نسیم بهرامی زاده - پردیس علوم و تحقیقات خراسان جنوبی، بیرجند، ایران
سیدمحمدحسین معطر - دانشگاه آزاد اسلامی واحد مشهد، مشهد، ایران
کاظم نیکفرجام - پردیس علوم و تحقیقات خراسان جنوبی، بیرجند، ایران

با توجه به اهمیت دسته بندی در کاربردهای مختلف، ارائه روش های جدید دسته بندی و یا بهبود روش های دسته بندی موجود ضروری است. در این مقاله یک چارچوب مبتنی برای یادگیری گروهی برای بهبود عملکرد سیستم تشخیص عنبیه ارائه شده است. در این روش برای پیش پردازش تصویر از تکنیکهایمسطح سازی هیستوگرام و تعدیل کنتراست و در مرحله تقطیع از تبدیل هاف کروی برای تعیین موقعیت چشم و در مرحله استخراج ویژگی از ضرایب کرولتاستفاده شده است. به عنوان نوآوری در مرحله تطابق از ترکیب خوشه بندی کننده اف سی ام به این دلیل که در مراحل بعد نتایج دسته بندی از دقت بیشتری برخوردار شود، بهره برده ایم. نوع دسته بندی کننده یادگیری گروهی است که مبتنی بر سه دسته بندی کننده ضعیف درخت تصمیمkنزدیک ترین همسایه و تحلیل تمایزی می باشد. رویکرد دسته بندی گروهی با استفاده از چند دسته بندی کننده بجای یک دسته بندی کننده و تقویت نتایج دسته بندی کننده ها عملاً می تواند صحت دسته بندی را بصورت قابل توجهی افزایش دهد این باعث یادگیری بهتر دسته بندی کننده و نهایتاً افزایش صحت دسته بندی خواهد شد. برای ارزیابی الگوریتم پیشنهادی از دیتا ست کاسیا نسخه یک استفاده شده است. دقت در این روش نسبت به روش های قبلی 15 % بهبود یافته است

دسته بندی کننده، دقت، خوشه بندی، یادگیری گروهی