استخلاص المميزات: الفرق بين النسختين
[مراجعة غير مفحوصة] | [نسخة منشورة] |
ط بوت:إزالة تصنيف عام لوجود تصنيف فرعي V2.4 (إزالة تصنيف:تعلم آلي) |
ط بوت:إضافة مصدر من ويكي الإنجليزية أو الفرنسية (تجريبي) |
||
سطر 1: | سطر 1: | ||
⚫ | في حقل [[تمييز الأنماط]] في [[معالجة الصور الرقمية|معالجة الصور]] يطلق اسم '''استخلاص المميزات''' (Feature extraction) على العملية التي تؤدي إلى [[تخفيض الأبعاد]].<ref>{{Cite book|author=Alpaydin, Ethem|title=Introduction to Machine Learning|url=https://books.google.com/books?id=7f5bBAAAQBAJ&printsec=frontcover#v=onepage&q=%22feature%20(extraction%20OR%20selection)%22&f=false |year=2010 |publisher=The MIT Press |place=London|page=110 |isbn= 978-0-262-01243-0 |access-date=4 February 2017 }}</ref> |
||
{{مصدر|تاريخ=فبراير 2016}} |
|||
⚫ | |||
عندما يكون دخل خوارزمية ما كبيراً جداً بحيث تصعب معالجته بسهولة، ويتوقع منها أن تشكل فائض في البيانات قد يؤدي إلى ارتفاع كلفة الحساب والمعالجة واستخدام ذاكرة الحاسب دون عائد متناسب مع تلك التكلفة، عندها يتم تحويل البيانات إلى شكل أبسط يمثل البيانات الأصلية تكون عبارة عن مميزات للبيانات الأصلية. يطلق على العملية التي يتم فيها تحويل البيانات إلى مميزاتها اسم عملية '''استخلاص المميزات'''. |
عندما يكون دخل خوارزمية ما كبيراً جداً بحيث تصعب معالجته بسهولة، ويتوقع منها أن تشكل فائض في البيانات قد يؤدي إلى ارتفاع كلفة الحساب والمعالجة واستخدام ذاكرة الحاسب دون عائد متناسب مع تلك التكلفة، عندها يتم تحويل البيانات إلى شكل أبسط يمثل البيانات الأصلية تكون عبارة عن مميزات للبيانات الأصلية. يطلق على العملية التي يتم فيها تحويل البيانات إلى مميزاتها اسم عملية '''استخلاص المميزات'''. |
||
سطر 20: | سطر 19: | ||
* [[مطابقة النماذج]] Template matching |
* [[مطابقة النماذج]] Template matching |
||
* [[تحويل هوف]] Hough transform |
* [[تحويل هوف]] Hough transform |
||
== مراجع == |
|||
{{مراجع}} |
|||
== انظر أيضا == |
== انظر أيضا == |
نسخة 20:25، 24 ديسمبر 2017
في حقل تمييز الأنماط في معالجة الصور يطلق اسم استخلاص المميزات (Feature extraction) على العملية التي تؤدي إلى تخفيض الأبعاد.[1]
عندما يكون دخل خوارزمية ما كبيراً جداً بحيث تصعب معالجته بسهولة، ويتوقع منها أن تشكل فائض في البيانات قد يؤدي إلى ارتفاع كلفة الحساب والمعالجة واستخدام ذاكرة الحاسب دون عائد متناسب مع تلك التكلفة، عندها يتم تحويل البيانات إلى شكل أبسط يمثل البيانات الأصلية تكون عبارة عن مميزات للبيانات الأصلية. يطلق على العملية التي يتم فيها تحويل البيانات إلى مميزاتها اسم عملية استخلاص المميزات.
أنواع المميزات
أفضل أنواع استخلاص المميزات يحدد بحسب نوع البيانات المستخدمة والتطبيق الموجهة له، وهذا يتطلب خبرة في البيانات ونوع العملية. ولكن يوجد أنواع عامة من المميزات من الممكن الاعتماد عليها في الحالات العامة مثل:
- تحليل المركبات الرئيسية
- آيزوماب Isomap
- تخفيض الأبعاد اللاخطي nonlinear dimensionality reduction
معالجة الصور
يستخدم استخلاص المميزات بكثرة في حقل معالجة الصور باستخدام خوارزميات تقوم بفصل العناصر أو الأشكال في الصورة، ولها العديد من التطبيقات في الرؤية الحاسوبية على الأخص. هناك العديد من أنواع المميزات الممكن استخلاصها منها:
- استخلاص الحافة Edge detection
- استخلاص الزاوية Corner detection
- استخلاص الحركة Motion detection
- ثريشهولدنغ Thresholding
- مطابقة النماذج Template matching
- تحويل هوف Hough transform
مراجع
- ^ Alpaydin, Ethem (2010). Introduction to Machine Learning. London: The MIT Press. ص. 110. ISBN:978-0-262-01243-0. اطلع عليه بتاريخ 2017-02-04.
انظر أيضا
كيف أبين صورتي في الأنترنت