آمار کلی

بازدیدکنندگان : 2922951

Who's Online

ما 166 مهمان آنلاین داریم

آخرين ارسالهاي تالار

پرداخت آنلاین بانک ملت

مبلغ تراکنش (ريال):
ثبت سفارش مشاهده در قالب PDF چاپ فرستادن به ایمیل
( 54 Votes )
میانگین امتیار کاربران: / 54
ضعیفعالی 

پروژه های آماده و پروژه های جدید

پروژه خود را ثبت کنید

آیا به مقاله شبیه سازی شده نیاز دارید؟

مقالات معتبر همراه با پیاده سازی متلب هوش مصنوعی و پردازش تصویر مقالات معتبر همراه با پیاده سازی متلب برق - کنترل مقالات معتبر همراه با پیاده سازی متلب برق - قدرت

ارسال درخواست موضوعی مقالات دارای شبیه سازی فازی- عصبی-ژنتیک-الترونیک قدرت-کنترل مقاوم- چند متغیره- مدرن- دیجیتال-بهینه-شناسایی-قابلیت اطمینان-پردازش تصویر- سیگنال- ریاضیات  و ...

ثبت سفارش پیاده سازی مقالات جدید شما با نرم افزار متلب

ثبت سفارش ترجمه روان مقالات انگلیسی با هزینه مناسب

سفارش پستی DVD آخرین نسخه متلب  برای  ویندوز یا لینوکس (32 و 64 بیتی) همراه با مجموعه کتاب های آموزشی

ما را در صفحه فیسبوک دنبال کنید

facebook.com/mathworks.ir

 
كاربرد نرم‌افزار متلب در كنترل مدرن مشاهده در قالب PDF چاپ فرستادن به ایمیل
( 15 Votes )
میانگین امتیار کاربران: / 15
ضعیفعالی 

جزوه‌ي آموزشي زير مربوط به كاربرد نرم‌افزار متلب در كنترل مدرن است اين جزوه در واقع ضميمه‌ي كتاب «اصول كنترل مدرن» تأليف دكتر علي خاكي صديق مي‌باشد كه آقاي علي مرادي اماني آن را تهيه كرده است.

 

زبان: فارسي

تعداد صفحات: 56

فرمت: PDF

 

لينك دانلود

لينك پشتیبان

 
جاذب لورنز lorenz attractor مشاهده در قالب PDF چاپ فرستادن به ایمیل
( 6 Votes )
میانگین امتیار کاربران: / 6
ضعیفعالی 

جاذب لورنز lorenz attractor

در این بخش برنامه جاذب لورنز را با استفاده از دو روش رانگ کوتای مرتبه4 و ode45 با توجه به توضیحات داده شده مینویسم.

جاذب لورنز یک سیستم آشوبناک است که برای نختسن بار توسط ادوارد لورنز از انستیتو تکنولوژی ماساچوست معرفی شد.

http://mathworld.wolfram.com/LorenzAttractor.html

http://en.wikipedia.org/wiki/Lorenz_attractor

http://ozviz.wasp.uwa.edu.au/~pbourke/fractals/lorenz

سیستم معادلات لورنز عبارتند از

نمی خواهم در مورد نحوه استخراج این معادلات بحث کنم و تنها به این بسنده می­کنم که اساس آنها مباحث فیزیکی در ارتباط با جابجایی اتمسفراست. متغیرهای x، y و z نشان دهنده کمیت ها فیزیکی همچون دما و سرعت سیال هستند و پارامترها معرفی شده مربوط به ویژگیهای جو می باشند که با داده های زیر معین می شوند،

ادامه مطلب...
 
اعمال تبديل بر ويژگيها با استفاده از خطاي كلاس­بندي كمينه مبتني بر هسته برای بازشناسي الگو مشاهده در قالب PDF چاپ فرستادن به ایمیل
( 1 Vote )
میانگین امتیار کاربران: / 1
ضعیفعالی 

اعمال تبديل بر ويژگيها  با استفاده از خطاي كلاس­بندي كمينه مبتني بر هسته برای بازشناسي الگو

 

چكيده

روشهاي اعمال تبديل بر وي‍‍ژگي را مي­توان به دو دسته خطي و غيرخطي تقسيم كرد. روشهاي تبديل و استخراج وي‍ژگي مبتني بر هسته از جمله روش­هاي غيرخطي هستند كه اخيراً مورد توجه بيشتري قرار گرفته­اند. در اين روشها، ايده اصلي نگاشت غيرخطي ويژگيها به فضايي با ابعاد بالاتر است. اين نگاشت با هدفها و معيارهاي متفاوتي صورت مي­گيرد. در آناليز متمايزساز خطي مبتني بر هسته (KLDA)، معيار تفكيك­پذيري بيشتر ويژگيها در فضاي جديد است، حال آنكه در آناليز مولفه­هاي اصلي مبتني بر هسته (KPCA)، معيار استقلال بيشتر ويژگيها در فضاي حاصل است. در مقاله حاضر يك روش جديد مبتني بر هسته پيشنهاد و فرموله مي شود كه بر كمينه كردن خطاي كلاس­بندي در فضاي ايجاد شده توسط هسته (KMCE) تكيه دارد. معیارهای بهینه­سازی در روشهای KLDA و KPCA مستقل از خطای کلاس­بندی می­باشند در صورتیکه در روش پیشنهادی علاوه بر بهره برداری از ایده­ی نگاشت غیرخطی هسته­، معیار کمینه­سازی خطای کلاس بندی نیز مورد نظر قرار می­گیرد. نتايج حاصل بر روي دادگان UCI و كلاس­بندهاي مختلف، نشان مي­دهند كه روش پيشنهادي در مقايسه با روشهاي تبديل ويژگي خطي و روشهاي شناخته شده تبديل ويژگي مبتني بر هسته، در مورد كلاس­بندهای مبتنی بر فاصله، نرخ بازشناسی بهتری دارد و در مورد کلاس­بندهای آماری و مبتنی بر درخت تصمیم نیز کارآیی قابل قبولی دارد.

کلمات کلیدی: تبدیل ویژگی،  آنالیز تفکیک­پذیری خطی، روش آنالیز مولفه اصلی، خطای کلاس­بند کمینه، تابع هسته

 

ادامه مطلب...
 
اشتباهات معمول در MATLAB مشاهده در قالب PDF چاپ فرستادن به ایمیل
( 4 Votes )
میانگین امتیار کاربران: / 4
ضعیفعالی 

در اینجا اغلب اشتباهات که در هنگام استفاده از matlab رخ می دهد بیان شده است.

استفاده از ^، / و * به جای ^.، /.، و *.؛ در زمانی که سعی دارید بردارها یا ماتریس ها را به صورت عنصر به عنصر ضرب و تقسیم یا به توان برسانید، باید نقطه را قبل از این سه علامت قرار دهید. گاهی اوقات نیز ممکن است نقطه در زمانی که نیاز نیست استفاده شود. مثلاً برای ورودی و دستورات نمادین نیازی به نقطه است.

عدم تطابق پرانتزها، کروشه و دیگر علامات. MATLAB معمولاً به طور دقیق به این اشتباهات اشاره می کند، اگرچه ممکن است تفسیر این پیغام خطا سخت باشد، مخصوصاً اگر علامت  ;  در پایان یک رشته حذف شود.

ادامه مطلب...
 
تشخيص لبه با الگوریتم فازی مشاهده در قالب PDF چاپ فرستادن به ایمیل
( 1 Vote )
میانگین امتیار کاربران: / 1
ضعیفعالی 

تشخيص لبه در تصاوير ديجيتال با استفاده از تكنيك فازي

روش های مختلفی برای لبه یابی وجود دارد که هر کدام از آنها عیوب و مزایای دارند.اما یکی از متدهای لبه یابی که اخیرا توجه بسیاری از محققان در زمینه پردازش تصویر را به خود جلب کرده روش فازی یا همان لبه یابی فازی است.برای دریافت اطلاعات بیشتر روی کادر زیر کلیک کنید :

خلاصه مقاله :

لبه ها اجزای با فرکانس بالای تصویر هستند.به فیلترهای که در تشخیص لبه ها کاربرد دارند فیلترهای بالا گذر گویند. اما کار بر روی این دامنه های فرکانسی می تواند این کار را با بار پیچیدگی های اضافی همراه کند. بنابراین عموما تکنیک های تشخیص لبه بر اساس فضایی دامنه کار عمل می کنند. در حوزه فضایی، یک لبه را می توان به صورت کلاسیک با اولین یا دومین دستور مشتق گیری بدست آورد. چون مشتق مرتبه دوم حساسیت بالای نسبت به نویز دارد،عموما از مشتق مرتبه اول برای شناسای لبه های تصویر استفاده می کنیم واساس کار مشتق مرتبه اول شیب لبه هاست به صورت عمومی. قبل از بررسی مشتق مرتبه اول ، ما در ذهن داشته باشیم سیستم فازی ما طراحی شده بر اساس رابطه بین هر پیکسل و هشت نزدیک ترین پیکسل همسایه آن . وبنابراین اگر به یاد بیاریم که شیب خط از برادار X ها و جهت خط از بردار Y ها در مشتق مرتبه اول بدست میاید .پس می توانیم لبه ها را با ادامه همین عمل پیدا کنیم.

 

تكنيك فازي، يك عملگر معرفي شده به منظور شبيه سازي سطوح رياضي رفتار جبراني در پردازش تصميم گيري يا ارزيابي ذهني است. اين مقاله چنين عملگري را براي كاربردهاي بينايي كامپيوتري معرفي مي كند.
در اين مقاله يك روش جديد بر پايه استراتژي استدلال منطق فازي براي تشخيص لبه در تصاوير ديجيتال بدون تعيين مقدار آستانه ، پيشنهاد مي شود. روش پيشنهاد شده با بخش‌بندي كردن تصوير به نواحي، با استفاده از ماتريس باينري 3*‌3 شروع مي شود. پيكسل‌هاي لبه به محدوده اي از مقادير متمايز از يكديگر نگاشته مي شود. قابليت اطمينان نتايج روش پيشنهاد شده براي تصاوير گرفته شده متفاوت با عملگر سوبل (Sobel) خطي مورد مقايسه قرار مي گيرد. اين روش باعث تاثير پايدار در همواري و صاف بودن خطوط براي خط‌هاي مستقيم و گرد شدن براي خط هاي منحني مي شود. در اين حالت گوشه هاي تصوير تيزتر و به راحتي تعريف مي شوند.

 
<< شروع < قبلی 1 2 بعدی > انتها >>

صفحه 1 از 2