظم التباين الكلي للبيانات الاصلية ويعتمد بصورة رئيسية على حساب مصفوفة التباين المشترك او مصفوفة الارتباط , الا ان هذا التحليل يتأثر بطبيعة البيانات ولا يمكن اجراءه الا بعد تحقيق مصفوفة التباينات للشروط الخاصة بها قبل البدء بالتحليل ومن هذه الشروط هي الخطية في البيانات وبما ان بيانات الظاهرة المدروسة في هذا البحث لا تحقق هذه الصفة كونها تتصف بخاصية اللاخطية عليه تم اللجوء الى استخدام دالة (RBF KERNEL) اللبية في تحليل المركبات الرئيسية, والتي تعتمد في حسابها على معلمة التمهيد (عرض الحزمة) وقدرت في بحثنا هذا بمجموعة من الطرق هي (مقدر المربعات الصغرى للعبور الشرعي (LSCV) , مقدر العبور الشرعي المتحيز (BCV) , مقدر العبور الشرعي الممهد (SCV) , مقدر قاعدة الملئ المباشر (PI) ) , وتطبيقها على البيانات الناتجة من تجارب المحاكاة لحجوم العينات المختلفة (صغيرة , متوسطة , كبيرة) , والمقارنة بين تلك المقدرات من خلال عدد المركبات الرئيسية الفعالة التي تزيد قيم الجذور الذاتية لها عن الواحد الصحيح وما يقابلها من النسبة في تفسير التباين الكلي .

Listing 1 - 2 of 2
Sort by
Narrow your search

Resource type

article (2)


Language

Arabic (1)

English (1)


Year
From To Submit

2018 (1)

2016 (1)