آمار کلی

بازدیدکنندگان : 2967367

Who's Online

ما 78 مهمان آنلاین داریم

پرداخت آنلاین بانک ملت

مبلغ تراکنش (ريال):
ثبت سفارش مشاهده در قالب PDF چاپ فرستادن به ایمیل
( 59 Votes )
میانگین امتیار کاربران: / 59
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

 
رسم ناحیه پر شده در متلب مشاهده در قالب PDF چاپ فرستادن به ایمیل
( 2 Votes )
میانگین امتیار کاربران: / 2
ضعیفعالی 

دستور area برای رسم یک ناحیه دو بعدی مورد استفاده قرار می گیرد.

area(Y)

area(X,Y)

area(...,basevalue)

area(...,'PropertyName',PropertyValue,...)

area(axes_handle,...)

h = area(...)

area('v6',...)

در شکل اول دستور Y یک ماتریس دلخواه است. این دستور به تعداد درایه های ماتریس نقطه در نظر گرفته و فضای بین صفر تا نقاط داده شده را پر می کند.با توجه با ماتریس داده شده یک یا چند ناحیه مشخص می شود.

Y=[ 1 3 ;2 4];

اگر Y را به این صورت انتخاب کنیم، ابتداستون  اول رسم می کند.به این صورت که x را برابر با اندیس داریه و Y را برابر با مقدار آن قرار می دهد.

ستون دوم به این صورت رسم می شود که مقدار هر درایه با مقدار درایه هم سطر ستونهای قبل از خود(در اینجا 1)جمع می شود و اینکار برای بقبه ستونها تکرار می شود..

فکر می کنید این دو دستور چه تفاوتی با هم دارند؟

area([1;2])

area([1 2])

 

ادامه مطلب...
 
زمانبندی در سیستم های گرید با استفاده از الگوریتم رقابت استعماری مشاهده در قالب PDF چاپ فرستادن به ایمیل
( 6 Votes )
میانگین امتیار کاربران: / 6
ضعیفعالی 

يکی از بخش­­های بسيار مهم در هر سيستم گريد، زمانبند است. وظيفه زمانبند مديريت منابع و تقسيم صحیح وظايف مابين منابع محاسباتی است. همچنين کنترل خطا از جمله­ وظايف اين مؤلفه است. زمانبندی بهتر باعث بالا رفتن بیشتر کيفيت سرويس می­شود. برای زمانبندی از روشهای مختلفی می­توان استفاده کرد. هدف از تعریف این پروژه ابتدا مطالعه و بررسی تعدادی از الگوريتمهای بهينه­سازی اِکتشافی و سپس پیاده­سازی و مقایسه آن­ها با یکدیگر است. الگوريتم­های موجود را می­توان به دو کلاس برخط[1] و دسته­ای[2] تقسيم نمود. در حالت برخط، هر وظيفه به محض رسيدن به زمانبند گريد، به منبع يا ماشين مناسب (از نظر زمانبند و استراتژی آن) تخصيص داده می­شود؛ اما در حالت دسته­ای وظايف بلافاصله زمانبندی نمی­شوند بلکه به صورت گروه یا مجموعه­ای از وظايف درآمده و با يک دوره تناوب خاص، عمل زمانبندی بر روی آنها صورت می­گيرد؛ در واقع عمل زمانبندی به صورت گروهی و دسته­ای انجام می­شود. الگوريتمهای برخط در شرايطی که نرخ ورود وظايف به محيط پايين باشد مناسب­اند و برعکس درباره راه­بردهای دسته­ای بهتر است نرخ ورود وظايف بالا باشد. واضح است که در مورد محيط گريد، پويايي زياد آن باعث می­شود که الگوريتمهای دسته­ای عملکرد بهتری داشته باشند.

الگوریتم رقابت استعماری  (Imperialist Competitive Algorithm - ICA) روشی در حوزه محاسبات تکاملی است که به یافتن پاسخ بهینه مسائل مختلف بهینه سازی می‌پردازد. این الگوریتم با مدلسازی ریاضی فرایند تکامل اجتماعی - سیاسی، الگوریتمی برای حل مسائل ریاضی بهینه سازی ارائه می‌دهد . از لحاظ کاربرد، این الگوریتم در دسته الگوریتم های بهینه سازی تکاملی همچون الگوریتم­های ژنتیک (Genetic Algorithms)، بهینه سازی انبوه ذرات (Particle Swarm Optimization)، بهینه سازی کلونی مورچگان (Ant Colony Optimization)، تبرید فلزات شبیه سازی شده (Simulated Annealing) و ... قرار می گیرد. همانند همه الگوریتم های قرار گرفته در این دسته، الگوریتم رقابت استعماری نیز مجموعه اولیه ای از جوابهای احتمالی را تشکیل می دهد. این جوابهای اولیه در الگوریتم ژنتیک با عنوان "کروموزوم"، در الگوریتم ازدحام ذرات با عنوان "ذره" و در الگوریتم رقابت استعماری نیز با عنوان "کشور" شناخته می شوند. الگوریتم رقابت استعماری با روند خاصی که در ادامه می آید، این جوابهای اولیه (کشور ها) را به تدریج بهبود داده و در نهایت جواب مناسب مسئله بهینه سازی (کشور مطلوب) را در اختیار می گذارد.

پایه‌های اصلی این الگوریتم را سیاست همسان سازی (Assimilation)، رقابت استعماری (Imperialistic Competition) و انقلاب (Revolution) تشکیل می‌دهند. این الگوریتم با تقلید از روند تکامل اجتماعی، اقتصادی و سیاسی کشورها و با مدلسازی ریاضی بخشهایی از این فرایند، عملگرهایی را در قالب منظم به صورت الگوریتم ارائه می‌دهد که می‌توانند به حل مسائل پیچیده بهینه سازی کمک کنند. در واقع این الگوریتم جوابهای مسئله بهینه سازی را در قالب کشورها نگریسته و سعی می‌کند در طی فرایندی تکرار شونده این جواب‌ها را رفته رفته بهبود داده و در نهایت به جواب بهینه مسئله برساند.

 

[1] Online mode

[2] Batch Mode

منابع: http://en.wikipedia.org/wiki/Imperialist_competitive_algorithm

 
رسم چندضلعی ها در متلب مشاهده در قالب PDF چاپ فرستادن به ایمیل
( 3 Votes )
میانگین امتیار کاربران: / 3
ضعیفعالی 

دستور patch برای رسم چندضلعی ها استفاده می‌شود.

 

patch (X,Y,C)

patch (X,Y,Z,C)

patch (FV)

patch (...'PropertyName',PropertyValue...)

patch ('PropertyName',PropertyValue...) PN/PV pairs only

handle = patch(...)

این دستور یك دستور سطح پایین محسوب می‌شود چون با استفاده از آن می‌توان نقطه ، خط ، چند‌ضلعی مسطح و اشكال 3 بعدی را رسم كرد.در حالتی كه xوy به صورت بردار باشد مشخص كننده یك چند ضلعی و همگامی كه بصورت ماتریس باشند به تعداد ستونهای ماتریس چند‌ضلعی رسم می‌كند.

 

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...
 
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.

 
مطالب بیشتر...
<< شروع < قبلی 1 2 بعدی > انتها >>

صفحه 1 از 2