ارائه روشی مبتنی بر سیستم عصبی فازی برای پیش بینی بهای تمام شده محصول جدید (1395) / نقاش ، عزیزاله، نویسنده
نوع مدرک: متون چاپی سرشناسه نقاش ، عزیزاله، نویسنده ردهبندی کنگره : COM A 3 1397 عنوان : ارائه روشی مبتنی بر سیستم عصبی فازی برای پیش بینی بهای تمام شده محصول جدید ناشر: دانشگاه شهید اشرفی اصفهانی : بی نا سال نشر : 1395 صفحه شمار: خ،73ص شابک/شاپا 22720 یادداشت پایان نامه کارشناسی ارشد : هوش مصنوعی شناسه افزوده : کارشناس ، حسین، استاد راهنما توصیفگرها قیمت تمام شده محصول پیش بینی قیمت شبکه عصبی- فازی روش فرا ابتکاریFinal Product Price Forecasting Product Price Neuro Fuzzy System ICA چکیده : یکی از ابزارهای مهم مورداستفاده برای تصمیمگیری جهت سرمایهگذاری، فنون پیشبینی و بهینهسازی هستند.هزینه¬یابی و پیش¬بینی بهای تمام شده محصول و مدل¬سازی آن یک ابزار قدرتمند برای مدیریت در بخش صنعت می¬باشد که می تواند اطلاعات موثری جهت تصمیم گیری برای ایجاد صنایع جدید، توسعه ظرفیت فعلی و اتخاذ تصمیم جهت توقف تولید یک محصول در اختیار مدیریت یک شرکت قرار دهد. در این پایان¬نامه بهمنظور کمتر کردن میزان خطا درپیش¬بینی، یک مدل ANFIS ترکیبی با روش فرابتکاری استفاده شده که از روش¬ فرا ابتکاریICA برای تعیین پارامترهای تابع عضویت استفاده می کنیم و از این روش فرا ابتکاری برای تعیین پارامتر ها انفیس استفاده کرده و نتایج عملکرد آن با شبکه عصبی مصنوعی و همچنین انفیس در حالت تک متغییره و چند متغییره مقایسه می¬شود. روش پیشنهادی شامل ترکیب ANFIS و الگوریتم رقابت استعماری است و ازتبدیل موج به منظور بهبود عملکرد استفاده شده و بر روی ورودی ها اعمال گردیده است. در این مدل از ANFIS نوع sugeno با آموزش levenberg-marquat استفاده شده است. نتایج بدست آمده نشان داد که مدل پیشنهادی در حالت چند متغیره بهترین عملکرد را در پپیش¬بینی به همراه داشته است و نتایج نسبت به گذشته بهتره بوده و بهبود یافته است و خطای RMSE در این روش برای حالت تک متغیره برابر 0.097 می باشد و برای حالت چند متغیره این خطا برابر 0.031 می باشد لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=1436 زبان مدرک : فارسی
شماره ثبت شماره بازیابی نام عام مواد محل نگهداری بخش وضعیت ثبت وضعیت امانت 22720 COM A 3 1397 پایاننامه دانشگاه شهید اشرفی اصفهانی مرکزی اسناد مرجع غیر قابل امانت ارائه ی روشی برای تشخیص احساسات مبتنی بر سیگنال EEG با استفاده از یادگیری عمیق (1399) / نقوی ، فاطمه، نویسنده
نوع مدرک: متون چاپی سرشناسه نقوی ، فاطمه، نویسنده ردهبندی کنگره : COM A 8 1399 عنوان : ارائه ی روشی برای تشخیص احساسات مبتنی بر سیگنال EEG با استفاده از یادگیری عمیق عنوان موازی : EEG based Emotion Recognition Using Deep Learning ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1399 صفحه شمار: 61ص شابک/شاپا 23339 یادداشت پایان نامه کارشناسی ارشد: هوش مصنوعی شناسه افزوده : نقش نیلچی ، احمدرضا، استاد راهنما توصیفگرها تشخیص احساس سیگنال مغزی یادگیری عمیق Emotion Detection Brain Signal Deep Learning چکیده : احساسات که هم روی وضعیت فیزیولوژیکی و هم روحی انسان تاثیر می¬گذارد نقش مهمی را در زندگی بشر ایفا می¬کند. احساسات مثبت به بهبود سلامت انسان و بازدهی کار کمک می¬کند در حالی که احساسات منفی ممکن است باعث بروز مشکلات سلامتی شوند. احساسات منفی در طولانی مدت مستعد افسردگی هستند و ممکن است در نهایت منجر به خودکشی شوند. تشخیص احساس در حوزه-های مختلفی چون سلامت رانندگی، مراقبت از سلامتی به ویژه سلامتی روحی، امنیت اجتماعی ، و... کاربرد دارد. به طور کلی، متدهای تشخیص احساس به دو دسته¬ی مهم تقسیم می¬شوند. یک دسته استفاده از سیگنال¬های فیزیکی انسان مانند حالت صورت ، صوت و ژست و... است که مزیت آن¬ها این است که به آسانی جمع¬آوری می¬شوند و سال¬های زیادی مورد مطالعه قرار گرفته¬اند. هر چند قابلیت اعتماد در آن¬ها تضمین نمی¬شود زیرا کنترل آن¬ها برای انسان جهت مخفی کردن احساسات واقعیشان به ویژه در ارتباطات اجتماعی بسیار آسان است. دسته¬ی دیگر استفاده از سیگنال¬های داخلی از جمله سیگنال مغز است. تاکنون روش¬های متعددی برای تشخیص احساس مبتنی بر سیگنال مغز پیشنهاد شده است که نیاز بهبود دقت تشخیص دارند. در این پایان نامه سعی شده است تا دقت تشخیص با اراِئه¬ی یک روش یادگیری عمیق و استفاده از ویژگی¬های سیگنال افزایش داده شود. مدل پیشنهادی علاوه بر سیگنال¬ها با ویژگی¬ها نیز تغذیه می¬شود. و بعد از یادگیری نگاشت ویژگی¬های مربوط به سیگنال و ویژگی، همه¬ی نگاشت ویژگی¬¬ها را کنار هم قرار داده سپس بر اساس آن دسته¬بندی داده¬ها را انجام می¬دهد. همچنین مدل دو بار آموزش داده شده است. روش پیشنهادی روی مجموعه¬ داده سید مورد ازریابی قرار گرفته¬است و نتایج نشان می¬دهد که این روش توانسته نتیجه¬ی مطلوبی در این زمینه داشته باشد. دقت تشخیص با استفاده از روش پیشنهادی 3/87 می¬باشد لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=12651 زبان مدرک : فارسی
شماره ثبت شماره بازیابی نام عام مواد محل نگهداری بخش وضعیت ثبت وضعیت امانت 23339 COM A 8 1399 پایاننامه دانشگاه شهید اشرفی اصفهانی مرکزی اسناد مرجع غیر قابل امانت
نوع مدرک: متون چاپی سرشناسه تحریریان ، محمدمهدی، نویسنده ردهبندی کنگره : COM A 18 1400 عنوان : ارتباط ماشین با ماشین در خانه های هوشمند درمحیط اینترنت اشیاء عنوان موازی : Machine-to-Machine Communications for Smart Home in the Internet of Things environment ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1400 صفحه شمار: 77ص شابک/شاپا 23915 یادداشت پایان نامه کارشناسی ارشد: مهندسی کامپیوتر گرایش هوش مصنوعی و رباتیکز شناسه افزوده : کلینی ، مینا، نویسنده توصیفگرها اینترنت اشیاء ارتباط ماشین با ماشین خانه هوشمند پروتکل tcp/ip IoT machine to machine communication smart home tcp / ip protocol چکیده : در سالهای اخیر تحقیقات زیادی در مورد فواید و امکانات خانه هوشمند شده است و به عنوان فناوری های کامل و ارزان، ارتباطات بی سیم افزایش یافته وطیف وسیعی از برنامه های کاربردی در حال گسترده تر شدن هستند. وقتی شما وارد منزل می شوید و سناریو ورود فعال می شود سرمایش و گرمایش هوشمند شروع به کار می کند تا دما و درجه ی مطلوبی که شما برنامه ریزی کرده بودید برسد. البته ممکن است در بعضی فضاها دستگاهها خاموش باشند یا دمای متفاوتی کار کنند. در بعضی فضاها هم مثل انبار ، اتاق مهمان و ... چون کمتر استفاده می کنید بر اساس حضور شما سیستم فعال می شود.باتوجه به کاهش هزینه اجرای طرح پیشنهادی از 736.6دلار در مقاله مرجع به 40.6 دلار در طرح پیشنهادی کاهش هزینه اجرای طرح پسشنهادی قابل ملاحظه است.وهمچین سرعت انتقال انتقال اطلاعات دما و رطوبت از 3 ثانیه به 1 ثانیه در طرح پیشنهادی کاهش یافته که باعث شده دما و رطوبت بدون وقفه در خانه و محیط اینترنت اشیاء قابل مشاهده باشد.ما در این پایان نامه بر اساس مقاله ارتباط ماشین با ماشین در خانه های هوشمند نوشته اقای رسول داس از ترکیه با انجام تغییرات و تعویض برد هوشمند زربری پای 2 به آردینو و حذف سخت افزارهای ارتباطی با سخت افزار های ارزان تر و در دسترس اقدام به اجرای کولر هوشمند در خانه هوشمند با تغییرات جدید کردیم و به نتایج خوبی ازجمله راحتی اجرا و کاهش هزینه ها رسیدیم لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13113 زبان مدرک : فارسی
شماره ثبت شماره بازیابی نام عام مواد محل نگهداری بخش وضعیت ثبت وضعیت امانت 23915 COM A 18 1400 پایاننامه دانشگاه شهید اشرفی اصفهانی مرکزی اسناد مرجع غیر قابل امانت استفاده از الگوریتم خوشهبندی فازی بهمنظور بهبود تشخیص خودکار خرابیهای حاصل از جوشکاری در سازههای فلزی (1399) / مشهور به فرخ نواب اکبر ، عبدالحسین، نویسنده
نوع مدرک: متون چاپی سرشناسه مشهور به فرخ نواب اکبر ، عبدالحسین، نویسنده ردهبندی کنگره : COM A 9 1399 عنوان : استفاده از الگوریتم خوشهبندی فازی بهمنظور بهبود تشخیص خودکار خرابیهای حاصل از جوشکاری در سازههای فلزی عنوان موازی : Using a fuzzy clustering algorithm to improve the automatic detection of steel-weld failures in metal structures ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1399 صفحه شمار: ط، 75ص شابک/شاپا 23342 یادداشت پایان نامه کارشناسی ارشد: هوش مصنوعی شناسه افزوده : ترابیان ، مهدی، استاد راهنما توصیفگرها پردازش تصویر جوشکاری شناسایی خودکار نواقص جوشکاری خوشهبندی فازی welding image processing automatic detection of welding defects fuzzy clustering چکیده : برای اتصالات بین فلزات از فرایند خاص جوشکاری استفاده میشود و در این میان کنترل کیفیت این فرایند بسیار حائز اهمیت است بهگونهای که امروزه روشهای کنترل چشمی آنالیزهای مخرب تقریباً جای خود را به روشهای تشخیص عیوب جوشکاری بهصورت خودکار و غیر مخرب دادهاند. در بین روشهای غیر مخرب با توجه به ارزان بودن پرتونگاری نسبت به دیگر روشهای غیر مخرب و نیز سادگی آنالیز تصاویر رادیوگرافی، این روش خاص از جامعیت بیشتری برخوردار است. اما با توجه به اینکه تصاویر رادیوگرافی دارای کیفیت پایینی هستند لذا ممکن است که تشخیص نواقص جوشکاری برای انسان همراه با خطا باشد درنتیجه امروزه سعی بر این است که برای تحلیل تصاویر رادیوگرافی جوشکاری از کامپیوتر و روشهای پردازش تصویر بهصورت خودکار کمک گرفته شود. در این کار از روشهای خوشهبندی جهت تشخیص عیوب جوشکاری استفادهشده است و روال کار بدینصورت است که ابتدا اثرات منفی تصاویر مانند نویزهایی که بر روی تصاویر میافتند بهوسیله پیشپردازشهایی حذفشده و بعد از افزایش کیفیت تصویر، الگوریتم خوشهبندی فازی (FCM) بر روی تصاویر پیاده شده و عیوب مربوط به جوشکاری شناسایی میشوند. در این کار متغیر مستقل تعداد خوشهها در خوشهبندی فازی هست و نشان دادهشده است که با افزایش تعداد خوشهها دقت تشخیص عیوب در تصاویر جوشکاری افزایش مییابد. همچنین بر اساس نتایج بهدستآمده در فصل پنجم، میانگین دقت روش پیشنهادی برای عیوب ترکهای کوچک، ترکهای بزرگ و حفرهها به ترتیب برابر 92.01%، 94.67% و 99.92% هست لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=12654 زبان مدرک : فارسی
شماره ثبت شماره بازیابی نام عام مواد محل نگهداری بخش وضعیت ثبت وضعیت امانت 23342 COM A 9 1399 پایاننامه دانشگاه شهید اشرفی اصفهانی مرکزی اسناد مرجع غیر قابل امانت بازیابی تصویر بر اساس الگوهای ترکیب رنگ دودویی محلی و با تمرکز بر کاهش بار محاسباتی (1399) / احمدی قراچه ، شیما، نویسنده
نوع مدرک: متون چاپی سرشناسه احمدی قراچه ، شیما، نویسنده ردهبندی کنگره : COM A 12 1399 عنوان : بازیابی تصویر بر اساس الگوهای ترکیب رنگ دودویی محلی و با تمرکز بر کاهش بار محاسباتی عنوان موازی : Title of the Thesis: Image Retrieval Based On Hybrid Color Local Binary Pattern In Presence of Complexity Reduction ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1399 صفحه شمار: ز، 84ص شابک/شاپا 23557 یادداشت پایان نامه کارشناسی ارشد: هوش مصنوعی شناسه افزوده : فکری ارشاد ، شروان، استاد راهنما توصیفگرها بازیابی تصویر ویژگی های بافت ویژگی های رنگ خوشه بند K-means local extrema peak pattern local extrema valley pattern Image Retrieval Texture Features Color Features K-means Clustering چکیده : با توجه به پیشرفت روز افزون تجهیزات و دستگاه¬های تصویربرداری دیجیتال مانند تلفن¬های همراه هوشمند، روزانه حجم وسیعی از تصاویر دیجیتال در فضای وب، دیسک¬های سخت، سرورها و غیره ذخیره می¬شوند. حجم گسترده این تصاویر، بازیابی آنها را به یکی از چالش¬های این زمینه تبدیل کرده است. یکی از معمول¬ترین روش¬های بازیابی تصاویر، بازیابی مبتنی بر محتوا است. یکی از رایج¬ترین تکنیک¬ها برای بازیابی تصاویر مبتنی بر محتوا استفاده از ویژگی¬های رنگ و بافت تصاویر است. اما روش-هایی که تاکنون ارائه شده است بازدهی و کارایی لازم را نداشته و نیاز به تحقیقات بیشتر بیش از پیش احساس می¬شود. در این تحقیق از یک روش مبتنی بر ترکیب ویژگی¬های بافت و رنگ برای بازیابی تصاویر استفاده شده است. در بخش ویژگی¬های رنگ با استفاده از هیستوگرام رنگ، هیستوگرام گرادیان جهت¬دار، تفاضل هیستوگرام رنگ و گشتاورهای رنگ ویژگی¬های تصویر استخراج شده است. در بخش ویژگی¬های بافت چهار دسته ویژگی مبتنی بر روش¬های Local Ternary Patterns ، Modified Local Binary Pattern ، local extrema peak pattern و local extrema valley pattern از تصویر استخراج شده و در نهایت بردارهای ویژگی این دو دسته با یکدیگر الحاق شده و بردار ویژگی نهایی برای تصویر تولید می¬شود. سپس تمامی ویژگی¬ها خوشه¬بندی شده و فاصله¬ی تصویر درخواستی و مراکز خوشه¬های بدست آمده بعنوان معیار محاسبه¬ی فاصله اولیه در نظر گرفته می¬شود. در نهایت بازیابی از خوشه¬ای انجام می¬پذیرد که سرخوشه¬ی آن کمترین فاصله را تا تصویر درخواستی داشته باشد. رایج¬ترین خوشه بند مورد استفاده برای حوزه، خوشه¬بند K-means است که در این تحقیق از این خوشه¬بند استفاده شده است. ازمایشات انجام شده بر روی داده¬های پایگاه داده¬ی Corel نشان می¬دهد روش پیشنهاد شده با دقت بازیابی 28/74 % در مقابل روش مرجع با دقت 53/71 % توانسته است در تعداد تصاویر بازیابی کمتر از 50، بیش از 2 درصد از روش مرجع برتری داشته باشد. همچنین استفاده از روش خوشه¬بندی موجب شده است که بازیابی تصاویر تا 80 برابر سریع¬تر (زمان بازیابی بدون خوشه¬بندی 871438/2 و زمانن بازیابی با خوشه¬بندی 036151/0) انجام شود که در پایگاه¬داده¬های بزرگ از اهمیت بسیار بالایی برخودار است لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=12818 زبان مدرک : فارسی
شماره ثبت شماره بازیابی نام عام مواد محل نگهداری بخش وضعیت ثبت وضعیت امانت 23557 COM A 12 1399 پایاننامه دانشگاه شهید اشرفی اصفهانی مرکزی اسناد مرجع غیر قابل امانت
نوع مدرک: متون چاپی سرشناسه کیهان ، نسیم، نویسنده ردهبندی کنگره : COM A 21 1400 عنوان : بازیابی تصویر براساس ترکیب وزن دار اطلاعات رنگ و الگو های بافتی محلی عنوان موازی : Image retrieval based on weighted combination of color information and local texture patterns ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1400 صفحه شمار: خ، 85ص شابک/شاپا 23963 یادداشت پایان نامه کارشناسی ارشد: مهندسی کامپیوتر گرایش هوش مصنوعی شناسه افزوده : فکری ارشاد ، شروان، استاد راهنما توصیفگرها بازیابی تصویر براساس محتوا استخراج ویژگی الگو های دودویی محلی الگو های اختلاف همسایگی محلی ترکیب وزن دار Content based image retrieval feature extraction Texture analysis local binary patterns local neighborhood difference patterns weighted combination چکیده : افزایش روز افزون توسعه تکنولوژی¬های کامپیوتری و ارتباطات، مقوله ذخیره¬سازی و بازیابی اطلاعات بویژه تصاویر را به یکی از فعال¬ترین حیطه¬ها در توسعه نظام¬های چندرسانه¬ای مبدل کرده است (مریم اخوتی و همکاران ،1392). بازیابی تصویر به معنای جستجو و استخراج شبیه ترین تصاویر به تصویر پرس و جو از درون یک پایگاه داده بزرگ تصاویر است. در این سیستم¬ها زمان جست و جو، دقت و صحت نتایج استخراجی اهمیت زیادی دارد. سایر چالش¬ها مانند نویز، چرخش، تغییرات مقیاس نیز برکارایی سیستم تاثیر می¬گذارند. پژوهش¬های پیشین نشان میدهندکه ویژگی¬های بافت، شکل و رنگ به تنهایی نمیتواند توصیف خوبی از محتوا و اشیا درون تصویر ارائه دهند. به این دلیل در سال¬های اخیر، محققین به سمت استفاده از رویکردهای ترکیبی به جای استفاده از تنها یک ویژگی مانند رنگ، شکل و بافت برای توصیف ویژگی¬های تصویر ترغیب شده¬اند. در روش¬های ترکیبی که تاکنون ارائه شده¬اند، معمولاً ویژگی¬های استخراج شده از تصاویر با ارزشی یکسان جهت بازیابی تصویر درنظرگرفته شده¬اند و ترکیب وزن¬دار اطلاعات و تفکیک ارزش ویژگی¬ها به کارگرفته نشده است. بنابراین، این پایان نامه روشی را ارائه می¬کند که از ترکیب اطلاعات محلی بافت و کُلی رنگ به صورت وزن¬دار جهت توصیف محتویات تصویر استفاده نماید. شیوه پیشنهادی در این پایان نامه شامل دو بخش است. بخش اول به استخراج ویژگی¬های بافت و استخراج ویژگی¬های رنگ و بخش دوم به ترکیب وزن¬دار ویژگی¬های استخراجی و تطابق شبیه ترین¬ها اختصاص دارد. در این راستا در مرحله استخراج ویژگی¬های بافت، از ترکیب عملگر¬های 〖 MLBP〗_(P,R)،LNDP، فیلترگوسی و ماتریس همرخداد استفاده شده است. در خصوص استخراج ویژگی¬های رنگ، از هیستوگرام رنگ استفاده شده است. پس از استخراج بردار ویژگی¬های بافت و رنگ، آنها با یکدیگر الحاق می¬شوند و بردار ویژگی بدست می¬آید. سرانجام، برای مرحله تطابق شباهت، کارآمدترین معیار شباهت با درنظرگرفتن وزن هرگروه از ویژگی¬های استخراجی استفاده شده است. عملکرد رویکرد پیشنهادی از نظر دقت و فراخوان بر روی مجموعه داده¬های corel-1k و corel-10k ارزیابی شده است و دقت 31/56 درصد روی مجموعه داده corel-10k و دقت 52/82 درصد روی مجموعه داده corel-1k بدست آمده است. نتایج نشان می¬دهد که روش پیشنهادی نسبت به بسیاری از روش¬های ارائه شده در این حوزه، نرخ دقت و نرخ فراخوان را افزایش داده است.افزایش روز افزون توسعه تکنولوژی¬های کامپیوتری و ارتباطات، مقوله ذخیره¬سازی و بازیابی اطلاعات بویژه تصاویر را به یکی از فعال¬ترین حیطه¬ها در توسعه نظام¬های چندرسانه¬ای مبدل کرده است (مریم اخوتی و همکاران ،1392). بازیابی تصویر به معنای جستجو و استخراج شبیه ترین تصاویر به تصویر پرس و جو از درون یک پایگاه داده بزرگ تصاویر است. در این سیستم¬ها زمان جست و جو، دقت و صحت نتایج استخراجی اهمیت زیادی دارد. سایر چالش¬ها مانند نویز، چرخش، تغییرات مقیاس نیز برکارایی سیستم تاثیر می¬گذارند. پژوهش¬های پیشین نشان میدهندکه ویژگی¬های بافت، شکل و رنگ به تنهایی نمیتواند توصیف خوبی از محتوا و اشیا درون تصویر ارائه دهند. به این دلیل در سال¬های اخیر، محققین به سمت استفاده از رویکردهای ترکیبی به جای استفاده از تنها یک ویژگی مانند رنگ، شکل و بافت برای توصیف ویژگی¬های تصویر ترغیب شده¬اند. در روش¬های ترکیبی که تاکنون ارائه شده¬اند، معمولاً ویژگی¬های استخراج شده از تصاویر با ارزشی یکسان جهت بازیابی تصویر درنظرگرفته شده¬اند و ترکیب وزن¬دار اطلاعات و تفکیک ارزش ویژگی¬ها به کارگرفته نشده است. بنابراین، این پایان نامه روشی را ارائه می¬کند که از ترکیب اطلاعات محلی بافت و کُلی رنگ به صورت وزن¬دار جهت توصیف محتویات تصویر استفاده نماید. شیوه پیشنهادی در این پایان نامه شامل دو بخش است. بخش اول به استخراج ویژگی¬های بافت و استخراج ویژگی¬های رنگ و بخش دوم به ترکیب وزن¬دار ویژگی¬های استخراجی و تطابق شبیه ترین¬ها اختصاص دارد. در این راستا در مرحله استخراج ویژگی¬های بافت، از ترکیب عملگر¬های 〖 MLBP〗_(P,R)،LNDP، فیلترگوسی و ماتریس همرخداد استفاده شده است. در خصوص استخراج ویژگی¬های رنگ، از هیستوگرام رنگ استفاده شده است. پس از استخراج بردار ویژگی¬های بافت و رنگ، آنها با یکدیگر الحاق می¬شوند و بردار ویژگی بدست می¬آید. سرانجام، برای مرحله تطابق شباهت، کارآمدترین معیار شباهت با درنظرگرفتن وزن هرگروه از ویژگی¬های استخراجی استفاده شده است. عملکرد رویکرد پیشنهادی از نظر دقت و فراخوان بر روی مجموعه داده¬های corel-1k و corel-10k ارزیابی شده است و دقت 31/56 درصد روی مجموعه داده corel-10k و دقت 52/82 درصد روی مجموعه داده corel-1k بدست آمده است. نتایج نشان می¬دهد که روش پیشنهادی نسبت به بسیاری از روش¬های ارائه شده در این حوزه، نرخ دقت و نرخ فراخوان را افزایش داده است لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13161 زبان مدرک : فارسی
شماره ثبت شماره بازیابی نام عام مواد محل نگهداری بخش وضعیت ثبت وضعیت امانت 23963 COM A 21 1400 پایاننامه دانشگاه شهید اشرفی اصفهانی مرکزی اسناد مرجع غیر قابل امانت
نوع مدرک: متون چاپی سرشناسه بهروز دهکردی ، زهره، نویسنده ردهبندی کنگره : COM A 27 عنوان : بخش بندی تصاویر CT کبد با استفاده الگوریتم آبپخشان عنوان موازی : Segmentation of CT images of the liver using a diffusion algorithm ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1400 صفحه شمار: 110ص شابک/شاپا 24508 یادداشت پایان نامه کارشناسی ارشد : رشتهی مهندسی کامپیوتر گرایش هوش مصنوعی و رباتیکز شناسه افزوده : کلینی ، مینا، استاد راهنما توصیفگرها ﺗﻮﻣﻮر، ﺷﺪت روﺷﻨﺎﯾﯽ، ﺗﺼﺎوﯾﺮ ﭘﺰﺷﮑﯽ، ﮐﺒﺪ، ﺗﺼﻮﯾﺮ ﺑﺮداري، پیکسل tumor, light intensity, medical images, liver, imaging, pixels چکیده : یکی از مراحل اساسی در پردازش تصویر تقطیع یا بخشبندی تصویر است که تصویر را به نواحی جدا از هم به گونه ای تقسیم می کند که هر ناحیه مجموعه ای از پیکسل های مجاور و متصل بهم می باشند هدف از تقطیع این است که یک تصویر را به مناطق معنی دار و راحت تجزیه کنیم. به دلیل اهمیت حیاتی کبد، بیماریهای کبد تهدید کننده زندگی بشر هستند که بدون هیچ پیش هشداری رخ می دهند. در قطعه¬بندی تصاویر پزشکی کبد، هدف اصلی تجزیه کردن آنها به ساختارهای مختلف آناتومی میباشد، که اجزایی مانند رگ های خونی وتومورهای کبد را از پیش¬زمینه آنها جدا می¬سازد. تاکنون روش هایی بسیاری برای تقطیع تصویر انجام گرفته که از جمله میتوان به روش های آماری و روشهای خوشه¬بندی فازی روشهای بهینه¬سازی و روشهای مبتنی برگراف اشاره کرد. روشهای آماری و روشهای بسیارکار امد ولی پر هزینه است. تابحال روشهای مختلفی برای بخشبندی تصاویر CT کبد معرفی شده است اما پیچیدگی زیاد تصاویر و تنوع شکل در آن¬ها باعث میشود حتی با وجود استفاده از انواع ویژگیها، فرآیند بخشبندی با دقت کافی انجام نشود. ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻣﻮارد ﻓﻮق ﻫﺪف اﺻﻠﯽ اﯾﻦ ﭘﮋوﻫﺶ اراﺋﻪ روش ﺑﺨﺶﺑﻨﺪی ﺗﻮﻣﻮرﻫﺎی ﮐﺒﺪ ﺑﺎ ﺷﺪت روﺷﻨﺎﯾﯽﻫﺎی ﻣﺘﻔﺎوت از روی ﺗﺼﺎوﯾﺮ ﭘﺰﺷﮑﯽ ﻣﯽﺑﺎﺷﺪ. در ﺗﺼﻮﯾﺮ ﺑﺮداری از ﮐﺒﺪ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻓﺎز ﺗﺼﻮﯾﺮﺑﺮدای، ﭼﻨﺎﻧﭽﻪ ﺷﺪت روﺷﻨﺎﯾﯽ ﺑﺎﻓﺖ ﺗﻮﻣﻮر از ﺷﺪت روﺷﻨﺎﯾﯽ ﮐﺒﺪ ﺑﯿﺸﺘﺮ ﺑﺎﺷﺪ ﺑﻪ اﯾﻦ ﺗﻮﻣﻮر Hyperintense ﮔﻔﺘﻪ ﻣﯽﺷﻮد. ﻫﻤﭽﻨﯿﻦ ﺗﻮﻣﻮرﻫﺎﯾﯽ ﮐﻪ ﺷﺪت روﺷﻨﺎﯾﯽ آنﻫﺎ از ﺷﺪت روﺷﻨﺎﯾﯽ ﺑﺎﻓﺖ ﮐﺒﺪ ﮐﻤﺘﺮ ﺑﺎﺷﺪ Hypointense ﻧﺎﻣﯿﺪه ﻣﯽﺷﻮﻧﺪ. با توجه به آنکه بخش عمدهای از کار بخشبندی در ارتباط با روش CAP میباشد میزان تاثیر نویز داده و تاثیر آن بر خروجی روش CAP با استفاده از دادهی مصنوعی بررسی شد که نتایج نشان داده شده که، روش CAP توانسته است به خوبی بر نویز موجود در تصویر غلبه نماید و عملا این نویز در نتیجه موثر نیست لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13583 زبان مدرک : فارسی
شماره ثبت شماره بازیابی نام عام مواد محل نگهداری بخش وضعیت ثبت وضعیت امانت 24508 COM A 27 پایاننامه دانشگاه شهید اشرفی اصفهانی مرکزی اسناد مرجع غیر قابل امانت بررسی اطلاعات و پیش¬بینی رفتار مصرف برق مشترکین با استفاده از تکنیک¬های داده¬کاوی(شرکت توزیع نیروی برق استان اصفهان) (1400) / باقری طادی ، سمیه، نویسنده
نوع مدرک: متون چاپی سرشناسه باقری طادی ، سمیه، نویسنده ردهبندی کنگره : COM A 25 عنوان : بررسی اطلاعات و پیش¬بینی رفتار مصرف برق مشترکین با استفاده از تکنیک¬های داده¬کاوی(شرکت توزیع نیروی برق استان اصفهان) عنوان موازی : Investigating information and forecasting electricity consumption behavior of subscribers using data mining techniques (Isfahan Power Distribution Company) ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1400 صفحه شمار: 81ص شابک/شاپا 24506 یادداشت پایان نامه کارشناسی ارشد : رشته کامپیوتر گرایش هوش مصنوعی و رباتیکز شناسه افزوده : نعمت بخش ، ناصر، استاد راهنما توصیفگرها پیش بینی ، مصرف برق، مشترکین ، دادهکاوی، دسته بندی، رگرسیون خطی، خوشه بندی : Electricity power consumption، Consumer، Data mining Prediction، Classification، Regression، Clustering چکیده : بررسی اطلاعات و پیش بینی رفتار مصرف برق مشترکین با استفاده از تکنیک های داده کاوی (مطالعه موردی: شرکت توزیع نیروی برق استان اصفهان)است در عصر حاضر به جرات می توان گفت بشر برای انجام فعالیت های روزمره و افزایش رفاه زندگی خود، بیش از هر انرژی دیگر از انرژی الکتریکی بهره می برد. با توجه به مشکل ذخیره سازی انرژی الکتریکی، پیش بینی میزان بار مورد نیاز به منظور داشتن یک شبکه توزیع برق مطمئن و پایدار حیاتی است. مشترکین برق یکی از اصلی ترین ارکان زنجیره عرضه برق می باشند. هدف این تحقیق پیش بینی برق مصرفی مشترکین و تحلیل رفتار مصرفی آن ها تحت تاثیر عوامل آب و هوایی و متغیرهای زمانی می باشد. در صورت داشتن یک پیش بینی مناسب و دقیق می توان از هدررفت منابع مالی ناشی از افزایش هزینه های عملیاتی جلوگیری نمود. از سوی دیگر، با توجه به حجم انبوه داده های مصرف مشترکین و عوامل موثر، تنها می توان با استفاده از ابزارهای نوین فن آوری اطلاعات همچون داده-کاوی به تجزیه وتحلیل داده ها پرداخت. ابزار داده کاوی به استخراج الگوها و دانش پنهان از داده ها جهت یک پیش بینی درست می پردازد.
شرکت توزیع برق استان اصفهان همزمان با تشکیل شرکتهای توزیع در سراسر کشور پس از جداسازی از شرکت برق منطقه ای اصفهان در 1372 تشکیل و فعالیت خود را آغاز نمود. در حال حاضر 23 حوزه فرمانداری در 45 منطقه عملیاتی در سطح استان اصفهان (به غیر از شهرستان اصفهان) با وسعتی بالغ بر 90 هزار کیلومتر مربع با یک میلیون و چهارصد هزار مشترک تحت پوشش خدمات این شرکت هستند
در این تحقیق، به بررسی و پیش بینی میزان مصرف برق مشترکین شرکت توزیع نیروی برق استان اصفهان می پردازیم. برای این منظور و با در اختیار داشتن داده های مصرفی طی سال 1396 تا 1400 و در دوره دوماهه، الگوریتم های پیش بینی کننده Regression را بر روی داده های موجود سال 1396 و 1397 اجرا نموده و نتایج حاصل از اجرای هر الگوریتم را برای سال 1400 پیش بینی مینماییم. و بر اساس معیارهای ارزیابی خطای پیش بینی مانند میانگین درصد قدرمطلق خطا مورد بررسی و مقایسه قرار گرفت.و با اطلاعات بدست آمده از فرمول پیش بینی، به پیش بینی سال 1405 میپردازیم. نیزمیتوان با خوشه بندی مشترکین با استفاده از الگوریتم به بررسی رفتار مصرفی آن ها پرداخته شد. در نهایت، به نتیجه گیری و ارائه پیشنهادات پرداختیملینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13581 زبان مدرک : فارسی
شماره ثبت شماره بازیابی نام عام مواد محل نگهداری بخش وضعیت ثبت وضعیت امانت 24506 COM A 25 پایاننامه دانشگاه شهید اشرفی اصفهانی مرکزی اسناد مرجع غیر قابل امانت بهبود حریم خصوصی پایگاه¬های داده مبتنی برکاوش در قوانین انجمنی با استفاده از الگوریتم فرا اکتشافی وال تطبیقی دودویی (1401) / زاهدی ، علی، نویسنده
نوع مدرک: متون چاپی سرشناسه زاهدی ، علی، نویسنده ردهبندی کنگره : COM A 33 عنوان : بهبود حریم خصوصی پایگاه¬های داده مبتنی برکاوش در قوانین انجمنی با استفاده از الگوریتم فرا اکتشافی وال تطبیقی دودویی عنوان موازی : privacy preserving improvement of databases based on association rules mining using binary adaptive whale metaheuristic algorithm ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1401 صفحه شمار: 74ص شابک/شاپا 24514 یادداشت پایاننامه کارشناسی ارشد :رشته مهندسی کامپیوتر گرایش هوش مصنوعی و رباتیکز شناسه افزوده : کلینی ، مینا، استاد راهنما توصیفگرها داده کاوی، قوانین پرتکرار، حریم خصوصی، مخفی سازی، الگوریتم انطباقی وال Data mining, Recurrent rules, Privacy, Concealment, Wall adaptive algorithm چکیده : در دو دهه گذشته پیشرفت صنعت رایانه، تولید رشد کیفیت داده را به دنبال داشته است. تکنولوژی دادهکاوی هم یک تکنولوژی متداول در تمامی رشتهها و تخصصها شده است. اگرچه دادهکاوی سبب شده است که حریم خصوصی سازمانها و افراد مورد تجاوز قرار بگیرد. در نتیجه سبب شده است حفظ حریم خصوصی در الویت قرار بگیرد. به منظور حفظ حریم خصوصی الگوریتمهای PPDM مورد توجه قرار گرفتهاند. حفظ حریم خصوصی در کاوش قوانین انجمنی یکی از زیر شاخههای PPDM است. در این تحقیق روشهای PPDM به کارگرفته شده است تا اطلاعات حساس موجود در پایگاه داده حفظ و نگهداری شوند. یکی از جنبههای مهم مخفی کردن اطلاعات حساس، مخفی کردن قوانین انجمنی است. مخفی کردن قوانین انجمنی به منظور رعایت حریم خصوصی در دادهها است. یکی از چالش¬های موجود در حفظ حریم خصوصی وجود هزینه¬های از دست رفته، قوانین ساختگی و همچنین دستکاری است. در این پایان یک روش جدید برای کاوش در قوانین انجمنی ارائه شده است که با استفاده از الگوریتم بهینه سازی انطباقی وال بهترین قوانین حساس انجمنی موجود در پایگاه داده را شناسایی می¬کند، سپس مخفی سازی آنها را انجام می¬دهد. در روش پیشنهادی پس از آنکه قوانین انجمنی شناسایی شد، با تعریف توابع برازندگی مناسب، در الگوریتم بهینه سازی انطباقی وال، اقدام به شناسایی قوانین انجمنی حساس کرده و با شناسایی این قوانین، پایگاه داده سنتز شده تولید خواهد شد. نتایج بدست آمده در معیارهای ارزیابی خطای مخفی کردن، هزینه از دست رفته و الگوهای ساختگی و زمان اجرا و مقایسه با الگوریتم کولونی زنبور عسل باینری نشان از برتری روش پیشنهادی دارد. به گونه ای که زمان بیش از 500 میلی ثانیه کاهش داشته است. قواعد ساختگی به صفر رسیده است و الگوهای گم شده در مقایسه با الگوریتم کولونی زنبور عسل باینری به صفر رسیده است. هزینههای از دست رفته هم به اندازه 5% کاهش داشته است لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13589 زبان مدرک : فارسی
شماره ثبت شماره بازیابی نام عام مواد محل نگهداری بخش وضعیت ثبت وضعیت امانت 24514 COM A 33 پایاننامه دانشگاه شهید اشرفی اصفهانی مرکزی اسناد مرجع غیر قابل امانت بهبود شناسایی جنسیت با استفاده از ویژگیهای گشتاورهای تغییرناپذیر و هیستوگرام گرادیان جهتدار در بافت تصاویر عنبیهی چشم (1398) / دوستی ، فاطمه، نویسنده
نوع مدرک: متون چاپی سرشناسه دوستی ، فاطمه، نویسنده ردهبندی کنگره : COM A 7 1398 عنوان : بهبود شناسایی جنسیت با استفاده از ویژگیهای گشتاورهای تغییرناپذیر و هیستوگرام گرادیان جهتدار در بافت تصاویر عنبیهی چشم عنوان موازی : Improving Gender Identification Rate Using The features of Invariant moments and Histogram of Oriented Gradients in the texture of the iris images ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1398 صفحه شمار: س، 72ص یادداشت پایان نامه کارشناسی ارشد: هوش مصنوعی شناسه افزوده : کلینی ، مینا، استاد مشاور ترابیان اصفهانی ، مهدی، استاد راهنما توصیفگرها تشخیص جنسیت تشخیص جنسیت مبتنی بر عنبیه گشتاورهای تغییرناپذیر زرنیک و لژاندر هیستوگرام گرادیان جهتدار بافت تصویر عنبیه Gender Identification Iris-Based Gender Identification Zernic and Legendre Invariant Moments Oriented Gradient Histogram Iris Image Texture چکیده : سالهاست که بیومتریک عنبیه به عنوان مشخصهای برای شناسایی هویت شناخته میشود و اغلب پژوهشگران و محققین این بیومتریک را بهعنوان یکی از مطمئنترین و دقیقترین بیومتریکها میشناسند. ولی در سالهای اخیر از این بیومتریکها برای شناسایی دیگر ویژگیهای انسان همچون سن، نژاد، جنسیت و غیره استفاده شده است. علارغم کاربردهای گستردهای که استفاده از عنبیه برای تشخیص جنسیت دارد تاکنون تحقیقات انجام شده در این حوزه بسیار محدود بوده و نتایج اندک تحقیقات انجام شده فاصلهی زیادی تا ایدهآلهای مورد انتظار دارد. بیومتریک عنبیه ذاتاً در مقابل نور تغییرپذیر است. با بررسیهای گسترده در پیشینهی تحقیق این حوزه، مشخص گردید، روشهای شناسایی جنسیت موجود مبتنی بر عنبیه تاکنون، نرخ شناسایی پایین یا پیچیدگی محاسباتی بالا و زمان پاسخگویی پایین داشتهاند. هدف اصلی این پژوهش نیز پاسخ به چالشهای ذکر شده است. بنابراین باید به ابداع روشی که در مقابل تغییرات پایدار و زمان پاسخگویی خوبی داشته باشد ازجمله گشتاورهای تغییرناپذیر زرنیک و لژاندر و هیستوگرام گرادیان جهتدار پرداخت. در این پژوهش از یک پایگاه دادهی تصاویر رنگی عنبیه با مشخصهی جنسیت CVBL استفاده شده است. در روش ارائه شده، ناحیهبندی و نرمالسازی از طریق الگوریتم داگمان، و استخراج ویژگی از تصاویر عنبیه از ادغام توصیفگرهای زرنیک، لژاندر و هیستوگرام گرادیان جهتدار و طبقهبندی ویژگیهای مستخرج توسط توصیفگرها نیز از خانوادهی طبقهبند ابرصفحهها به نام ماشین بردار پشتیبان استفاده شده است. در نهایت پس از پیادهسازی ایدههای مدنظر در روش پیشنهادی، نتایجی شامل %5/97 و %93 بهترتیب برای چشم چپ و راست حاصل گردیده است لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=12597 زبان مدرک : فارسی
شماره ثبت شماره بازیابی نام عام مواد محل نگهداری بخش وضعیت ثبت وضعیت امانت 23282 COM A 7 1398 پایاننامه دانشگاه شهید اشرفی اصفهانی مرکزی اسناد مرجع غیر قابل امانت بهبود فرایند جداسازی رگهای خونی شبکیه با استفاده از رویکرد ترکیبی (1399) / رنجبر چالشتری ، بنیامین، نویسنده
نوع مدرک: متون چاپی سرشناسه رنجبر چالشتری ، بنیامین، نویسنده ردهبندی کنگره : COM A 14 1399 عنوان : بهبود فرایند جداسازی رگهای خونی شبکیه با استفاده از رویکرد ترکیبی عنوان موازی : Improve the process of separation of retinal blood vessel using hybrid approach ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1399 صفحه شمار: خ، 64ص شابک/شاپا 23829 یادداشت پایاننامه کارشناسی ارشد رشته هوش مصنوعی و رباتیکز شناسه افزوده : کلینی ، مینا، استاد راهنما چکیده : شناسایی رگهای شبکیه به دو دلیل عمده تشخیص هویت و همچنین درمان و تشخیص برخی از بیماریها دارای اهمیت بالایی میباشد، با این وجود مشکلاتی همانند کمبود پزشک متخصص، وجود برخی از خطاهای انسانی، اهمیت تشخیص زودهنگام باعث شده است که پژوهشگران راهکارهای را برای تشخیص رگهای شبکیه به کمک کامپیوترها و هوش مصنوعی ارائه دهند، در طی سالیان اخیر مقالاتی زیادی در این مورد منتشرشده و روشهای مبتنی بر یادگیری ماشین، پردازش تصویر، بینایی ماشین و... ارائهشده است.
در این پایاننامه روش جدیدی برای تشخیص رگهای شبکیه به کمک پردازش تصویر پیشنهاد میشود، در این روش برای استخراج رگهای شبکیه در ابتدا از زوج تابع MF-FDOG استفاده میشود و رگها استخراج میشوند و از طرفی دیگر با استفاده از فیلتر Log و آستانهیابی محلی Niblack تصویر دیگری از رگها استخراج میشود، این دو تصویر باهم ترکیبشده و درنهایت تصویر رگهای شبکیه به دست میآید، برای محاسبه دقت این روش از دو مجموعه داده DRIVE و STARE شامل تصاویر فوندوس شبکیه استفاده میشود، میانگین دقت روش پیشنهادی، برای مجموعه داده DRIVE برابر با 21/96% و برای مجموعه داده STARE برابر با 04/94% بهدستآمده استلینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13044 زبان مدرک : فارسی
شماره ثبت شماره بازیابی نام عام مواد محل نگهداری بخش وضعیت ثبت وضعیت امانت 23829 COM A 14 1399 پایاننامه دانشگاه شهید اشرفی اصفهانی مرکزی اسناد مرجع غیر قابل امانت بهبود واترمارکینگ مبتنی بر تبدیل موجک گسسته و تبدیل کسینوسی گسسته و مقاوم سازی آن در برابر برخی از حملات با استفاده از بهینه سازی فراابتکاری و یک روش یادگیری ماشین مبتنی بر آمار (1400) / حاجیان ، شیرین، نویسنده
نوع مدرک: متون چاپی سرشناسه حاجیان ، شیرین، نویسنده ردهبندی کنگره : COM A 26 عنوان : بهبود واترمارکینگ مبتنی بر تبدیل موجک گسسته و تبدیل کسینوسی گسسته و مقاوم سازی آن در برابر برخی از حملات با استفاده از بهینه سازی فراابتکاری و یک روش یادگیری ماشین مبتنی بر آمار عنوان موازی : Improve watermarking based on discrete wavelet transform and discrete cosine transform and make it resistant to some attacks using meta-heuristic optimization and a statistical machine learning method ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1400 صفحه شمار: 79ص شابک/شاپا 24507 یادداشت پایان نامه کارشناسی ارشد:رشته مهندسی کامپیوتر گرایش هوش مصنوعی و رباتیکز شناسه افزوده : کلینی ، مینا، استاد راهنما توصیفگرها واترمارکینگ ، بهینه سازی متاهیوریستیک ، یادگیری ماشین ، تبدیل موجک گسسته ، تبدیل کسینوسی گسسته Watermarking, Metaheuristic optimization, machine learning, Discrete wavelet transform, Discrete cosine transform چکیده : روش واترمارکینگ در تصاویر به یکی از اصلیترین و مورد بحثترین فناوریهای روز تبدیل شده و میتوان از کاربردهای آن به حمل اطلاعات مخفی در تصویر اشاره کرد.هدف اصلی این تحقیق ارائه ایده ای مبتنی بر روشهای بهینهسازی فراابتکاری و یادگیری ماشین بهمنظور بهبود روش واترمارکینگ مبتنی بر تبدیل موجک و تبدیل کسینوسی گسسته و مقاوم سازی آن خصوصاً در برابر برخی حملات می باشد. از این رو با ترکیب سه تبدیل تجزیه مقادیر منفرد،تبدیل موجک گسسته و کسینوسی گسسته به همراه الگوریتم نهنگ کوهان دار به این مهم پرداخته ایم.
با توجه به بررسی های انجام شده تاکنون روشی که بتواند به طور همزمان در مقابل اکثر حملات، مقاومت مناسبی را داشته باشد، ارائه نشده است و اگرچه روشهای قوی مبتنی بر تبدیل موجک، روشهای یادگیری ماشین و ... پیشنهاد شده است اما هر یک از آنها محدود به مقاومت در برابر حملات خاصی هستند روش پیشنهادی با توجه به استفاده همزمان از سه تبدیل موجک،کسینوسی و تجزیه مقادیر منفرد این ضعف را پوشش داده همچنین به استفاده از رویکرد تکاملی جهت فاکتور مقیاس برای اعمال ضرایب تبدیل میپردازدلینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13582 زبان مدرک : فارسی
شماره ثبت شماره بازیابی نام عام مواد محل نگهداری بخش وضعیت ثبت وضعیت امانت 24507 COM A 26 پایاننامه دانشگاه شهید اشرفی اصفهانی مرکزی اسناد مرجع غیر قابل امانت بهبود کنتراست تصاویر MRI با استفاده از الگوریتم خفاش مجازی پویا (1401) / عزیزی سورشجانی ، موسی، نویسنده
نوع مدرک: متون چاپی سرشناسه عزیزی سورشجانی ، موسی، نویسنده ردهبندی کنگره : COM A 38 عنوان : بهبود کنتراست تصاویر MRI با استفاده از الگوریتم خفاش مجازی پویا عنوان موازی : Contrast Enhancement of MRI images using Dynamic Virtual Bat Algorithm ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1401 صفحه شمار: 154ص شابک/شاپا 24741 یادداشت پایان نامه کارشناسی ارشد:رشته کامپیوتر گرایش هوش مصنوعی و رباتیک شناسه افزوده : کلینی ، مینا، استاد راهنما توصیفگرها متعادلسازي هيستوگرام (HE)، الگوريتم هاي تكاملي ، بهبود كنتراست تصاوير ، الگوريتم خفاش مجازي پويا (DVBA) Histogram equalization (HE) ,MRI Images Contrast Enhancement ,Evolutionary Algorithms, Medical images, Dynamic Virtual Bats Algorithm (DVBA) چکیده : امروزه، تشخیص خودکار بیماریها با استفاده از تصاویر پزشکی به عنوان یکی از موفقترین حوزههای کاربرد هوش مصنوعی در پزشکی شناخته میشود. به همین دلیل، افزایش کنتراست و بهبود کیفیت تصاویر پزشکی برای مثال بهبود کیفیت تصویر بافت مغز در تصاویر MRI نقشی مهم در آنالیز تصاویر پزشکی دارد. متعادلسازی هیستوگرام (HE) یکی از مهمترین روشهای بهبود کیفیت تصویر میباشد، زیرا این روش ساده بوده و از نظر محاسباتی به سرعت قابل اجرا است. در این پایاننامه، بهبود کنتراست تصویر به عنوان یک مسئلهی بهینهسازی در نظر گرفته شده است و از الگوریتم خفاش مجازی پویا (DVBA) برای یافتن پاسخ بهینهی این مسئلهی بهینهسازی استفاده میشود. هدف از ارائهی روش پیشنهادی این است که تصاویر MRI با کنتراست پایین که پسزمینهی تیرهای دارند و از کیفیت مناسبی برخوردار نیستند، اصلاح شوند. به همین منظور در روش پیشنهادی، پیش از به کار بردن روش متعادلسازی هیستوگرام سراسری، ابتدا هیستوگرام اولیهی تصویر ورودی به چهار زیرهیستوگرام تقسیمبندی میشود. هر زیرهیستوگرام با استفاده از یک پارامتر بُرش بریده میشود تا بتوان فرآیند بهبود را کنترل کرده و مانع از تغییر غیرطبیعی در تصویر بهبود یافته شد. الگوریتم خفاش مجازی پویا نیز به منظور یافتن مقادیر بهینه پارامترها مورد استفاده قرار میگیرد. پس از انجام این اصلاحات در هیستوگرام اولیه، هر زیرهیستوگرام با روش متعادلسازی هیستوگرام سراسری بهبود مییابد. سپس، نتایج چهار زیرهیستوگرام با یکدیگر ترکیب میشوند تا تصویر خروجی با کیفیت بهتری حاصل شود. نتایج آزمایشها نشان میدهد که الگوریتم بهینهسازی ارائهشده کیفیت کنتراست تصویر را بهبود میبخشد و میتواند جزئیات و اطلاعات بیشتری را نسبت به سایر روشهای قابل مقایسه و همچنین در پارامتر حذف نویز و شباهت ساختاری و حفظ روشنایی تصویر ارائه دهد لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13807 زبان مدرک : فارسی
شماره ثبت شماره بازیابی نام عام مواد محل نگهداری بخش وضعیت ثبت وضعیت امانت 24741 COM A 38 پایاننامه دانشگاه شهید اشرفی اصفهانی مرکزی اسناد مرجع غیر قابل امانت
نوع مدرک: متون چاپی سرشناسه نصیری ، جیران، نویسنده ردهبندی کنگره : COM A 24 عنوان : بهینه سازی درجات آزادی کنترل خودکار ربات پرنده شش موتوره عنوان موازی : ptimizing Free Parameters in Hexacopter Control ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1398 صفحه شمار: 82ص شابک/شاپا 24505 یادداشت پایان نامه کارشناسی ارشد :رشته ی کامپیوتر گرایش هوش مصنوعی و رباتیکز شناسه افزوده : کارشناس ، حسین، استاد راهنما توصیفگرها ربات پرنده، کنترل موقعیت در فضا، کنترل کننده PID، الگوریتم کلونی زنبور عسل، الگوریتم ازدحام ذرات، الگوریتم ژنتیک Bird Bot, Space Control, PID Controller, Bee Cluster Algorithm, Particle Swarm Algorithm, Genetic Algorithm چکیده : در این پایان نامه، به کنترل موقعیت یک مدل از ربات پرنده شش موتوره پرداخته می شود. برای این کار ابتدا، ربات پرنده در محیط نرم افزار متلب شبیه سازی شد. ربات پرنده شش موتوره دارای چهار ورودی کنترلی است. این ورودی ها که به موتورها فرمان می دهند؛ می توانند ربات را در چهار درجه آزادی به ترتیب، درجه آزادی مربوط به ارتفاع پرنده و سه زاویه گردش، پیچش و چرخش به طور مستقیم تاثیر بگذارند. همچنین به طور غیر مستقیم و با تغییر زاویه چرخش و پیچش، ربات در امتداد دو درجه آزادی دیگر شامل حرکت طولی و عرضی تغییر موقعیت می دهد. برای کنترل ارتفاع، کنترل زاویه پیچش، کنترل زاویه چرخش و کنترل زاویه گردش از فیدبک مستقیم به ورودی ها و قرار دادن کنترل کننده هایPID که از مجموع عوامل تناسبی، انتگرالگیر و مشتقگیر تشکیل شده است، بهره بردیم. برای کنترل موقعیت طولی و عرضی، از فیدبک به زاویه چرخش و پیچش، و قرار دادن کنترل کننده PID استفادهشده است. مشکل اصلی این است که، به دلیل پیچیدگی های حلقه های کنترلی نمی توان ضرایب هر یک از کنترل کننده ها را به صورت روش های رایج تجربی و یا با سعی و خطا بدست آورد. در نتیجه، با تبدیل مساله، به یک مساله بهینه سازی، با در نظر گرفتن تابع هزینه به صورت مجموعه ای از قدر مطلق خطای ردیابی مقدار مرجع به علاوه سیگنال کنترلی، با استفاده از سه الگوریتم کلونی زنبور عسل، الگوریتم ژنتیک و الگوریتم ازدحام ذرات، ضرایب کنترل کننده ها را طوری بدست آوردیم که تابع هزینه به حداقل مقدار خود برسد. در آخر، به مقایسه عملکرد کنترل کننده های بدست آمده از این سه الگوریتم پرداختیم. برای اینکار، یک مقدار مرجع سینوسی به صورتی که دامنه و فرکانس آن تغییر کند. به موقعیت پرنده اعمال کردیم. این سیگنال دینامیک پرنده را تحریک می کند که سبب مقایسه بهتر عملکرد کنترل کننده ها می شود. کنترل کننده بدست آمده از الگوریتم ازدحام ذرات، کمترین خطا را در ردیابی سیگنال مرجع داشت. بعد از آن به ترتیب کنترل کننده بدست آمده از الگوریتم ژنتیک، و کنترل کننده بدست آمده از الگوریتم کلونی زنبور عسل قرار گرفته اند لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13580 زبان مدرک : فارسی
شماره ثبت شماره بازیابی نام عام مواد محل نگهداری بخش وضعیت ثبت وضعیت امانت 24505 COM A 24 پایاننامه دانشگاه شهید اشرفی اصفهانی مرکزی اسناد مرجع غیر قابل امانت بهینه سازی فاکتورهای پیش بینی راهبردی کسب و کار مبتنی بر الگوریتم های ترکیبی داده کاوی در تصمیم گیری بر اساس رقابت استعماری (1401) / باقری ، محمد، نویسنده
نوع مدرک: متون چاپی سرشناسه باقری ، محمد، نویسنده ردهبندی کنگره : COM A 30 عنوان : بهینه سازی فاکتورهای پیش بینی راهبردی کسب و کار مبتنی بر الگوریتم های ترکیبی داده کاوی در تصمیم گیری بر اساس رقابت استعماری عنوان موازی : Optimization of strategic business forecasting factors based on combined data mining algorithms in decision making, by Imperialism Competitive Algorithm ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1401 صفحه شمار: 60ص شابک/شاپا 24511 یادداشت پایان نامه کارشناسی ارشد :رشته مهندسی کامپیوتر گرایش هوش مصنوعی و رباتیکز شناسه افزوده : کلینی ، مینا، استاد راهنما توصیفگرها کسب و کار، داده کاوی،پیش بینی، تصمیم گیری، رقابت استعماری : Business, Data Mining, Forecasting, Decision making, Imperialism Competitive چکیده : با توجه به تمایل قابل توجه مدیران حوزه کسب و کار و دیگر کاربران برای استفاده از برنامههای کاربردی مبتنی بر داده کاوی، برای بهبود کیفیت در ارائه خدمات، افزایش دقت و امنیت در این حوزه اهمیت زیادی دارد. در این راستا به دلیل تعداد کم الگوریتم های با دقت بالا برای انجام تصمیم گیری های مرتبط با آینده ، ایجاد چنین روشی میتواند یکی از نیازهای اصلی صاحبان کسب و کار و توسعه دهندگان نرم افزار آنها را برآورده کند. به همین دلیل، در این تحقیق با بررسی الگوریتم های موجود، با رویکردی تحلیلی و متمرکز، مواردی مانند تسریع چرخه تولید نرمافزار، منابع آزمایشی محدود و کمبود تخصص امنیت در میان برنامهنویسان را بررسی کرده و روشی بهینه برای افزایش راندمان تصمیم گیری ها ارائه می دهیم. هر چند الگوریتم های رایج ، اغلب برای بهبود کیفیت از یادگیری ماشین و دادهکاوی برای پیشبینی تصمیم گیریهای نرمافزاری استفاده می کنند، اما تلاش لازم برای انتخاب و ارزیابی ویژگیهای تصمیم گیری هنوز محدود است. به همین دلیل در این تحقیق، بررسی ها با استفاده از مجموعه بزرگی از فاکتور های تصمیم گیری، داده های موجود را ارزیابی می کند. روش پیشنهادی ما موسوم به یادگیری ماشین - رقابت استعماری با بهبود رفتار روش الگوریتم رقابت استعماری ، منجر به شناسایی مجموعه های کوچک اما کارآمد از توابع برای پیش بینی و بهینه سازی فاکتورهای کسب و کار می شود. با توجه به اینکه در عصر حاضر حجم زیادی از اطلاعات در شبکه های کامپیوتری، سرورها و سیستم های نرم افزاری تولید، پردازش و منتقل می شود (صرف نظر از تفاوت اساسی بین امنیت داده ها و داده کاوی)، دستیابی به ترکیب الگوریتم ها با استناد به رقابت استعماری منجر به تصمیم های راهبردی کسب و کار بهینه تر خواهد شد. در پایان و پس از پیاده سازی و نتیجه گیری مشاهده خواهیم کرد که الگوریتم ترکیبی پیشنهادی نسبت به خود الگوریتم رقابت استعماری و همچنین چندی از روش های موجود نتایج بهتری عرضه می کند و از نظر پارامتر های مقایسه ای مانند دقت و صحت به مراتب بالاتر می باشد و می توان نتیجه گرفت که این روش ، می تواند روشی قابل قبول برای بهینه سازی فاکتور های پیش بینی کسب و کار باشد و به نتایج آن استناد نمود لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13586 زبان مدرک : فارسی
شماره ثبت شماره بازیابی نام عام مواد محل نگهداری بخش وضعیت ثبت وضعیت امانت 24511 COM A 30 پایاننامه دانشگاه شهید اشرفی اصفهانی مرکزی اسناد مرجع غیر قابل امانت