Andere Kunden interessierten sich auch für
![Sistema di recupero delle immagini basato sul contenuto utilizzando l'apprendimento automatico]( "Sistema di recupero delle immagini basato sul contenuto utilizzando l'apprendimento automatico")
Sistema di recupero delle immagini basato sul contenuto utilizzando l'apprendimento automatico33,99 €![Sistema de recuperação de imagens baseado em conteúdo usando o Machine Learning]( "Sistema de recuperação de imagens baseado em conteúdo usando o Machine Learning")
Sistema de recuperação de imagens baseado em conteúdo usando o Machine Learning33,99 €![Système de recherche d'images basé sur le contenu et utilisant l'apprentissage automatique]( "Système de recherche d'images basé sur le contenu et utilisant l'apprentissage automatique")
Système de recherche d'images basé sur le contenu et utilisant l'apprentissage automatique33,99 €![Content based Image Retrieval System Using Machine Learning]( "Content based Image Retrieval System Using Machine Learning")
Content based Image Retrieval System Using Machine Learning33,99 €![Sistema poiska izobrazhenij na osnowe kontenta s ispol'zowaniem mashinnogo obucheniq]( "Sistema poiska izobrazhenij na osnowe kontenta s ispol'zowaniem mashinnogo obucheniq")
Sistema poiska izobrazhenij na osnowe kontenta s ispol'zowaniem mashinnogo obucheniq15,99 €![Offline-Kategorisierung von Gujarati-Wörtern durch maschinelles Lernen]( "Offline-Kategorisierung von Gujarati-Wörtern durch maschinelles Lernen")
Offline-Kategorisierung von Gujarati-Wörtern durch maschinelles Lernen45,90 €![Vorhersage von Leberzirrhose durch maschinelles Lernen]( "Vorhersage von Leberzirrhose durch maschinelles Lernen")
Vorhersage von Leberzirrhose durch maschinelles Lernen50,90 €
Inhaltsbasierter Bildauffindungsprozess in Abhängigkeit von einer neuen Matching-Strategie. Das in diesem Papier vorgeschlagene Modell besteht aus vier Hauptphasen: Merkmalsextraktion, Dimensionalitätsreduktion, ANN-Klassifikator und Matching-Strategie. In der Merkmalsextraktionsphase werden Farb- bzw. Texturmerkmale extrahiert, die als Farb-Ko-Occurrence-Matrix (CCM) und Differenz zwischen Pixeln des Scanmusters (DBPSP) bezeichnet werden. Die Technik der Dimensionalitätsreduktion wählt die effektiven Merkmale aus, die gemeinsam die größte Abhängigkeit von der Zielklasse und die geringste Redundanz untereinander aufweisen. Das künstliche neuronale Netz (ANN) in unserem vorgeschlagenen Modell dient als Klassifikator, so dass die ausgewählten Merkmale des Abfragebildes die Eingabe sind und die Ausgabe eine der mehreren Klassen ist, die die größte Ähnlichkeit mit dem Abfragebild haben.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.