ردیابی شی با استفاده از ترکیب الگوریتم های دسته بندی Naive Bayes و فیلتر ذره ای فازی

رشد چشمگیر مالتی مدیا و تولید ویدئوی دیجیتال در سالهای اخیر، منجر به ایجاد آرشیوهای ویدئویی شخصی و تجاری انبوه شده است. به همین دلیل، نیاز به ابزارها و روشهای کارآمد برای دستیابی سریع به اطلاعات و محتوای ویدئو در حال افزایش می باشد. استخراج و ردیابی اشیاء متحرک ازمراحل مقدماتی هوشمند سازی ویدئوها است که زمینه ای را برای پردازش های بعدی مهیا می کند. در این مقاله با ترکیب دو الگوریتم دسته بندی Naive Bayes و الگوریتم فیلتر ذره ای فازی عمل جداسازی و ردیابی شی مورد هدف انجام می شود. استدلال بیزی که یکی از ابزارهای داده کاوی است و درطبقه بندی و دسته بندی و رگرسیون و ... استفاده می شود، بر اساس این فرض بنا نهاده شده است که مقادیر مورد توجه از یک توزیع احتمال پیروی میکنند واینکه تصمیمهای بهینه میتوانند با استدلال بر روی این احتمالات به همراه دادههای مشاهده شده اتخاذ شوند.رشد چشمگیر مالتی مدیا و تولید ویدئوی دیجیتال در سالهای اخیر، منجر به ایجاد آرشیوهای ویدئویی شخصی و تجاری انبوه شده است. به همین دلیل، نیاز به ابزارها و روشهای کارآمد برای دستیابی سریع به اطلاعات و محتوای ویدئو در حال افزایش می باشد. استخراج و ردیابی اشیاء متحرک ازمراحل مقدماتی هوشمند سازی ویدئوها است که زمینه ای را برای پردازش های بعدی مهیا می کند. در این مقاله با ترکیب دو الگوریتم دسته بندی Naive Bayes و الگوریتم فیلتر ذره ای فازی عمل جداسازی و ردیابی شی مورد هدف انجام می شود. استدلال بیزی که یکی از ابزارهای داده کاوی است و درطبقه بندی و دسته بندی و رگرسیون و ... استفاده می شود، بر اساس این فرض بنا نهاده شده است که مقادیر مورد توجه از یک توزیع احتمال پیروی میکنند واینکه تصمیمهای بهینه میتوانند با استدلال بر روی این احتمالات به همراه دادههای مشاهده شده اتخاذ شوند.

زمانبندی منابع پردازشی در محیط رایانش ابری با استفاده از روشی مبتنی بر الگوریتم شبیه سازی تبرید

رایانش ابری محیط مناسب برای کاربران خود فراهم میکند و آنها میتوانند از تمامی منابع نرمافزاری و سختافزاری مورد نیاز با صرف هزینه کمتر استفاده کنند. انتقال بسیاری از سرویسهای شبکه روی محیط رایانش ابری، این محیط محاسباتی را به یکی از مهمترین موضوعات تحقیقاتی تبدیل کرده است. در چنین محیطی زمانبندی مناسب منابع نه تنها به ارائهدهندگان ابر کمک میکند بلکه موجب تسریع در پاسخگویی به نیازهای کاربران نیز میشود. بنابراین یکی از چالش برانگیزترین مسائل در محیط رایانش ابری زمانبندی منابع است. در این مقاله ما یک روش مبتنی بر الگوریتم شبیهسازی تبرید را ارائه کردهایم. در این روش با اعمال جستجوی مبتنی بر شبیهسازی تبرید بر روی ماشینهای مجازی و قبل از تخصیص منابع به وظایف مورد تقاضای کاربران، سعی کردهایم که هزینه ارتباط و پردازشهای وظایف را نیز در نظر بگیریم. نتایج مقایسات نشان می- دهند که روش پیشنهادی زمان پاسخگویی را کاهش داده و در عین حال تعادل بار نسبی را نیز در میان ماشینهای مجازی به وجود آورده است.رایانش ابری محیط مناسب برای کاربران خود فراهم میکند و آنها میتوانند از تمامی منابع نرمافزاری و سختافزاری مورد نیاز با صرف هزینه کمتر استفاده کنند. انتقال بسیاری از سرویسهای شبکه روی محیط رایانش ابری، این محیط محاسباتی را به یکی از مهمترین موضوعات تحقیقاتی تبدیل کرده است. در چنین محیطی زمانبندی مناسب منابع نه تنها به ارائهدهندگان ابر کمک میکند بلکه موجب تسریع در پاسخگویی به نیازهای کاربران نیز میشود. بنابراین یکی از چالش برانگیزترین مسائل در محیط رایانش ابری زمانبندی منابع است. در این مقاله ما یک روش مبتنی بر الگوریتم شبیهسازی تبرید را ارائه کردهایم. در این روش با اعمال جستجوی مبتنی بر شبیهسازی تبرید بر روی ماشینهای مجازی و قبل از تخصیص منابع به وظایف مورد تقاضای کاربران، سعی کردهایم که هزینه ارتباط و پردازشهای وظایف را نیز در نظر بگیریم. نتایج مقایسات نشان می- دهند که روش پیشنهادی زمان پاسخگویی را کاهش داده و در عین حال تعادل بار نسبی را نیز در میان ماشینهای مجازی به وجود آورده است.

بهبود مقاومت الگوریتم نهان نگاری در تصویر با استفاده از تغییر زاویه ضرائب تبدیل موجک

در این مقاله یک روش جدید نهان نگاری تصویر قوی مبتنی بر تغییر زاویه ضرائب تبدیل موجک ارائه
شده است. در این تحقیق شش نمونه از ضرائب تقریبی بلوک های تصویر را برای ساخت یک مثلث قائم
الزاویه در فضای دو بعدی به کار می بریم. کد نهان نگاری شده توسط تصویر کردن کوچکترین زاویه
مثلث بر روی بعضی زوایای خاص که در واقع یک مجموعه از کد لاینهای تعریف شده به منظور کاهش
اعوجاج برای افزایش مقاومت می باشند و با توجه به بیتهای پیام جاسازی می شوند. برای ارزیابی صحت
مدل پیشنهادی و نیز احتمال خطای تحلیلی، این روش را برروی سیگنال گوسی تصویر شبیه سازی
کرده ایم و سپس الگوریتم بر روی سیگنالهای تصویر آزموده شده اند. نتایج شبیه سازی برروی تصاویر از
مقاومت بسیار خوب الگوریتم نهان نگاری معرفی شده در برابر حملات مختلف نویز نظیر نویز سفید
گوسی افزاینده AWGN ، نویز فلفل نمکی و ... خبر می دهد. همچنین در شرایط برابر از نظر شفافیت و
مقاومت، روش پیشنهادی پایداری بسیار بهتری نسبت به روش های مشابه دارد.

تحقیق الگوریتم کلونی مورچه ها

این تحقیق بصورت Word و با موضوع الگوریتم کلونی مورچه ها انجام گرفته است.تحقیق برای کامپیوتر وIT مناسب است و در 28 صفحه می باشد. می توانید این تحقیق را بصورت کامل و آماده تحویل از پایین همین صفحه دانلود نمایید.

چکیده

سالهای پیش انسانها با الهام گرفتن از طبیعت و موجودات به پیشرفتهای شگرفی دست یافتند . بعنوان مثال از پرواز پرندگان توانستند هواپیما طراحی کنند و با گذشت سالها توانستند با زیر نظر داشتن حشرات الگوریتمهایی طراحی کنند . حرکات مورچه ها نمونه ای از همین الگوریتم های ساخته شده است که به نام الگوریتم کلونی مورچه مشهور است .

کلمات کلیدی: الگوریتم کلونی مورچگان

فهرست مطالب

چکیده. 1

مقدمه. 1

1. بهینه سازی مسائل بروش کلونی مورچه. 7

1-1. مزیتهای ACO.. 8

1-2. کاربردهای ACO.. 8

مورچه ها چگونه می توانند کوتاهترین مسیر را پیدا کنند؟. 9

2. جنگ مورچه های اتشین : جنگ جنسی.. 11

3. الهام از طبیعت برای پیاده سازی نظامهای اجتماعی.. 12

3-1. ساختار نظام تحقیقات حرفه ای در پزشکی نوین.. 13

4. مزایای تحقق نظام تحقیقات حرفه ای در جامعه. 15

5. مورچه ها متخصصان برجسته علم ژنتیک... 16

6. هوشمندی توده‌ای.. 19

7. بهینه‌سازی مسائل ریاضی به روش مورچه‌ها19

8. بهینه‌سازی شبکه‌های کامپیوتری با الهام از کلونی مورچه‌ها22

9. افق اینده. 24

منابع :25

موقعیت یابی توده در تصاویر ماموگرام با استفاده از الگوریتم رشد ناحیه و مدلهای منحنی فعال

تصاویر ماموگرام با هدف تشخیص هرگونه علائم غیرطبیعی در بافت سینه توسط رادیولوژیستها تفسیر و بررسی میشوند. به علت وجود نویز در تصاویر و در نتیجه احتمال بالای بروز خطا در تفسیر تصاویر، امروزه استفاده از ابزارهای کامپیوتری در کنار پزشک مورد توجه است. روش پیشنهاد شده در این مقاله جهت موقعیتیابی توده در بافت سینه، از یک الگوریتم دو مرحلهای قطعهبندی، شامل حذف پسزمینه تصویر ماموگرام در مرحله اول و سپس موقعیتیابی توده در تصویر در مرحله دوم استفاده میکند. در مرحله اول، از الگوریتم رشد ناحیه و سپس در مرحله دوم از مدل منحنیهای فعال بدون لبه استفاده شده است. نتایج به دست آمده از این روش روی تصاویر ماموگرام موجود در پایگاهداده DDSM آزمایش شده و جهت تعیین صحت عملیات با نتایج قبلی موجود در نسخه دوم پایگاهداده DDSM مقایسه شدهاند. نتایج نهایی بیانگر دقت زیاد و عملکرد موفق این روش در تشخیص موقعیت توده و مرزهای آن در تصویر ماموگرام ورودی است.تصاویر ماموگرام با هدف تشخیص هرگونه علائم غیرطبیعی در بافت سینه توسط رادیولوژیستها تفسیر و بررسی میشوند. به علت وجود نویز در تصاویر و در نتیجه احتمال بالای بروز خطا در تفسیر تصاویر، امروزه استفاده از ابزارهای کامپیوتری در کنار پزشک مورد توجه است. روش پیشنهاد شده در این مقاله جهت موقعیتیابی توده در بافت سینه، از یک الگوریتم دو مرحلهای قطعهبندی، شامل حذف پسزمینه تصویر ماموگرام در مرحله اول و سپس موقعیتیابی توده در تصویر در مرحله دوم استفاده میکند. در مرحله اول، از الگوریتم رشد ناحیه و سپس در مرحله دوم از مدل منحنیهای فعال بدون لبه استفاده شده است. نتایج به دست آمده از این روش روی تصاویر ماموگرام موجود در پایگاهداده DDSM آزمایش شده و جهت تعیین صحت عملیات با نتایج قبلی موجود در نسخه دوم پایگاهداده DDSM مقایسه شدهاند. نتایج نهایی بیانگر دقت زیاد و عملکرد موفق این روش در تشخیص موقعیت توده و مرزهای آن در تصویر ماموگرام ورودی است.