روش هیبریدی بهینه سازی ازدحام ذرات کوانتومی و گرگ خاکستری جهت آنالیز خوشه بهینه به منظور بخشبندی پوست چهره
نویسندگان
1 گروه مهندسی برق و کامپیوتر، دانشکده فنی و مهندسی ، دانشگاه محقق اردبیلی، اردبیل، ایران.
2 گروه بیماریهای پوست، دانشکده پزشکی، دانشگاه علوم پزشکی اردبیل
3 گروه بیوالکتریک، دانشکده مهندسی پزشکی، دانشگاه صنعتی سهند، تبریز، ایران
4 گروه مهندسی برق، دانشکده فنی، دانشگاه آزاد اسلامی واحد اردبیل
doi
10.22034/abmir.2023.2931چکیده
بخشبندی چهره نقش خیلی مهمی در کاربردهای آنالیز چهره مانند شناسایی هویت، آنالیز حالات چهره، انیمیشن چهره و آنالیز بیماریهای پوست چهره ایفا میکند. در این مقاله، یک روش جدید هیبریدی مبتنی بر بهینهسازی ازدحام ذرات کوانتومی (QPSO) و گرگ خاکستری (GWO) جهت بهینه کردن عملکرد خوشهبند K-Means رائه میشود. در این مطالعه، دو الگوریتم با هم ترکیب شده و در روش پیشنهادی عملکرد استخراج در الگوریتم QPSO با قابلیت اکتشاف در الگوریتم GWO بهبود داده میشود. اندازهگیری تشابه نقش اساسی در فرآیند خوشهبندی ایفا میکند. جهت اندازهگیری تشابه، 4 معیار فاصلهی اقلیدسی، مینکوفسکی، ماهالانوبیس و بلوک شهری در بهینهسازی الگوریتم K-Means به-کار گرفته شده است. روش پیشنهادی در مقایسه با سایر الگوریتمهای فرا ابتکاری شامل الگوریتم ژنتیک (GA)، PSO، QPSO، GWO، بهینهسازی خفاش، جستجوی کلاغ عملکرد بهتری در بخشبندی و سرعت همگرایی دارد. همچنین، نتایج نشان میدهند که فاصلهی مینکوفسکی عملکرد بهتری در محاسبهی تشابه داشته و بهینهسازی الگوریتم K-Means با فاصلهی مینکوفسکی نتیجهی بهتری در بخشبندی دارد. براساس نتایج بهدست آمده، ترکیب این دو الگوریتم رسیدن به جواب بهینه را تضمین کرده و از مسئلهی کمینه مکانی نیز جلوگیری میکند.
