A gingivitis identification method based on contrast-limited adaptive histogram equalization, gray-level co-occurrence matrix, and extreme learning machine

2018 ◽  
Vol 29 (1) ◽  
pp. 77-82 ◽  
Author(s):  
Wen Li ◽  
Yiyang Chen ◽  
Weibin Sun ◽  
Mackenzie Brown ◽  
Xuan Zhang ◽  
...  
Keyword(s):  
Extreme Learning Machine ◽  
Histogram Equalization ◽  
Gray Level ◽  
Adaptive Histogram Equalization ◽  
Identification Method ◽  
Learning Machine ◽  
Occurrence Matrix

scholarly journals PENENTUAN MINERAL KALSIT DAN DOLOMIT PADA CITRA HASIL THIN SLICE BATUAN KARBONAT MENGGUNAKAN JARINGAN SYARAF TIRUAN BERBASIS MATLAB

2019 ◽  
Vol 7 (1) ◽  
Author(s):  
Siti Hajar Pohan ◽  
Ridwan Abdullah Sani
Keyword(s):  
Extreme Learning Machine ◽  
Gray Level ◽  
Thin Slice ◽  
Learning Machine ◽  
Occurrence Matrix

Telah dilakukan penelitian yang berjudul penentuan mineral kalsit dan dolomit pada citra sayatan tipis batuan karbonat menggunakan metode jaringan syaraf tiruan berbasis Matlab dengan tujuan untuk pengembangan metode petografi thin slice batuan. Pada penelitian ini dilakukan identifikasi mineral kalsit dan dolomit menggunakan metode pengolahan citra hasil thin slice batuan karbonat. Metode pengolahan citra yang digunakan pada penelitian ini adalah metode jaringan syaraf tiruan Extreme Learning Machine (ELM) dan ekstraksi ciri menggunakan metode Gray Level Co-occurrence Matrix (GLCM). Hasil dari penelitian meunjukkan keberhasilan program dapat mengidentifikasi mineral kalsit dan dolomit dengan besar persentase keberhasilan mencapai 90%.Kata Kunci : Kalsit, Dolomit, Matlab, Jaringan Syaraf Tiruan

An intelligent COVID-19 classification model using optimal grey-level co-occurrence matrix features with extreme learning machine

2021 ◽  
Vol 65 (4) ◽  
pp. 334
Author(s):  
Pavan Kumar Paruchuri ◽  
V. Gomathy ◽  
E. Anna Devi ◽  
Shweta Sankhwar ◽  
S.K. Lakshmanaprabu
Keyword(s):  
Extreme Learning Machine ◽  
Classification Model ◽  
Grey Level ◽  
Learning Machine ◽  
Occurrence Matrix

Identification Method of Coal Mine Water Inrush Spectrum Based on Multilayer Regularization Extreme Learning Machine

2018 ◽  
Vol 38 (7) ◽  
pp. 0730002
Author(s):  
王亚 Wang Ya ◽  
周孟然 Zhou Mengran ◽  
陈瑞云 Chen Ruiyun ◽  
闫鹏程 Yan Pengcheng ◽  
胡锋 Hu Feng ◽  
...  
Keyword(s):  
Extreme Learning Machine ◽  
Coal Mine ◽  
Mine Water ◽  
Water Inrush ◽  
Identification Method ◽  
Coal Mine Water ◽  
Learning Machine

ELM-MHC: An Improved MHC Identification Method with Extreme Learning Machine Algorithm

2019 ◽  
Vol 18 (3) ◽  
pp. 1392-1401 ◽  
Author(s):  
Yanjuan Li ◽  
Mengting Niu ◽  
Quan Zou
Keyword(s):  
Extreme Learning Machine ◽  
Identification Method ◽  
Learning Machine

ANALISIS IMPLEMENTASI CONTRAST LIMITED ADAPTIVE HISTOGRAM EQUALIZATION (CLAHE) UNTUK DETEKSI CITRA SIDIK JARI TIRUAN

2021 ◽  
Vol 2 (1) ◽  
pp. 38-44
Author(s):  
Safira Nuraisha ◽  
Sri Handayani
Keyword(s):  
Histogram Equalization ◽  
Gray Level ◽  
Adaptive Histogram Equalization

Autentikasi biometrik dengan sidik jari paling sering digunakan untuk sistem keamanan atau autentikasi sebuah akun. Seiring dengan berkembangnya model sistem keamanan menggunakan autentikasi sidik jari, muncul masalah baru yaitu penggunaan sidik jari Penggunaan sidik jari palsu dapat dilakukan melalui scanner sidik jari yang menerima salinan dari sidik jari asli yang sering disebut dengan artificial fingerprints. Penggunaan sidik jari palsu dapat mengancam keamanan dari sebuah sistem. Permasalahan deteksi sidik jari dan identifikasi bahan yang dapat meniru karakteristik sidik jari diperburuk oleh dua hal, pertama, sensor standar tidak mampu membedakan citra dari sidik jari asli dan sidik jari replika. Kedua, seringkali tidak ada isyarat yang jelas bahwa citra tersebut berasal dari sidik jari replika atau dengan kata lain sidik jari replika yang sangat mirip dengan sidik jari asli sehingga sulit untuk dibedakan. Penelitian ini bertujuan untuk mendeteksi citra sidik jari tiruan dengan tingkat akurasi yang tinggi. Dataset yang digunakan merupakan dataset publik ATVS. Metode yang diusulkan yaitu ekstraksi fitur citra sidik jari dengan kontras GLCM (Gray Level Co-Occurance Matrix) dengan metode peningkatan kualitas citra CLAHE (Contrast Limited Adaptive Histogram Equalization). Hasil deteksi citra sidik jari menggunakan CLAHE menghasilkan akurasi yang lebih baik dibandingkan tanpa menggunakan CLAHE

Sign in / Sign up

Export Citation Format

Share Document