Applied Graph Theory in Computer Vision and Pattern Recognition

دانلود کتاب Applied Graph Theory in Computer Vision and Pattern Recognition

55000 تومان موجود

کتاب تئوری گراف کاربردی در بینایی کامپیوتری و تشخیص الگو نسخه زبان اصلی

دانلود کتاب تئوری گراف کاربردی در بینایی کامپیوتری و تشخیص الگو بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید


در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد

این کتاب نسخه اصلی می باشد و به زبان فارسی نیست.


امتیاز شما به این کتاب (حداقل 1 و حداکثر 5):

امتیاز کاربران به این کتاب:        تعداد رای دهنده ها: 3


توضیحاتی در مورد کتاب Applied Graph Theory in Computer Vision and Pattern Recognition

نام کتاب : Applied Graph Theory in Computer Vision and Pattern Recognition
ویرایش : 1
عنوان ترجمه شده به فارسی : تئوری گراف کاربردی در بینایی کامپیوتری و تشخیص الگو
سری : Studies in Computational Intelligence 52
نویسندگان : , , , , ,
ناشر : Springer-Verlag Berlin Heidelberg
سال نشر : 2007
تعداد صفحات : 264
ISBN (شابک) : 9783540680192 , 9783540680208
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 7 مگابایت



بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.

توضیحاتی در مورد کتاب :




این کتاب به‌عنوان پایه‌ای برای انواع کاربردهای مفید نظریه گراف در بینایی رایانه، تشخیص الگو و حوزه‌های مرتبط عمل می‌کند. این مجموعه نماینده ای از روش های جدید نظریه گراف برای کارهای پیچیده بینایی کامپیوتری و تشخیص الگو را پوشش می دهد. بخش اول کتاب کاربرد تئوری گراف را برای پردازش سطح پایین تصاویر دیجیتالی ارائه می دهد، مانند روشی جدید برای تقسیم یک تصویر داده شده به سلسله مراتبی از مناطق همگن با استفاده از اهرام گراف، یا مطالعه رابطه بین نظریه گراف و توپولوژی دیجیتال بخش دوم الگوریتم‌های یادگیری نظری گراف را برای کاربردهای بینایی کامپیوتری و تشخیص الگوی سطح بالا ارائه می‌کند، از جمله بررسی روش‌های مبتنی بر نمودار برای تشخیص الگو و بینایی کامپیوتری، ارائه یک سری الگوریتم‌های محاسباتی کارآمد برای آزمایش هم‌شکلی گراف و تطبیق گراف مرتبط. وظایف در تشخیص الگو و اندازه گیری فاصله نمودار جدید برای حل مسائل تطبیق گراف استفاده می شود. در نهایت، بخش سوم توضیحات مفصلی از چندین کاربرد روش‌های مبتنی بر گراف در وظایف تشخیص الگوی دنیای واقعی ارائه می‌کند. این شامل بررسی انتقادی روش‌های اصلی مبتنی بر نمودار و روش‌های ساختاری برای طبقه‌بندی اثر انگشت، روشی جدید برای تجسم سری‌های زمانی نمودارها، و کاربردهای بالقوه در نظارت بر شبکه‌های کامپیوتری و تشخیص رویدادهای غیرعادی است.


فهرست مطالب :


Front Matter....Pages I-XXIII
Front Matter....Pages 1-1
Explicit Memory Schemes for Evolutionary Algorithms in Dynamic Environments....Pages 3-28
Particle Swarm Optimization in Dynamic Environments....Pages 29-49
Evolution Strategies in Dynamic Environments....Pages 51-77
Orthogonal Dynamic Hill Climbing Algorithm: ODHC....Pages 79-104
Genetic Algorithms with Self-Organizing Behaviour in Dynamic Environments....Pages 105-127
Learning and Anticipation in Online Dynamic Optimization....Pages 129-152
Evolutionary Online Data Mining: An Investigation in a Dynamic Environment....Pages 153-178
Adaptive Business Intelligence: Three Case Studies....Pages 179-196
Evolutionary Algorithms for Combinatorial Problems in the Uncertain Environment of the Wireless Sensor Networks....Pages 197-222
Front Matter....Pages 224-224
Individual-based Management of Meta-models for Evolutionary Optimization with Application to Three-Dimensional Blade Optimization....Pages 225-250
Evolutionary Shape Optimization Using Gaussian Processes....Pages 251-267
A Study of Techniques to Improve the Efficiency of a Multi-Objective Particle Swarm Optimizer....Pages 269-296
An Evolutionary Multi-objective Adaptive Meta-modeling Procedure Using Artificial Neural Networks....Pages 297-322
Surrogate Model-Based Optimization Framework: A Case Study in Aerospace Design....Pages 323-342
Front Matter....Pages 344-344
Hierarchical Evolutionary Algorithms and Noise Compensation via Adaptation....Pages 345-369
Evolving Multi Rover Systems in Dynamic and Noisy Environments....Pages 371-387
A Memetic Algorithm Using a Trust-Region Derivative-Free Optimization with Quadratic Modelling for Optimization of Expensive and Noisy Black-box Functions....Pages 389-415
Genetic Algorithm to Optimize Fitness Function with Sampling Error and its Application to Financial Optimization Problem....Pages 417-434
Front Matter....Pages 436-436
Single/Multi-objective Inverse Robust Evolutionary Design Methodology in the Presence of Uncertainty....Pages 437-456
Evolving the Tradeoffs between Pareto-Optimality and Robustness in Multi-Objective Evolutionary Algorithms....Pages 457-478
Front Matter....Pages 436-436
Evolutionary Robust Design of Analog Filters Using Genetic Programming....Pages 479-496
Robust Salting Route Optimization Using Evolutionary Algorithms....Pages 497-517
An Evolutionary Approach For Robust Layout Synthesis of MEMS....Pages 519-542
A Hybrid Approach Based on Evolutionary Strategies and Interval Arithmetic to Perform Robust Designs....Pages 543-564
An Evolutionary Approach for Assessing the Degree of Robustness of Solutions to Multi-Objective Models....Pages 565-582
Deterministic Robust Optimal Design Based on Standard Crowding Genetic Algorithm....Pages 583-598
Back Matter....Pages 599-606

توضیحاتی در مورد کتاب به زبان اصلی :


This book will serve as a foundation for a variety of useful applications of graph theory to computer vision, pattern recognition, and related areas. It covers a representative set of novel graph-theoretic methods for complex computer vision and pattern recognition tasks. The first part of the book presents the application of graph theory to low-level processing of digital images such as a new method for partitioning a given image into a hierarchy of homogeneous areas using graph pyramids, or a study of the relationship between graph theory and digital topology. Part II presents graph-theoretic learning algorithms for high-level computer vision and pattern recognition applications, including a survey of graph based methodologies for pattern recognition and computer vision, a presentation of a series of computationally efficient algorithms for testing graph isomorphism and related graph matching tasks in pattern recognition and a new graph distance measure to be used for solving graph matching problems. Finally, Part III provides detailed descriptions of several applications of graph-based methods to real-world pattern recognition tasks. It includes a critical review of the main graph-based and structural methods for fingerprint classification, a new method to visualize time series of graphs, and potential applications in computer network monitoring and abnormal event detection.




پست ها تصادفی