A New Harris Hawks-Cuckoo Search Optimizer for Multilevel Thresholding of Thermogram Images
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The exploitation capability of the Harris Hawks optimization (HHO) is limited. This problem is solved here by incorporating features of Cuckoo search (CS). This paper proposes a new algorithm called Harris hawks-cuckoo search (HHO-CS) algorithm. The algorithm is validated using 23 Benchmark functions. A statistical analysis is carried out. Convergence of the proposed algorithm is studied. Nonetheless, converting color breast thermogram images into grayscale for segmentation is not effective. To overcome the problem, we suggest an RGB colour component based multilevel thresholding method for breast cancer thermogram image analysis. Here, 8 different images from the Database for Research Mastology with Infrared images are considered for the experiments. Both 1D Otsu’s between-class variance and Kapur's entropy are considered for a fair comparison. Our proposal is evaluated using the performance metrics – Peak Signal to Noise Ratio (PSNR), Feature Similarity Index (FSIM), Structure Similarity Index (SSIM). The suggested method outperforms the grayscale based multilevel thresholding method proposed earlier. Moreover, our method using 1D Otsu’s fitness functions performs better than Kapur’s entropy based approach. The proposal would be useful for analysis of infrared images. Finally, the proposed HHO-CS algorithm may be useful for function optimization to solve real world engineering problems.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle