بحث متقدم
ترتيب حسب
فلترة حسب
يعتبر التنبؤ بالتسرب المدرسي مسألة ذات أهمية عالية في المجال التعليمي، و هي تتأثر بالعديد من العوامل لذلك فإنه ليس من السهل حلها. نقدم في هذا البحث مقاربة لحل هذا الموضوع باستخدام تقنيات دمج المصنفات Ensemble Classifiers للتنبؤ بتسرب التلاميذ، تحديدا ً طلاب التعليم الإلزامي في الجمهورية العربية السورية. و قد تم تصميم مصنف جديد بالاعتماد على تقنية الدمج Stacking Method و تطبيق تقنيات اختيار الميزة Feature Selection كون قاعدة المعطيات تعاني من مشكلة عدم التوازن. تم مقارنة المصنف مع المصنفات الفردية و باستخدام تقنية Cross-Validation ، و قد خلصت الدراسة إلى أن المصنف المقترح هو الأفضل من بين المصنفات التي تم مقارنتها للتنبؤ بتسرب الطلاب.
قمنا في هذا البحث بإدخال خوارزمية اختيار السمات المستندة على الضبط regularization للاستفادة من خصائص الخلخلة و تجميع السمات و ادراجه في مهمة تصنيف الصور الطبية، باستخدام الطريقة المعتمدة على خلخلة المجموعة group sparsity التي تُمكن من الإبقاء أو ال حذف على مجموعة كاملة من السمات. إن الفكرة الأساسية في خلخلة المجموعة هي حذف السمات التي لا تؤثر على عملية الاستعادة بدلاً من الإبقاء على هذه السمات و اعطائها أوزان قليلة، و بالتالي تعتبر كخوارزمية لتحسين النظام عن طريق زيادة دقة النتائج بالإضافة الى تخفيض المتطلبات الزمنية و التخزينية التي يحتاجها النظام.
يقترح النظام تصميم نموذج وزن لسمات القزحية و انتقاء السمات الأفضل منها بغية دراسة تأثير عملية الوزن و الاختيار على أداء نظم التعرف. يقدم البحث خوارزمية جديدة في مجال وزن السمات و دمجها تعتمد على الفروق بين الأصناف و الفروق داخل الصنف الواحد و المنطق الضبابي، و يكون خرج هذه الخوارزمية عبارة عن أرقام تمثل أوزان السمات المختارة لمرحلة التصنيف. يتكون النظام المصمم من أربعة مراحل أساسية هي تجزيء القزحية و استخلاص سماتها و تطبيق نموذج الوزن و الاختيار و الدمج ثم التعرف. لاقتطاع منطقة القزحية يقترح النظام استخدام واصفات المنطقة من أجل تحديد نصف قطر القزحية و مركزها، و من ثم يتم تطبيق عملية الاقتطاع و إجراء نقل من الإحداثيات الديكارتية للإحداثيات القطبية عن طريق عملية التدوير و اقتطاع ما يعادل نصف القطر من بكسلات نافذة ثابتة اعتباراً من نقطة المركز و حتى المحيط. يتم استخلاص سمات القزحية باستخدام المعاملات العمودية لتحويل المويجات و يتم تدعيمها بالمعاملات الإحصائية لنواتج الاشتقاق من الدرجة الأولى و الثانية لمنطقة القزحية. و في مرحلة الوزن و الدمج يتم اختيار السمات الأفضل و وزنها و دمجها ليتم لاحقاً في مرحلة التصنيف الاستعانة بمصنف المسافة لإنجاز عملية التعرف. طبقت الخوارزمية على قاعدة بيانات CASIA العالمية المؤلفة من صور تعود لـ 250 شخص و تم التوصل لدقة 100% في مرحلة التجزيء، و معدل تعرف أعظمي98.7%. تظهر النتائج العملية أن خوارزمية التجزيء المصممة فعالة مع تغيرات الإضاءة و الدوران و التغطية الجزئية بالرموش و الأجفان،و أن خوارزمية وزن سمات القزحية و اختيارها و دمجها تحسن من أداء النظام.