Ch Anusha

In diesem digitalen Zeitalter mit der Verf gbarkeit enormer digitaler Daten im Internet m ssen die Benutzer nach verschiedenen M glichkeiten suchen, um geeignete Daten aus den unorganisierten Daten abzurufen. Die Klassifizierung ist eine solche Technik, die den Forschern weltweit geholfen hat, ihre Suche einzugrenzen. Unter den Daten, die aufgrund der Zunahme digitaler Technologien verf gbar sind, nimmt die Verf gbarkeit von Multimediadaten von Tag zu Tag rapide zu. Um die ben tigten Daten (Bilder) abzurufen, haben viele Forscher Algorithmen oder Methoden zum Abrufen von Bildern entwickelt, zu denen auch die Bildklassifizierung geh rt. Sie spielt eine wichtige Rolle in vielen Anwendungen wie Medizin, Photogrammetrie, Computer Vision usw.In diesem Projekt wird versucht, eine Methodik f r ein effizientes Bildklassifizierungssystem zu entwickeln, indem 50 Merkmale extrahiert werden, gefolgt von einer Bildklassifizierung durch die Einbeziehung verschiedener Klassifizierungstechniken. Dieses Projekt befasst sich auch mit dem Abrufen einer neuen Bildinstanz, die nicht im Trainingsdatensatz vorhanden ist, gefolgt von einer Bildklassifizierung. Es wird ein Vergleich zwischen den verwendeten Klassifizierungstechniken und den experimentellen Ergebnissen durchgef hrt, die auf 1150 verschiedenen Bildern aus 17 verschiedenen Kategorien basieren.

Nesta era digital com a disponibilidade de enormes dados digitais na Internet, os utilizadores t m de procurar diferentes meios de recupera o de dados adequados a partir dos dados n o organizados. A classifica o uma dessas t cnicas que tem ajudado os pesquisadores em todo o mundo a restringir sua busca. Entre os dados dispon veis devido ao aumento da disponibilidade de tecnologias digitais de dados multim dia est aumentando rapidamente a cada dia. Para recuperar os dados necess rios (imagens), muitos pesquisadores deram algoritmos ou m todos para recuperar imagens, entre os quais a classifica o de imagens um deles. Tem desempenhado um papel importante em muitas aplica es como Medicina, Fotogrametria, Vis o por Computador, etc.Neste projecto, feita uma tentativa de desenhar uma metodologia para um sistema eficiente de classifica o de imagens, extraindo 50 caracter sticas seguidas de classifica o de imagens, incorporando diferentes t cnicas de classifica o. Este projeto tamb m trata da recupera o de uma nova inst ncia de imagem que n o est presente no conjunto de dados do treinamento seguido de classifica o de imagem. feita uma compara o entre as t cnicas de classifica o utilizadas e os resultados experimentais realizados em 1150 imagens diferentes pertencentes a 17 categorias diferentes.

l' re du num rique, avec la disponibilit d' normes donn es num riques sur Internet, les utilisateurs doivent rechercher diff rents moyens de r cup rer des donn es appropri es partir de donn es non organis es. La classification est une de ces techniques qui a aid les chercheurs du monde entier restreindre leur recherche. Parmi les donn es disponibles en raison de l'augmentation des technologies num riques, la disponibilit des donn es multim dia augmente rapidement de jour en jour. Pour r cup rer les donn es requises (images), de nombreux chercheurs ont labor des algorithmes ou des m thodes de r cup ration des images, dont la classification des images. Elle a jou un r le important dans de nombreuses applications comme la m decine, la photogramm trie, la vision par ordinateur, etc.Dans ce projet, une tentative est faite pour concevoir une m thodologie pour un syst me de classification d'image efficace en extrayant 50 caract ristiques suivies par la classification d'image en incorporant diff rentes techniques de classification. Ce projet traite galement de la r cup ration d'une nouvelle instance d'image qui n'est pas pr sente dans l'ensemble de donn es d'entra nement, suivie d'une classification d'images. Une comparaison est faite entre les techniques de classification utilis es et les r sultats exp rimentaux men s sur 1150 images diff rentes appartenant 17 cat gories diff rentes.

In questa era digitale con la disponibilit di enormi dati digitali su Internet, gli utenti devono cercare diversi mezzi per recuperare i dati adatti dai dati non organizzati. La classificazione una di queste tecniche che ha aiutato i ricercatori di tutto il mondo a restringere la loro ricerca. Tra i dati disponibili a causa dell'aumento delle tecnologie digitali, la disponibilit di dati multimediali aumenta rapidamente di giorno in giorno. Per recuperare i dati richiesti (immagini) molti ricercatori hanno dato algoritmi o metodi per recuperare le immagini, tra cui la classificazione delle immagini. Ha giocato un ruolo importante in molte applicazioni come la medicina, la fotogrammetria e la visione artificiale, ecc.In questo progetto, si cerca di progettare una metodologia per un sistema efficiente di classificazione delle immagini estraendo 50 caratteristiche seguite da una classificazione delle immagini incorporando diverse tecniche di classificazione. Questo progetto si occupa anche del recupero di una nuova istanza di immagine che non presente nel set di dati di allenamento seguito dalla classificazione dell'immagine. Viene fatto un confronto tra le tecniche di classificazione utilizzate e i risultati sperimentali condotti su 1150 immagini diverse appartenenti a 17 categorie diverse

In this digital era with the availability of enormous digital data on the Internet, the users have to search for different means of retrieving suitable data from the unorganized data. Classification is one such technique which has helped the researchers worldwide to narrow their search. Among the data available due to the increase in digital technologies availability of multimedia data is rapidly increasing day by day. To retrieve the required data (images) many researchers have given algorithms or methods to retrieve images among which image classification is one. It has played an important role in many applications like Medicine, Photogrammetric, and Computer Vision etc.In this project, an attempt is made to design a methodology for an efficient image classification system by extracting 50 features followed by image classification by incorporating different classification techniques. This project also deals with retrieving a new image instance which is not present in the training data set followed by image classification. A comparison is done between the classification techniques used and experimental results conducted on 1150 different images belonging to 17 different categories

The current textbook is about the security in mobile ad-hoc networks by using cryptographic secrete key. Now-a-days security is a major challenging problem in mobile ad-hoc networks because the nodes in mobile ad-hoc networks are moving from one place to another due to this the structure of the network changes frequently. The topology changes may cause "routing modification attack" problem that can easily be exploited against the MANETs. The main goal of routing attacks is to disrupt normal functioning of network by advertising false routing updates. On the other hand data communication attacks include modification or dropping of data packet that does not disrupt routing protocol. In this work, this could be achieved by adding some extensions for secure routing. These extensions include integrity which means the message modification is not allowed and authentication which means the node validation (identification) is done. This protection is provided by a hashed message authentication code function that provides fast message verification and information about sender as well as intermediate node authentication.