مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-041172620191030Classification of two-level data with hyperrectangles parallel to the coordinate axesدستهبندی دادههای دو ردهای با ابرمستطیل موازی محورهای مختصات114faزهرامصلحیدانشجومازیارپالهنگ-201345One of the learning methods in machine learning and pattern recognition is supervised learning. In supervised learning and in two-category problems, the available educational data labels include positive and negative categories. The goal of the supervised learning algorithm is to calculate a hypothesis that can separate positive and negative data with the least amount of error. In this article, among all supervised learning algorithms, we focus on the performance of decision trees. The geometric view of the decision tree brings us closer to the concept of separability in computational geometry. Among all the available resolution algorithms related to the decision tree, we raise the problem of calculating the rectangle with the maximum difference of two colors and implement the algorithm in one, two, three and m dimensions, where m represents the number of data features. The implementation result shows that this algorithm is competitive with the well-known C4.5 algorithm.یکی از روشهای یادگیری در یادگیری ماشین و شناسایی الگو، یادگیری با ناظر است. در یادگیری با ناظر و در مسایل دو ردهای، برچسب دادههای آموزشی موجود و شامل دو رده مثبت و منفی میباشند. هدف الگوریتم یادگیری با ناظر، محاسبه فرضیهای است که بتواند با کمترین مقدار خطا، دادههای مثبت و منفی را از یکدیگر جدا کند. در این مقاله، از بین کلیه الگوریتمهای یادگیری با ناظر، بر عملکرد درختهای تصمیم متمرکز میشویم. دیدگاه هندسی درخت تصمیم ما را به مفهوم تفکیکپذیری در هندسه محاسباتی نزدیک میکند. از بین کلیه الگوریتمهای تفکیکپذیری موجود و مرتبط با درخت تصمیم، مساله محاسبه مستطیل با حداکثر اختلاف دو رنگ را مطرح میکنیم و الگوریتم را در یک، دو، سه و m بعد پیادهسازی میکنیم که m تعداد ویژگیهای دادهها را نشان میدهد. نتیجه پیادهسازی نشاندهنده آن است که این الگوریتم، الگوریتمی قابل رقابت با الگوریتم شناخته شده C4.5 است.http://jour.aicti.ir/en/Article/Download/8331مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-041172620191030Correcting both camera lens misalignment and image de-centering error using modified Zernik modelاصلاح توام نقص ابیراهی لنز دوربین و خطای خروج از مرکز تصویر با بهرهگیری از مدل اصلاح شده زرنیک2742fa2013712The reduction of image quality in an optical system can depend on different parameters. Some of these parameters are: lens aberration, digitization error and system assembly error. In the field of assembly error, two types of general errors are usually considered: 1) the non-orthogonality of the image curtain and the optical axis, which is often referred to as the prism error. 2) the error of the optical axis of the lens not passing through the center of the image, which is called It is called de-centering error. Among these, the current article aims to study lens aberration and correct and compensate for its aberration along with eccentricity error. For this purpose, the Seidel misdirections are rewritten in the form of modified Zernike moments based on the second type Chebyshev polynomials as separate functions on the Cartesian space. Then, the rewritten moments are modified in such a way that they also model the phase deviation function by considering the eccentricity error. Finally, the coefficients of the introduced model are classified into two classes, symmetric and asymmetric. Then these coefficients are estimated using multispectral analysis. Tri-coherence analysis was used to estimate the coefficients of symmetrical sentences, and bi-coherence analysis was used for the coefficients of asymmetric sentences. The laboratory results confirm the accuracy and efficiency of the proposed solution.کاهش کیفیت تصویر در یک سامانه اپتیکی تابع پارامترهای متفاوتی میتواند باشد. برخی از این پارامترها عبارتند از: ابیراهی لنز، خطای رقمیسازی و خطای مونتاژ سامانه. در حوزه خطای مونتاژ معمولا دو نوع خطای کلی در نظر گرفته میشود: 1) عدم متعامد بودن پرده تصویر و محور اپتیکی که اغلب در قالب خطای prism از آن نام برده میشود.2) خطای عدم عبور محور اپتیکی لنز از مرکز تصویر که تحت عنوان خطای خروج از مرکز تصویر (de-centering) از آن یاد میشود. از این میان مقاله حاضر قصد دارد تا به مطالعه ابیراهی لنز پرداخته و نقص ابیراهی آن را تواما با خطای خروج از مرکز اصلاح و جبران کند. برای این منظور ابیراهیهای زایدل در قالب مومنتهای اصلاح شده زرنیک مبتنی بر چندجملهای چبیشف نوع دوم به صورت توابع مجزا روی فضای کارتزین بازنویسی میگردند. سپس مومنتهای بازنویسی شده به گونهای اصلاح میگردند که با در نظر گرفتن خطای خروج از مرکز، تابع ابیراهی فاز را نیز مدل کنند. نهایتا ضرایب مدل معرفی شده جهت تخمین در دو کلاس متقارن و نامتقارن دستهبندی میشوند. سپس این ضرایب با بهرهگیری از آنالیز چندطیفی تخمین زده میشوند. جهت تخمین ضرایب جملات متقارن از آنالیز tri-coherence و برای ضرایب جملات نامتقارن از آنالیز bi-coherence استفاده شده است. نتایج آزمایشگاهی دقت و بازدهی راهکار پیشنهادی را تایید میکنند.http://jour.aicti.ir/en/Article/Download/8332مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-041172620191030A New Algorithm for Fastintra-Frame Modes Selection in H.264/Avc Video Codingالگوریتم جدید انتخاب مُد داخل فریمی سریع در استاندارد کدگذاری ویدیویی H.264/AVC1526faمهنازنژادعلیکارشناس آزمایشگاهمهدیجعفریدانشگاه آزاد اسلامی کرمانمجیدمحمدیدانشگاه شهید بهشتی202057By the increasing of video communication in portable and functional devices, encoders design with low complexity and high performance are required. H.264 / AVC standard offers higher compression efficiency than previous standards. But this standard by employing several powerful coding techniques, considerably increased complexity at the encoder. This paper presents a new algorithm to reduce the complexity of the H.264/AVC encoder.
The proposed method uses simple directional masks, neighboring blocks modes and detection
of 4×4 and/or 16×16 intra estimation modes with determination of quantization parameters for fast mode selection in Intra-Frame Modes prediction. Experimental results show that the proposed method reduces maximum 29% of the encoding time, while has little effect on visual quality and PSNR.
با افزایش روزافزون ارتباطات ویدیویی در دستگاههای قابلحمل و کاربردی، طراحی کدکنندهها با میزان پیچیدگی کم و عملکرد بالا موردنیاز است. استاندارد H.264/AVC کارایی فشردهسازی بالاتري را نسبت به استانداردهاي قبلي ارائه مي دهد. اما این استاندارد با بکارگیری چندین تکنیک کدگذاری قدرتمند، پیچیدگی کدگذار را بطور قابل ملاحظه ای افزایش می دهد. این مقاله الگوریتم جدیدی برای کاهش پیچیدگی کدگذار H.264/AVC ارائه می دهد. روش پیشنهادی از ماسک های جهت دار ساده، مُد بلوک های همسایه و تشخیص مُد تخمین داخلی 4×4 و/يا16×16 با تعيين پارامترهاي كوانتيزه به منظور انتخاب سریع مُد در پیشبینی به روش داخل فریمی استفاده می کند. نتایج شبیهسازی نشان میدهد که روش پیشنهادی زمان کدگذاری را ماکزیمم 29% درصد کاهش میدهد در حالی که تاثیر ناچیزی در کیفیت تصویر و میزان PSNR دارد.http://jour.aicti.ir/en/Article/Download/6585