فایل ورد کامل ترجمه مقاله یک روش انتخاب ویژگی مبتنی بر GA با یک برنامه برای به رسمیت شناختن ۷۱ صفحه در word

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 فایل ورد کامل ترجمه مقاله یک روش انتخاب ویژگی مبتنی بر GA با یک برنامه برای به رسمیت شناختن ۷۱ صفحه در word دارای ۷۱ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

لطفا نگران مطالب داخل فایل نباشید، مطالب داخل صفحات بسیار عالی و قابل درک برای شما می باشد، ما عالی بودن این فایل رو تضمین می کنیم.

فایل ورد فایل ورد کامل ترجمه مقاله یک روش انتخاب ویژگی مبتنی بر GA با یک برنامه برای به رسمیت شناختن ۷۱ صفحه در word  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی فایل ورد کامل ترجمه مقاله یک روش انتخاب ویژگی مبتنی بر GA با یک برنامه برای به رسمیت شناختن ۷۱ صفحه در word،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن فایل ورد کامل ترجمه مقاله یک روش انتخاب ویژگی مبتنی بر GA با یک برنامه برای به رسمیت شناختن ۷۱ صفحه در word :

دانلود فایل ورد کامل ترجمه مقاله یک روش انتخاب ویژگی مبتنی بر GA با یک برنامه برای به رسمیت شناختن ۷۱ صفحه در word
ترجمه در قالب فایل Word و قابل ویرایش میباشد
سال انتشار:۲۰۱۲
تعداد صفحه ترجمه:۴۳
تعداد صفحه فایل انگلیسی:۱۲

موضوع انگلیسی :A GA-based feature selection approach with an application to handwritten
character recognition
موضوع فارسی:دانلود فایل ورد کامل ترجمه مقاله یک روش انتخاب ویژگی مبتنی بر GA با یک برنامه برای به رسمیت شناختن ۷۱ صفحه در word
چکیده انگلیسی:In the framework of handwriting recognition, we present a novel GA–based feature selection algorithm in
which feature subsets are evaluated by means of a specifically devised separability index. This index measures
statistical properties of the feature subset and does not depends on any specific classification
scheme. The proposed index represents an extension of the Fisher Linear Discriminant method and uses
covariance matrices for estimating how class probability distributions are spread out in the considered
N-dimensional feature space. A key property of our approach is that it does not require any a priori
knowledge about the number of features to be used in the feature subset. Experiments have been performed
by using three standard databases of handwritten digits and a standard database of handwritten
letters, while the solutions found have been tested with different classification methods. The results have
been compared with those obtained by using the whole feature set and with those obtained by using standard
feature selection algorithms. The comparison outcomes confirmed the effectiveness of our approach
چکیده فارسی:در چارچوب تشخیص دست خط، ما یک الگوریتم جدید انتخاب ویژگی بر اساس GA ارائه می کنیم که در آن ویژگی های زیر مجموعه ها با استفاده از شاخص تفکیک پذیری به طور خاص طراحی شده مورد بررسی قرار می گیرد. این شاخص های خواص آماری زیر مجموعه ویژگی ها را اندازه گیری می کند و به هر طرح طبقه بندی خاص بستگی ندارد. شاخص ارائه شده نشان دهنده یک فرمت از روش تشخیص خطی فیشر است و از ماتریس کوواریانس برای تخمین چگونگی گسترش توزیع های احتمال کلاس ها در فضای ویژگی های N بعدی در نظر گرفته شده استفاده می نماید