|
|
|
|
طبقه‌بند خودسازمانده هندسی مبتنی بر یادگیری فعال برای نهان کاوی در محیط ویدئو با صرف حداقل برچسب
|
|
|
|
|
|
|
|
نویسنده
|
محی الدینی شاهم آبادی پور علی ,خادمی مرتضی ,صدوقی یزدی هادی
|
|
منبع
|
مهندسي برق و مهندسي كامپيوتر ايران - 1397 - دوره : 16 - شماره : 1 - صفحه:28 -40
|
|
چکیده
|
طبقه‌بند یکی از سه بلوک تشکیل‌دهنده یک نهان‌کاو ویدئو است که برای آموزش نیازمند برچسب می‌باشد. در نهان‌کاوی کور به دلیل عدم دسترسی به الگوریتم‌های نهان‌نگاری تهیه برچسب مشکل است. در این مقاله از طبقه‌بند خودسازمانده پویای شبه‌ناظر برای رسیدن به حداقل برچسب استفاده شده و بدین منظور مفهومی به نام افزونگی هندسی گره‌های لایه زیرین شبکه خودسازمانده پویای شبه‌ناظر به کار گرفته شده است. نشان داده شده که این افزونگی منجر به ایجاد الگوهای تکراری برای شبکه خواهد شد، پس حذف چنین گره‌هایی بلامانع است. اثبات شده به دلیل وجود تناظر یک به یک بین گره‌ها و برچسب‌ها کاهش گره‌ها منجر به کاهش تعداد برچسب لازم می‌شود. نکته اساسی این که لازمه وجود افزونگی هندسی در میان تعدادی گره که مفهومی انتزاعی است، تشکیل دسته توسط آنهاست و بنابراین مبنای الگوریتم پیشنهادی شناسایی دسته‌ها و ادغام اعضای آنهاست. طبقه‌بند به دست آمده بر این مبنا طبقه‌بند خودسازمانده هندسی نام نهاده شده و اثبات می‌شود که این طبقه‌بند می‌تواند به مقدار بهینه حداقل برچسب دست یابد. نتایج شبیه‌سازی نشان‌دهنده برتری چشم‌گیر طبقه‌بند نسبت به الگوریتم‌های پیشین است.
|
|
کلیدواژه
|
طبقه‌بند خودسازمانده پویای شبه‌ناظر، نهان‌کاوی کور ویدئو، یادگیری شبه‌ناظر، یادگیری فعال
|
|
آدرس
|
دانشگاه شهید باهنر کرمان, دانشکده مهندسی, ایران, دانشگاه فردوسی مشهد, دانشکده مهندسی, ایران, دانشگاه فردوسی مشهد, دانشکده مهندسی, ایران
|
|
پست الکترونیکی
|
h-sadoghi@um.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Geometrical SelfOrganizing Map Classifier Based on Active Learning for Steganalysis in the Video Environment by Spending at Least a Label
|
|
|
|
|
Authors
|
Mohiaddini A. ,Khademi M.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|