زد فایل

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

زد فایل

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

دانلود تحقیق طراحی سیستمهای مدرن اطلاعاتی، بازشناسی خودکار الگوها

اختصاصی از زد فایل دانلود تحقیق طراحی سیستمهای مدرن اطلاعاتی، بازشناسی خودکار الگوها دانلود با لینک مستقیم و پر سرعت .

دانلود تحقیق طراحی سیستمهای مدرن اطلاعاتی، بازشناسی خودکار الگوها


دانلود تحقیق طراحی سیستمهای مدرن اطلاعاتی، بازشناسی خودکار الگوها

فصل اول- مقدمه

پیدایش علوم و فنون جدید، جوامع بشری را با شکلهای مختلفی از اطلاعات روبرو نموده است. سطح توسعة یک جامعه را می توان با مقدار اطلاعات و دانش تولید شده در آن ارزیابی کرد. تولید فزایندة اطلاعات به شکلهای مختلف صورت می گیرد و با درجات متفاوتی از پیچیدگی همراه میباشد. در نتیجه نیاز به سیستمهای پردازش اطلاعات بصورت روزافزون افزایش می یابد. یکی از مسائل مهم در طراحی سیستمهای مدرن اطلاعاتی، بازشناسی خودکار الگوها است.

1-1- شناسایی الگو
شناسایی الگو، شاخه ای از هوش مصنوعی  است که با طبقه بندی و توصیف مشاهدات سروکار دارد.شناسایی الگو به ما کمک میکند داده ها (الگوها) را با تکیه بر دانش قبلی یا اطلاعات آماری استخراج شده از الگوها، طبقه بندی نماییم. الگوهایی که می بایست طبقه بندی شوند، معمولاً گروهی از سنجش ها یامشاهدات هستند که مجموعه نقاطی را در یک فضای چند بعدی مناسب تعریف می نمایند.یک سیستم شناسایی الگوی کامل متشکل است از یک حسگر  ،که مشاهداتی را که می بایست توصیف یا طبقه بندی شوند جمع آوری می نماید، یک سازوکار برای استخراج ویژگی ها  که اطلاعات عددی یا نمادین را از مشاهدات، محاسبه می کند، (این اطلاعات عددی را با یک بردار بنام بردار ویژگیها نمایش می دهند)؛ ویک نظام طبقه بندی یا توصیف که وظیفه اصلی طبقه بندی یا توصیف الگوها را با تکیه بر ویژگی های استخراج شده عهده داراست.



شکل 1-1 نمودار بلوکی یک سیستم شناسایی الگو را نشان می دهد. همانطوری که از پیکان های برگشتی مشخص است، این بلوک ها لزوماً مستقل نیستند و بسته به نتایج حاصله گاهی لازم است که
بلوک های اولیه مجدداً طراحی گردند تا راندمان کلی سیستم بهبود یابد.


نظام کلاسه بندی یا توصیف معمولا مبتنی بر وجود یک مجموعه از الگوهایی است که قبلا         کلاسه بندی یا توصیف شده اند. این مجموعة الگوها را مجموعة آموزشی  و قانون یادگیری منتج شده را قانون یادگیری باسرپرستی(با نظارت)  می نامند همچنین یادگیری میتواند بصورت بدون نظارت   باشد و این در حالی است که الگوهایی از قبل به سیستم داده نشده اند و در مقابل، سیستم خود براساس قواعد آماری الگوها، کلاسها را پایه گذاری میکند.



1-2- کاربردهای بازشناسی الگو
بازشناسی الگو در بسیاری از زمینه ها نقش کاربردی دارد . بازشناسی حروف، بازشناسی نویسنده، تصدیق امضاء ، طبقه بندی اثر انگشت و بازشناسی گفتار نمونه هایی از این کاربردها هستند. شناسایی الگو برای تحلیل داده های پزشکی نیز بکار گرفته شده است. برای مثال تفسیر الکتروکاردیوگرام، تحلیل تصاویر و طبقه بندی کروموزمها را میتوان نام برد. نمونه های دیگری از این کاربردها شامل طبقه بندی x اشعه مناطق زراعی، مطالعه آلودگی آبها، آشکار کردن منابع زیرزمینی و پیش بینی آب و هواست. در این نوع کاربردها، تصاویر ارسال شده از ماهواره و تصاویرهوایی به کمک روشهای بازشناسی الگو تفسیر می شوند. بازرسی تصویری و بازشناسی قطعات ماشینی، از کاربردهای صنعتی شناسایی الگو هستند. تحلیل بافت، آشکارسازی هدف در سیگنالهای برگشتی رادار یا سونار ، طبقه بندی امواج زلزله و تشخیص ذرات شیمیائی کاربردهای دیگری ازبازشناسی الگو می باشند.

1-3- طرح پژوهش
در چند دهة گذشته مسألة بازشناسی الگوهای نوشتاری شامل حروف، ارقام و سایر نمادهای متداول دراسناد مکتوب شده به زبانهای مختلف، توسط گروههای مختلفی از محققین مورد مطالعه و بررسی قرار گرفته است. نتیجة این تحقیقات منجر به پیدایش مجموعه ای از روشهای سریع و تا حدزیادی مطمئن بمنظور وارد نمودن اطلاعات موجود دراسناد، مدارک، کتابها و سایر مکتوبات چاپی یا تایپ موسوم بهOCR شده و حتی دستنویس   به داخل کامپیوتر شده است. مسئلة بازشناسی حروف الفبای فارسی سابقه ای نه چندان طولانی به همراه دارد. نخستین گزارشهای رسمی منتشر شده از تلاشهای انجام گرفته در این راه، مربوط به سالیان نخست دهة 1980 میلادی است.
به رغم فراگیری نسبی کاربرد الفبای فارسی در میان ملل مختلف قارة آسیا،بررسیهای انجام شده در خصوص یافتن روشهایی برای بازشناسی حروف این الفبا بسیار محدود بوده است. بواسطة وجود تفاوتهای اساسی بین نحوة نگارش کلمات فارسی و کلمات لاتین نظیرچسبیده بودن حروف سازندة یک کلمه به یکدیگر و تغییر شکل حروف بر اساس موقعیت نسبی قرارگیری آن در یک کلمة فارسی، امکان اعمال مستقیم روشهای متداول در بازشناسی حروف انگلیسی بمنظور شناسایی حروف تشکیل دهندة کلمات فارسی وجود ندارد.
  اکثر کارهای انجام شده در زمینه« اُْسی آر » در رابطه با متون لاتین، چینی و ژاپنی بوده است  » نرم افزارهای تجاری « اُْسی آر »  لاتین در سالهای اخیر پیشرفت کیفی قابل ملاحظه ای داشته اند. اما« اُْسی آر »  فارسی با وجود حجم نسبتاً وسیع تحقیقات دانشگاهی و نیاز شدید بازار تجاری به آن، هنوز هم از جایگاه مورد نظر فاصله بسیاری دارد و تاکنون هیچ سیستم « اُْسی آر » کارآمدی که ازنظر دقت و کیفیت محیط نرم افزاری، قابل مقایسه با سیستم های « اُْسی آر »  لاتین باشد، عرضه نگردیده است. در نتیجه ضرورت انجام تحقیقات بیشتر در زمینه متون فارسی و عربی کاملاً احساس می شود.
هدف از انجام این پروژه آزمایش توانایی تکنیک آنالیز اجزای اصلی جهت استخراج ویژگیهای مربوط به ارقام فارسی و کاربرد آن جهت شناسایی است که این امر در فصل آخر محقق شده است. امید است انجام این پروژه افقهایی نو را در مبحث آنالیز اسناد   بگشاید.

 

 

شامل 66 صفحه Word


دانلود با لینک مستقیم


دانلود تحقیق طراحی سیستمهای مدرن اطلاعاتی، بازشناسی خودکار الگوها

دانلود مقاله طراحی سیستم های مدرن اطلاعاتی، بازشناسی خودکار الگوها

اختصاصی از زد فایل دانلود مقاله طراحی سیستم های مدرن اطلاعاتی، بازشناسی خودکار الگوها دانلود با لینک مستقیم و پر سرعت .

دانلود مقاله طراحی سیستم های مدرن اطلاعاتی، بازشناسی خودکار الگوها


دانلود مقاله طراحی سیستم های مدرن اطلاعاتی، بازشناسی خودکار الگوها

 

مشخصات این فایل
عنوان: طراحی سیستم های مدرن اطلاعاتی، بازشناسی خودکار الگوها
فرمت فایل: word(قابل ویرایش)
تعداد صفحات:66

این مقاله در مورد طراحی سیستم های مدرن اطلاعاتی، بازشناسی خودکار الگوها می باشد.

 

بخشی از تیترها به همراه مختصری از توضیحات مقاله طراحی سیستم های مدرن اطلاعاتی، بازشناسی خودکار الگوها

-2- کاربردهای بازشناسی الگو
بازشناسی الگو در بسیاری از زمینه ها نقش کاربردی دارد . بازشناسی حروف، بازشناسی نویسنده، تصدیق امضاء ، طبقه بندی اثر انگشت و بازشناسی گفتار نمونه هایی از این کاربردها هستند. شناسایی الگو برای تحلیل داده های پزشکی نیز بکار گرفته شده است. برای مثال تفسیر الکتروکاردیوگرام، تحلیل تصاویر و طبقه بندی کروموزمها را میتوان نام برد. نمونه های دیگری از این کاربردها شامل طبقه بندی x اشعه مناطق زراعی، مطالعه آلودگی آبها، آشکار کردن منابع زیرزمینی و پیش بینی آب و هواست. در این نوع کاربردها، تصاویر ارسال شده از ماهواره و تصاویرهوایی به کمک روشهای بازشناسی الگو تفسیر می شوند. بازرسی تصویری و بازشناسی قطعات ماشینی، از کاربردهای صنعتی شناسایی الگو هستند. تحلیل بافت، آشکارسازی هدف در سیگنالهای برگشتی رادار یا سونار[1]، طبقه بندی امواج زلزله و تشخیص ذرات شیمیائی کاربردهای دیگری ازبازشناسی الگو می باشند....(ادامه دارد)

2-1-1- بازشناسی نوری حروف[2]
 اصطلاح « اُْسی آر »به تکنیک هایی اطلاق می شود که در تصاویر اسکن یا فکس شده، نواحی متنی را تشخیص می دهند و سپس این نواحی(تصویری) را به متن قابل ویرایش تبدیل می نمایند .با دستگاهی به نام اسکنر می توان تصویر یک صفحه کاغذ را به صورت یک فایل گرافیکی(تصویری)، به رایانه ارسال و در آن ذخیره نمود. بدین ترتیب کاربر م یتواند با یک نر م افزار مناسب نمایش دهنده تصاویر، تصویر صفحه اسکن شده را بر روی نمایشگر رایانه خود ملاحظه نماید یا آن را چاپ کند؛ اما قادر نخواهد بود که متن موجود در تصویر سند را ویرایش کند یا آن را مورد جستجو قرار دهد . یک نرم افزار « اُْسی آر » تصویر اسکن شده را میخواند، محتویات آن (شامل متن، خطوط، تصاویر،   جداول، ...)را شناسایی می نماید، و سپس آن را به یک قالب قابل ویرایش(در واژ ه پردازها) تبدیل می کند. امروزه بیشتر دستگاههای اسکنر به نرم افزارهای « اُْسی آر » مجهز گردیده اند و قادرند متن موجود در یک سند اسکن شده را تشخیص دهند و آن را با همان نحوه قالب بندی، ستون بندی، جدول بندی ونوع فونت مطابق با سند کاغذی اصلی، در قالب یک فایل متنی با قالب بندی مناسب ذخیره نمایند....(ادامه دارد)

در انتخاب بردارهای ویژگی لازم است موارد زیر مورد توجه قرار گیرند:
1-
بردار ویژگی هر الگو باید تا حد امکان از بردارهای ویژگی دیگر الگوها متمایز باشد(فاصله بین بردارهای ویژگی در فضای ویژگی ها، حداکثر باشد).
2-بردار ویژگی الگوها باید تا بیشترین حد ممکن، خصوصیات شکل و ساختار الگوها را از تصویر آن ها استخراج نماید.
3. تا حد امکان نسبت به نویز، تغییر اندازه و نوع فونت، چرخش، و دیگر تغییرات احتمالی الگوها دارای ثبات باشد.
4-شرایط، نوع و خصوصیات الگوهای ورودی در انتخاب بردارهای ویژگی اثر میگذارند. به عنوان مثال، بایدتعیین نمود که آیا حروف یا کلماتی که می بایست تشخیص داده شوند جهت و اندازه مشخصی دارند یا خیر، دست نوشت هستند یا چاپی،یا اینکه تا چه حد بوسیله نویز، مغشوش شد هاند. همچنین گاهی کفایت می کندکه سیستم، تنها جوابگوی گروه محدودی از الگوها(مثلاً الگوهایی با اندازه یا نوع فونت از پیش مشخص شده) باشد....(ادامه دارد)

2-2-2- ویژگیهای آماری
بازنمایی یک تصویر سند بوسیله توزیع آماری آن ، تا اندازه ای تغییرات نگارشی را مورد توجه قرار می دهد . گرچه این روش بازنمایی ، بازسازی تصویر اولیه را امکان پذیر نمی سازد ، اما از آن در جهت کاهش ابعاد مجموعه ویژگیها استفاده می شود که بدین وسیله سرعت بالاتر و پیچیدگی کمتری حاصل می گردد . عمده ویژگیهای آماری مورد استفاده در بازشناسی حروف بشرح زیر میباشند :
الف – ناحیه بندی[3]
در این روش ، قاب در برگیرنده کاراکتر به چندین ناحیه همپوشان یا غیر همپوشان تقسیم میشود . چگالی نقاط یا ویژگیهایی از نواخی مختلف پس از آنالیز بمنظور بازنمایی آن کاراکتر بکار میروند به عنوان مثال ، ویژگیهای جهتی کانتور کاراکتر ، جهت کانتور کاراکتر را اندازه گیری می کند این ویژگیها با تقسیم آرایه تصویر به نواحی مستطیلی و قطری ، و محاسبه هیستوگرامهای کدهای    زنجیره ای[4]  در این نواحی تولید می گردند . به عنوان مثال دیگر می توان به ویژگیهای نقاط خمش[5]  اشاره نمود که نشان دهنده نقاط دارای خمیدگی زیاد[6]، نقاط انتهایی[7] و نقاط انشعاب[8]  می باشند....(ادامه دارد)

فصل چهارم- شبکه عصبی
1-4- شبکه عصبی چیست؟

شبکه های عصبی را می توان با اغماض زیاد، مدل های الکترونیکی از ساختار عصبی مغز انسان نامید. مکانیسم فراگیری و آموزش مغز اساساً بر تجربه استوار است. مدل های الکترونیکی شبکه های عصبی طبیعی نیز بر اساس همین الگو بنا شده اند و روش برخورد چنین مدل هایی با مسائل، با روش های محاسباتی که به طور معمول توسط سیستم های کامپیوتری در پیش گرفته شده اند، تفاوت دارد. می دانیم که حتی ساده ترین مغز های جانوری هم قادر به حل مسائلی هستند که اگر نگوییم کامپیوترهای امروزی از حل آنها عاجز هستند، حداقل در حل آنها دچار مشکل می شوند. به عنوان مثال، مسائل مختلف شناسایی الگو، نمونه ای از مواردی هستند که روش های معمول محاسباتی برای حل آنها به نتیجه مطلوب نمیرسند. درحالی که مغز ساده ترین جانوران به راحتی ازعهده چنین مسائلی بر میآید.تحقیقات در این زمینه نشان داده است که مغز، اطلاعات را همانند الگو ها[9]  ذخیره می کند. فرآیند ذخیره سازی اطلاعات به صورت الگو و تجزیه و تحلیل آن الگو، اساس روش نوین محاسباتی را تشکیل می دهند. این حوزه از دانش محاسباتی [10]به هیچ وجه از روش های برنامه نویسی...(ادامه دارد)

بخشی از فهرست مطالب مقاله طراحی سیستم های مدرن اطلاعاتی، بازشناسی خودکار الگوها

فصل اول- مقدمه
1-1- شناسایی الگو
1-2- کاربردهای بازشناسی الگو
1-3- طرح پژوهش
فصل دوم- مروری بر سیتمهای OCR
2-1-بخشهای مختلف سیستمهای ocr
2-1-1- بازشناسی نوری حروف  
2-1-2- تاریخچه سیستم های « اُْسی آر »  
 2-1-3- تحقیقات انجام شده در داخل کشور در زمینه تولید « اُسی آر » فارسی
2-1-4- برخی ویژگی های متون چاپی فارسی از دیدگاه پردازش رایانه ای
2-1-5-انواع سیستم های « اُسی آر » از لحاظ نوع الگوی ورودی
2-1-6- معرفی بخش های مختلف یک سیستم « اُسی آر »
2-1-6-1- پیش پردازش
کاهش نویز:
ب. نرمالیزه کردن اریب شدگی  :
ج. نرمالیزه کردن(تغییر مقیاس دادن  ) اندازه:
د. هموارسازی کانتور :
الف. دوگانی(دوسطحی) کردن تصویر متن:
ب-نازک سازی:
2-1-6-2- قطعه بندی (جداسازی)
2-1-6-3-بازنمایی (استخراج ویژگی ها )
مراحل قطعه بندی و بازشناسی، دو وجه تمایز عمده میان سیست مهای
2-1-6-4- طبقه بندی و بازشناسی(با یک یا چند طبقه بندی کننده)
...(ادامه دارد)


دانلود با لینک مستقیم


دانلود مقاله طراحی سیستم های مدرن اطلاعاتی، بازشناسی خودکار الگوها

85 - بررسی سیستم پارک اتوماتیک و خودکار خودرو و استفاده از سیستم فازی جهت پار اتوماتیک خودرو - 59 صفحه فایل ورد (word)

اختصاصی از زد فایل 85 - بررسی سیستم پارک اتوماتیک و خودکار خودرو و استفاده از سیستم فازی جهت پار اتوماتیک خودرو - 59 صفحه فایل ورد (word) دانلود با لینک مستقیم و پر سرعت .

85 - بررسی سیستم پارک اتوماتیک و خودکار خودرو و استفاده از سیستم فازی جهت پار اتوماتیک خودرو - 59 صفحه فایل ورد (word)


85 - بررسی سیستم پارک اتوماتیک و خودکار خودرو و استفاده از سیستم فازی جهت پار اتوماتیک خودرو - 59 صفحه فایل ورد (word)

 

 

 

 

 

 

 

 

 

فهرست مطالب

عنوان   صفحه

فصل 1-         مقدمه  3

1-1-   پیشگفتار 3

1-2-   منبع  14

فصل 2-         سیستم خودکار پارک خودرو  15

2-1-   پیشگفتار 15

2-2-   فناوری‌های فعلی و آینده 21

2-3-   تکنولوژی پارک تمام اتوماتیک خودرو 25

2-4-   سیستم پارک خودکار خودرو ولو 27

2-5-   منابع: 29

فصل 3-        همه چیز درباره سیستم پارک خودکار  31

3-1-   منبع: 37

فصل 4-        استفاده از سیستم فازی برای پارک کردن خودکار  38

4-1-   مقدمه  38

4-2-   تعریف مسئله  42

4-3-   آزمایشها و نتایج آن  44

4-4-   نتیجه گیری و کارهای آینده 47

4-5-   منابع  50

فصل 5-         سیستم های پارک اتوماتیک نوین   51

5-1-   سیستم پارک خودکار ب‌ام‌ و i3  51

5-2-   سیستم پارک دوبل خودکار هوشمند خودروهای امروزی  54

5-3-   پارک اتوماتیک خودرو در فرودگاهی آلمانی  56

5-4-   منبع  58

 


دانلود با لینک مستقیم


85 - بررسی سیستم پارک اتوماتیک و خودکار خودرو و استفاده از سیستم فازی جهت پار اتوماتیک خودرو - 59 صفحه فایل ورد (word)

ارسال خودکار مطالب جوملا به کانال تلگرام + فیلم آموزشی فارسی

اختصاصی از زد فایل ارسال خودکار مطالب جوملا به کانال تلگرام + فیلم آموزشی فارسی دانلود با لینک مستقیم و پر سرعت .
جهت خرید با تخفیف ویژه کلیک کنید افزونه جامع تلگرام جوملا ۳٫۵ یک سیستم منحصر بفرد با کارآیی بالا میباشد وظیقه این افزونه آن است که به شما این امکان را بدهد تا هر صفحه از سایت خود را که تمایل داشتید در کانال تلگرام به اشتراک بگذارید این بدین معنا است که دیگر فرقی نمی کند که از چه افزونه در سایت خود استفاده میکنید k2,zoo,gallery,و…. تمامی این صفحات قابل شر کردن هستند این افز ...
روی دریافت فایل کلیک کنید

دانلود با لینک مستقیم


ارسال خودکار مطالب جوملا به کانال تلگرام + فیلم آموزشی فارسی

تشخیص خودکار سطح هوشیاری با استفاده از شبکه عصبی مصنوعی و ضرایب ویولت

اختصاصی از زد فایل تشخیص خودکار سطح هوشیاری با استفاده از شبکه عصبی مصنوعی و ضرایب ویولت دانلود با لینک مستقیم و پر سرعت .
چکیده : تشخیص خودکار سطح هوشیاری میتواند کمک شایانی به افرادی که کارهای یکنواخت و خستهکننده
انجام میدهند بنماید . به همین منظور محققین از سیگنالهای حیاتی بدن به عنوان یک روش معتبر برای
یک سیگنال غیرایستان است، اما با توجه به ،EEG تشخیص هوشیاری در تحقیقاتشان استفاده میکنند . سیگنال
این موضوع روش مرسوم برای تحلیل این سیگنال استفاده از تحلیل مبتنی بر تبدیل فوریه است که موفقیت بالایی
با استفاده از تبدیل ویولت و EEG در شناسائی سطح هوشیاری ندارد. این تحقیق از یک روش جدید برای آنالیز
به زیرباندهای فرکانسی با استفاده از تبدیل EEG استفاده کرده است. سیگنال ANN طبقهبندیکننده مبتنی بر
ویولت تجزیه میشود و یک مجموعه ویژگی آماری از این زیر باندها استخراج میشود. سپس این ویژگیهای آماری
با سه خروجی مجزا : هوشیار ، خواب آلود و خواب استفاده می شود. درصد صحت ANN به عنوان ورودی برای یک
بدست آمده در شبکه عصبی طراحی شده در حدود 88 درصد بوده است. که با اعمال روش هایی امکان بالا بردن این
صحت نیز وجود دارد.

دانلود با لینک مستقیم


تشخیص خودکار سطح هوشیاری با استفاده از شبکه عصبی مصنوعی و ضرایب ویولت