سیستم بینایی بشر قادر به تمیز و تشخیص رنگ های بسیاری می باشد لیکن از دیرباز این موضوع مطرح بوده است که به واقع انسان ها رنگ هایی را که می بینند به چند دسته اصلی تقسیم بندی می کنند و به چه نام هایی می شناسند. در این راستا مهم ترین تحقیقات انجام شده، مطالعات کای و برلین می باشد. آنها ادعا کردند جوامع پیشرفته انسانی اغلب رنگ ها را در 11 گروه اصلی دسته بندی و شناسایی می کنند که شامل سفید، سیاه، خاکستری، قرمز، سبز، آبی، زرد، صورتی، نارنجی، قهوه ای و بنفش می باشد. هدف از این مقاله آشنایی با مفهوم نام گذاری و دسته بندی رنگ و بررسی آزمایشات و نتایج ارائه شده در این ارتباط می باشد. به این منظور نظریات مختلف درباره دسته بندی و نام گذاری رنگ، تقسیم بندی فضا رنگ به مجموعه فازی به منظور دسته بندی رنگ ها، تشکیل مراکز تحقیق WCS و MACS، آزمایش های انجام شده برای نام گذاری رنگ ها، ماتریس رنگ، تجزیه و تحلیل داده های نام گذاری رنگ، نمونه هایی از زبان های WCS و نام گذاری رنگ به طور عمومی برای تمام زبان ها مورد بررسی قرار می گیرد.

هدف از تولید و گسترش سیستم های پرسش و پاسخ، ایجاد پاسخ دقیق برای پرسش داده شده به زبان طبیعی می باشد. یکی ازمهم ترین بخش های سیستم های پرسش و پاسخ دسته بندی پرسش است. عمل دسته بندی پرسش، پیش بینی نوع پاسخ مورد نیاز برای پرسش داده شده به زبان طبیعی می باشد. کارهای انجام شده در این زمینه را می توان در دو دسته ی مبتنی بر قانون و مبتنی بر یادگیری تقسیم کرد. در این مقاله برای دسته بندی پرسش ها، از یک روش ترکیبی متشکل از دو دسته بند مبتنی بر یادگیری ماشین (ماشین بردار پشتیبان و نمایش پراکنده) و یک دسته بند مبتنی بر قانون استفاده شده است، عملیات دسته بندی مبتنی بر یادگیری با توجه به مجموعه ویژگی های استخراج شده از پرسش ها انجام می پذیرد. این ویژگی ها براساس ساختار لغوی و نحوی پرسش ها استخراج شده اند. در پایان نتایج حاصل از دسته بندها با روش های معمول در ترکیب دسته بندهای تک کلاسه ترکیب شده اند و نتایج حاصل بیان کننده ی بهبود عملیات دسته بندی نسبت به روش های موجود می باشد.

دندان پزشکی قانونی، شاخه ای از پزشکی قانونی است که به تشخیص هویت انسان بر اساس ویژگی های دندان می پردازد. در این مقاله، سیستم خودکار تشخیص هویت انسان بر اساس ویژگی های دندان ارائه شده است. هدف از این سیستم، شناسایی منطبق ترین تصاویر رادیوگرافی پایگاه داده با تصویر پرس وجوی پس از مرگ فرد مورد نظر می باشد. چارچوب کاری پیشنهاد شده، شامل دو مرحله ی اصلی است، که مرحله ی اول، مربوط به دسته بندی و شماره گذاری دندان ها و مرحله ی دوم، مربوط به بازشناسی دندان ها می باشد. در این پژوهش، ویژگی های جدیدی برای هر مرحله پیشنهاد شده است که از آن جمله می توان به روابط جدید میان عرض مزیودسیتال طوق و طول تاج آناتومیک برای مرحله ی اول و بردار ویژگی مبتنی بر فاصله ی ژئودزیک بین نقاط مهم خط محیطی دندان برای مرحله ی دوم اشاره کرد. روش پیشنهادی قادر است مشکلاتی نظیر تشخیص دندان های خلفی و قدامی، دسته بندی دندان های خلفی و قدامی، و تشخیص تعداد و نوع دندان های کشیده شده، که در کارهای گذشته نادیده گرفته شده و یا با فرض های ساده کنار گذاشته شده اند را به طور اصولی و خودکار حل نماید. برای ارزیابی روش های پیشنهادی، آزمایش هایی روی مجموعه ی تصاویر بایتوینگ و پری اپیکال انجام شده است. نتایج عملی، بهبود کارایی دسته بندی دندان ها را که ناشی از بازشناسی دندان های قدامی است و نیز افزایش 12درصدی در طبقه ی اول بازشناسی دندان در مقایسه با روش های پیشین را نشان می دهند.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

امروزه با توجه به رشد روز افزون دسترسی به اسناد الکترونیکی، دسته بندی خودکار اهمیت وی‍‍‍‍‍‍‍‍‍‍ژه ای یافته است. روش های معمول در این زمینه، روش های یادگیری ماشین هستند. روش های بر اساس کمیته کارایی بهتری نسبت به سایر روش ها از خود نشان داده اند. در این مقاله، دو ایده در زمینه کمیته های دسته بند ارایه شده است. ایده اول برمبنای کمیته  baggingکه در آن هر کدام از اعضای کمیته روی زیرمجموعه ای از مجموعه سندهای آموزشی، ساخته می شوند، ارایه شده است. بر اساس این ایده، ابتدا مجموعه آموزش با یک روش خوشه بندی به چند خوشه، بر اساس مشابهت یا عدم مشابهت کلاس های اسناد آموزشی، تقسیم می شود و سپس از روی هر خوشه از اسناد، یک دسته بند ساخته شده و به عنوان عضو کمیته قرار داده می شود (روش یادگیری اعضای کمیته یکسان است). در ایده دوم ساخت کمیته ای دو سطحی مطرح شده است. در این ایده اعضای کمیته های سطح دوم خود کمیته هایی هستند که بر مبنای ایده اول ساخته می شوند. در ارزیابی ایده اول مشخص شد که افزایش کارایی بر مبنای معیار دقت و معیار بازخوانی در کمیته بیزین ساده نوع اول، بیشتر از سایر کمیته های نوع اول بوده و به ترتیب 12 درصد و 5.1 درصد می باشد. ارزیابی ها در کمیته نوع دوم (بر مبنای ایده دوم)، افزایش کارایی را نسبت به کمیته نوع اول نشان می دهند که بیشترین آن نسبت به کمیته Rocchio نوع اول بوده، که معیار دقت را در حدود 3.8 درصد و معیار بازخوانی را در حدود 18.8 درصد افزایش داده است.