آشنایی با موضوع

استخراج ویژگی(به انگلیسی: Feature extraction) فرایندی است که در آن داده‌ها در فضای با بعد بالا به فضای با بعد کمتر نگاشت می‌شوند. این نگاشت می‌تواند خطی (مانند روش تحلیل مؤلفه‌های اصلی) یا غیر خطی باشد. فرایندی است که در آن با انجام عملیاتی بر روی داده‌ها، ویژگی‌های بارز و تعیین‌کننده آن مشخص می‌شود. استخراج ویژگی با روش PCA در واقع همان کاهش بعد تصویر می باشد. برای مثال اگر یک تصویر 50در50 داشته باشیم، این تصویر 2500 بعد منحصر به فرد دارد، در واقع هر پیکسل یک ویژگی محسوب می شود. در صورتی که بخواهیم بدون کاهش بعد، کلاس بندی را انجام دهیم لازم است تا تمام 2500 بعد هر تصویر با تصویر مرجع مقایسه شود، که کار بسیار پرمحاسبه و زمان گیری است و معمولا عملی نیست. بنابراین لازم است تا با تکنیک هایی این تعداد بعد (ویژگی) را کاهش دهیم، در واقع تنها ویژگی هایی را نگه داریم که تصاویر مربوط به دو کلاس در آن ویژگی تفاوت زیادی می کنند روشهای مبتنی بر استخراج ویژگی، یک فضای چند بعدی را به یک فضای با ابعاد کمتر نگاشت می دهند. این روشها به دو دسته ی خطی و غیرخطی تقسیم می شوند. روشهای خطی که ساده ترند و فهم آنها راحت تر است بدنبال یافتن یک زیرفضای تخت عمومی (Global flat subspace) هستند. اما روشهای غیرخطی که مشکلترند و تحلیل آنها سخت تر است بدنبال یافتن یک زیرفضای تخت محلی (Locally flat subspace) می باشند. پیشرفتهای بوجود آمده در جمع آوری داده و قابلیتهای ذخیره سازی در طی دهه های اخیر باعث شده در بسیاری از علوم با حجم بزرگی از اطلاعات روبرو شویم. محققان در زمینه های مختلف مانند مهندسی، ستاره شناسی، زیست شناسی و اقتصاد هر روز با مشاهدات بیشتر و بیشتری روبرو می شوند. در مقایسه با بسترهای داده ای قدیمی و کوچکتر، بسترهای داده ای امروزی چالشهای جدیدی در تحلیل داده ها بوجود آورده اند. روشهای آماری سنتی به دو دلیل امروزه کارائی خود را از دست داده اند. علت اول افزایش تعداد مشاهدات است، و علت دوم که از اهمیت بالاتری برخوردار است افزایش تعداد متغیرهای مربوط به یک مشاهده می باشد. تعداد متغیرهایی که برای هر مشاهده باید اندازه گیری شود ابعاد داده نامیده می شود. روشهای مبتنی بر استخراج ویژگی: این روشها یک فضای چند بعدی را به یک فضای با ابعاد کمتر نگاشت میکنند. در واقع با ترکیب مقادیر ویژگیهای موجود، تعداد کمتری ویژگی بوجود می آورند بطوریکه این ویژگیها دارای تمام (یا بخش اعظمی از) اطلاعات موجود در ویژگیهای اولیه باشند. روشهای مبتنی بر انتخاب ویژگی: این روشها سعی میکنند با انتخاب زیرمجموعه ای از ویژگیهای اولیه، ابعاد داده ها را کاهش دهند. در پاره ای از اوقات تحلیلهای داده ای نظیر طبقه بندی برروی فضای کاسته شده نسبت به فضای اصلی بهتر عمل می کند. روش‌های مختلف استخراج ویژگی بنا به فلسفه پشت سرشان ممکن است یک یا چند کار زیر را انجام دهند: 1. حذف نوفه داده‌ها 2. جداسازی اجزای مستقل داده‌ها 3. فروکاهی ابعاد برای تولید بازنمایی مختصرتر 4. افزایش بعد برای تولید بازنمایی جدایی‌پذیرتر. انجام استخراج ویژگی فرایند بسیار متداول‌ای در انواع مختلف پردازش داده‌ها چون پردازش تصویر، پردازش صوت و غیره است.
در این صفحه تعداد 1894 مقاله تخصصی درباره استخراج ویژگی که در نشریه های معتبر علمی و پایگاه ساینس دایرکت (Science Direct) منتشر شده، نمایش داده شده است. برخی از این مقالات، پیش تر به زبان فارسی ترجمه شده اند که با مراجعه به هر یک از آنها، می توانید متن کامل مقاله انگلیسی همراه با ترجمه فارسی آن را دریافت فرمایید.
در صورتی که مقاله مورد نظر شما هنوز به فارسی ترجمه نشده باشد، مترجمان با تجربه ما آمادگی دارند آن را در اسرع وقت برای شما ترجمه نمایند.
مقالات ISI استخراج ویژگی (ترجمه نشده)
مقالات زیر هنوز به فارسی ترجمه نشده اند.
در صورتی که به ترجمه آماده هر یک از مقالات زیر نیاز داشته باشید، می توانید سفارش دهید تا مترجمان با تجربه این مجموعه در اسرع وقت آن را برای شما ترجمه نمایند.
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: استخراج ویژگی; Content-based stereo image retrieval; Gaussian copula; Non-Gaussian distribution; Jeffrey divergence; Complex wavelet transform; Feature extraction;
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: استخراج ویژگی; Rolling bearing; Acoustic emission; Feature extraction; Wavelet packet de-noising; Kernel entropy component analysis; Particle swarm optimization;
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: استخراج ویژگی; ART2; Feature extraction; Fault diagnosis; High speed shaft bearing; Wind turbines; AGWN; Additive Gaussian White Noise; ANN; Artificial Neural Network; ART2; Adaptive Resonance Theory 2; D; degraded state; EEMD; Ensemble Empirical Mode Decomposition; EMD
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: استخراج ویژگی; Automatic abnormality detection; Point cloud analysis; Feature extraction; Feature classification; Surface inspection; Sensitivity and specificity;
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: استخراج ویژگی; Polysomnography; Sleep stage classification; Feature extraction; Itakura; Itakura-saito; Feature selection; Distance-based features;
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: استخراج ویژگی; Power quality disturbances; PQ measurement; Feature extraction; PQ characteristics; Pattern recognition; Disturbances classification;
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: استخراج ویژگی; Graph-based semi-supervised embedding; Flexible embedding; Feature extraction; Out-of-sample extension; Adaptive loss function; Regression; Image categorization;
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: استخراج ویژگی; Lung cancer recognition; Pulse signal processing and analysis; Iterative sliding window (ISW); Feature extraction; Jin's pulse diagnosis (JPD); Cubic support vector machine (CSVM);
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: استخراج ویژگی; Vehicle detection; Object-based classification; Data fusion; Elevation data; Random forest; High-resolution; Feature extraction; Cluster analysis;
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: استخراج ویژگی; Pulsed eddy current; Subsurface flaws; Excitation rise time; Time constant; Voltage parameter; Detection; Feature extraction; Feature analysis;
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: استخراج ویژگی; Electrical signature; Feature extraction; Load disaggregation; Non-intrusive appliance load monitoring (NIALM); Smart meter; Smart building;
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: استخراج ویژگی; Non-proliferative diabetic retinopathy; Severity level; Retinal lesions; Feature extraction; Neural network classifier; Retinal fundus images;
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: استخراج ویژگی; Intracranial EEG; Stereo-EEG; Bad channels; Feature extraction; Ensemble bagging; Machine learning; DES; direct electrical stimulation; ECoG; electrocorticography; EEG; electroencephalography; iEEG; intracranial electroencephalography; SEEG; stereo-electr
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: استخراج ویژگی; Protein-protein interactions; Sequence-based prediction; Feature extraction; Conjoint triads; Principal component analyses; Support vector machines;