Warning: session_start(): open(/var/cpanel/php/sessions/ea-php56/sess_0b16faa86df3fc2751300f8d172ac71e, O_RDWR) failed: No such file or directory (2) in /home/unidars/public_html/wp-content/plugins/easy-digital-downloads/includes/class-edd-session.php on line 414

Warning: session_start(): Failed to read session data: files (path: /var/cpanel/php/sessions/ea-php56) in /home/unidars/public_html/wp-content/plugins/easy-digital-downloads/includes/class-edd-session.php on line 414
یونی درس | بازخورد جلسه ارتباط بلند مدت ضربدری با استفاده از ویژگی های مجازی – یونی درس
no-img
یونی درس

بازخورد جلسه ارتباط بلند مدت ضربدری با استفاده از ویژگی های مجازی – یونی درس


یونی درس
adsads

ادامه مطلب

ZIP
بازخورد جلسه ارتباط بلند مدت ضربدری با استفاده از ویژگی های مجازی
zip
۱۳۹۵-۱۲-۰۱
37.15mb
3000 تومان
فایل مقاله و فایل شبیه سازی در ویژوال بیسیک بهمراه اسلاید
رمز : unidars.ir یاunidars.com

بازخورد جلسه ارتباط بلند مدت ضربدری با استفاده از ویژگی های مجازی


پروژه زیر شامل فایل مقاله بازخورد جلسه ارتباط بلند مدت ضربدری با استفاده از ویژگی های مجازی و فایل شبیه سازی این مقاله در ویژوال بیسیک بهمراه فایل اسلاید آن می باشد.

 

چکیده انگلیسی: 


Long-Term Cross-Session Relevance Feedback Using Virtual Features

ABSTRACT

 Relevance feedback is an iterative process, which refines the retrievals by utilizing the user’s feedback on previously retrieved results. Traditional RF techniques solely use the short-term learning experience and do not exploit the knowledge created during cross sessions with multiple users. RF framework, which facilitates the combination of short term and long-term learning processes by integrating the traditional methods with a new technique called the virtual feature. The feedback history with all the users is digested by the system and is represented in a very efficient form as a virtual feature of the images. The dissimilarity measure can dynamically be adapted, depending on the estimate of the semantic relevance derived from the virtual features. In addition, with a dynamic database, the user’s subject concepts may transit from one to another. By monitoring the changes in retrieval performance, the proposed system can automatically adapt the concepts according to the new subject concepts. The experiments are conducted on a real image database. The results manifest that the proposed framework outperforms the traditional within-session and long-term Relevance Feedback techniques.


 

۱۰۰.۰۰۰ ریال – خرید



موضوعات :
پروژه
ads

دیدگاه ها


دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *