![](/images/graphics-bg.png)
Optimized features selection using hybrid PSOGA for multi-view gender classification
المؤلفون المشاركون
Khan, Muhammad
Khan, Sajid
Nadhir, Muhammad
Riyad, Naveed
المصدر
The International Arab Journal of Information Technology
العدد
المجلد 12، العدد 2 (31 مارس/آذار 2015)7ص.
الناشر
تاريخ النشر
2015-03-31
دولة النشر
الأردن
عدد الصفحات
7
التخصصات الرئيسية
تكنولوجيا المعلومات وعلم الحاسوب
الموضوعات
الملخص EN
Gender classification is a fundamental face analysis task.
In literature, the focus of most researchers has been on the face images acquired under controlled conditions.
Real-world face images contain different illumination effects and variations in facial expressions and poses that make ge0nder classification more challenging task.
In this paper, we have proposed an efficient gender classification technique for real world face images (Labeled faces in the Wild).
After extracting both global and local features using Discrete Cosine Transform (DCT) and Local Binary Pattern (LBP), we have fused these features.
Proposed Algorithm provides support for variations in expressions and poses.
To reduce the data dimensions, fused features are passed to hybrid PSO-GA that eliminates irrelevant features and results in optimized features.
Support vector machine is trained and tested by using optimized features.
Using this approach we have received a 98 % accuracy rate.
We are utilizing the minimum number of features so our technique is faster as compared to other state-of-the-art gender classification techniques.
نمط استشهاد جمعية علماء النفس الأمريكية (APA)
Khan, Sajid& Nadhir, Muhammad& Riyad, Naveed& Khan, Muhammad. 2015. Optimized features selection using hybrid PSOGA for multi-view gender classification. The International Arab Journal of Information Technology،Vol. 12, no. 2.
https://search.emarefa.net/detail/BIM-368888
نمط استشهاد الجمعية الأمريكية للغات الحديثة (MLA)
Khan, Sajid…[et al.]. Optimized features selection using hybrid PSOGA for multi-view gender classification. The International Arab Journal of Information Technology Vol. 12, no. 2 (Mar. 2015).
https://search.emarefa.net/detail/BIM-368888
نمط استشهاد الجمعية الطبية الأمريكية (AMA)
Khan, Sajid& Nadhir, Muhammad& Riyad, Naveed& Khan, Muhammad. Optimized features selection using hybrid PSOGA for multi-view gender classification. The International Arab Journal of Information Technology. 2015. Vol. 12, no. 2.
https://search.emarefa.net/detail/BIM-368888
نوع البيانات
مقالات
لغة النص
الإنجليزية
الملاحظات
Includes bibliographical references.
رقم السجل
BIM-368888
قاعدة معامل التأثير والاستشهادات المرجعية العربي "ارسيف Arcif"
أضخم قاعدة بيانات عربية للاستشهادات المرجعية للمجلات العلمية المحكمة الصادرة في العالم العربي
![](/images/ebook-kashef.png)
تقوم هذه الخدمة بالتحقق من التشابه أو الانتحال في الأبحاث والمقالات العلمية والأطروحات الجامعية والكتب والأبحاث باللغة العربية، وتحديد درجة التشابه أو أصالة الأعمال البحثية وحماية ملكيتها الفكرية. تعرف اكثر
![](/images/kashef-image.png)