دانلود رايگان

مدلسازي و تشخيص عيب در تير به روش امپدانس الكترومكانيكي

دانلود مقاله تشخيص بن بست در سيستم‌هاي توزيع شده

فرمت:word

۱- مفاهيم پايه

تعريف ۱-گراف- انتظار- براي (WFG): يك گراف جهتدار است كه وابستگي بين فرايندها را نشان مي دهد و در آن گره ها فرايندها و يالها نشان دهنده درخواست منابع است.

تعريف۲- چرخه[۱] بن بست: يك چرخه جهتدار در گراف- انتظار- براي (WFG) است.

تعريف۳– بن بست دروغين: به بن بستي گفته مي شود كه در حقيقت وجود ندارد.

تعريف۴– درستي الگوريتم هاي تشخيص بن بست توزيع شده: اثبات درستي الگوريتم هاي تشخيص
بن بست توزيع شده با ۲ ويژگي زير تعيين مي شود:

ويژگي پيشرفت (Progress): بدين معني كه هر بن بستي كه واقع شود در نهايت بايد تشخيص داده شود.
ويژگي امنيت(Safety): اگر بن بستي توسط الگوريتم تشخيص داده شود، بايد واقعاً وجود داشته باشد.

۱-۲- انواع مدلهاي بن بست براساس سيستم تبادل پيام

براساس سيستم تبادل پيام، دو نوع بن بست وجود دارد:

* بن بست منبعي

* بن بست ارتباطي

در بن بستهاي ارتباطي، پيامها منابعي هستند كه فرايندها براي آن متنظراند. تفاوت اصلي بين بن بست منبعي و بن بست ارتباطي در اين است كه بن بست منبعي از شرايط AND استفاده مي كند و بن بست ارتباطي از شرط OR با تعريف ذيل استفاده مي كند:

۱-۳- انواع مدلهاي بن بست براساس نوع درخواست منبع

تقسيم بندي مدلهاي بن بست براساس سيستم تبادل پيام به دو نوع بن بست ارتباطي و منبع به منظور شناسايي الگوريتمهاي تشخيص بن بست كافي نيست. بنابراين كه ويژگي هاي بيشتري از اين الگوريتمها مدنظر قرار گيرد. يكي از اين ويژگي ها نوع درخواست منبع است. در اين بخش سلسله مراتبي از مدلهاي منبع كه مي تواند در تقسيم بندي الگوريتمها تشخيص بن بست مورد استفاده قرار گيرد و مبتني بر مدل بن بست ارائه شده توسط Knapp است، ارائه مي شود.

۱-۳-۱- مدل گراف- انتظار- براي

اين گراف به كلاس گراف هاي جهت دار تعلق دارد. گره ها در اين گراف براي مدل كردن فرايندها بكار مي روند. يالهاي جهتدار در گراف نشان دهنده روابط مسدود شدن بين فرايندها . يك گره با يك يال خارج شده از آن به يك فرايند مسدود شده تعلق دارد.

بن بست با يك چرخه در اين گراف مشخص مي شود. ارتباط بين بن بستها و اين گراف در بخشهاي زير نشان داده شده است[۱۳].

۱-۳-۲- مدل تك- منبعي(One-Resource Model)

مدل تك منبعي، ساده ترين مدل درخواست منبع است. در اين مدل يك فرايند تنها يك درخواست منبع در يك زمان مي تواند داشته باشد،بدان معني كه ماكزيمم يال خروجي از يك گره در گراف-انتظار- براي برابر يك است.

براي يافتن بن بست در يك سيستم كه مدل درخواست آن تك منبعي است، لازم است يك چرخه در گراف-انتظار-براي پيدا شود. يك الگوريتم ساده براي تشخيص بن بست براساس اين مدل توسط ميچل و مريت[۲] است.

۱-۳-۳- مدل AND

اين مدل عمومي تر از مدل تك منبعي است. در اين مدل يك به يك فرايند اجازه داده مي شود كه مجموعه اي از منابع را درخواست نمايد. تا زماني مسدود مي ماند كه همه منابعي را كه درخواست نموده بود، به دست آورد به عبارتي فرايندي كه نياز به منابعي براي اجرا دارد، زماني مي تواند پيش رود كه همه منابعش را به دست آورد.

همانند مدل تك منبعي براي يافتن بن بست در يك سيستم با مدل اين مدل درخواست، لازم است يك چرخه در گراف-انتظار-براي پيدا شود. نمونه اي از اين الگوريتمها توسط چندي- ميسرا-هاس ، منساس و مانتز و اوبرمارك، ارائه شده است.

۱-۳-۴- مدلOR

اين مدل جالبي از مدل درخواست AND است. به آن مدل ارتباطي نيز مي گويند. در اين مدل به منظور تشخيص بن بست، تنها تشخيص يك چرخه در گراف-انتظار-براي كافي نيست، يافتن بن بست شامل پيدا كردن يك گره در گراف-انتظار-براي است.

فرايندي كه نياز به منابعي براي اجرا دارد،زماني مي تواند پيش رود كه حداقل يكي از منابعش را به دست آورد.دليلي كه شرط OR براي بن بست ارتباطي استفاده شده است اين است كه اغلب ساختارهاي كنترل توزيع شده غيرقطعي[۲] هستند و يك فرايند ممكن است در انتظار يك پيام از چندين فرايند باشد.

۱-۳-۵- مدل AND-OR

مدل AND و مدل OR هردو از مدل AND-OR مشتق شده اند. مفهوم اصلي اين مدل اين است كه اين نوع درخواست تركيبي از و يا در درخواست منبع است. تصور كنيدa ،b ، c، d منابع هستند كه در كامپيوتر هاي متفاوتي قرار دارند. درخواست به اين شكلd and ((c or b) a and) امكان پذير است. تشخيص بن بست در اين مدل مي تواند با تكرار تست براي مدل تشخيص OR با فرض اينكه بن بست يك مشخصه پايدار است، انجام شود.

۱-۳-۶- مدل p-out-of-q

اين مدل بدين معني است كه يك فرايند به طور همزمان درخواست q منبع را مي نمايد و تا زماني كه p منبع را بدست آورد،مسدود مي ماند. اين مدل نوع ديگر AND-OR است كه تركيبي از مدلهاي OR و AND است به عنوان مثال(b OR c) AND q

راهكارهايي ساده براي تشخيص دروغ!

در اين كتاب صوتي شما به سادگي مي آموزيد چگونه دروغ را تشخيص دهيد و يك فرد در هنگام دروغ گفتن چه رفتار و حركاتي از خود بروز مي دهد!

فشرده شده با حجم بسيار كم و نازلترين قيمت

پايان نامه كارشناسي: روشي نوين براي تشخيص خطاي زمين روتور در ژنراتور سنكرون

تعداد صفحات: 50

نوع فايل: Word

چكيده:

در اين پروژه در مورد روش تشخيص خطاي زمين براي ماشين هاي سنكرون و همچنين روش مكان يابي خطاي زمين در روتور ماشين سنكرون بحث شده است.

اين روش براي ماشين آلاتي كه با سيستم تحريك استاتيك كار مي كنند مناسب مي باشد. در اين ماشين، تحريك سيم پيچ ميدان توسط يكسوكننده ها از طريق تحريك ترانسفورماتور تغذيه مي شود.

مزيت اصلي اين تكنيك جديد در شناسايي و تبعيض بين دو جريان AC وDC و يافتن محل خطاي زمين بدون نياز به تزريق سنتي قدرت از طريق منابع خارجي مي باشد. از طرفي اين روش قابليت كشف خطا به صورت آنلاين در سيم پيچ روتور را دارد كه اين امر به نوبه خود موجب كاهش زمان تعميرو جلوگيري از بروز خطاهاي احتمالي ديگركه به پشتوانه خطاي اول شكل مي گيرند مي شود.

اين روش تشخيص بر اساس تجزيه و تحليل فركانس ولتاژ يا جريان در امپدانس زمين قرار گرفته شده در ترمينال خنثي ترانسفورماتور تحريك عمل مي كند. اين تكنيك تشخيص خطا از طريق شبيه سازي كامپيوتري و به صورت تجربي و تست هاي آزمايشگاهي تاييد شده است.

فهرست مطالب

عنوان صفحه

چكيده................................................................................................................................... 1

مقدمه..................................................................................................................................... 2

فصل اول: اصول و روشهاي خطايابي.......................................................................................... 7

بخش اول) اصول روش محل خطاي زمين روتور.......................................................................... 7

بخش دوم) روش هاي تشخيص............................................................................................... 15

بخش سوم) اصول روش تشخيص خطاي زمين در روتور............................................................. 17

فصل دوم: شبيه سازي ............................................................................................................ 21

بخش چهارم) تجزيه و تحليل نتايج حاصل از شبيه سازي............................................................ 21

فصل سوم: نتايج ................................................................................................................... 29

بخش پنجم) نتايج تجربي....................................................................................................... 29

بخش ششم) نتيجه گيري......................................................................................................... 41

منابع و ماخذ.......................................................................................................................... 43

بررسي روش‌هاي تشخيص ميزان آلودگي سطحي در صفحات فولادي نورد سرد با هدف اجراي آنلاين

تعيين ميزان آلودگي به جا مانده بر صفحات فولادي توليد شده به روش نورد سرد و درجه بندي آن‌ها از لحاظ ميزان آلودگي براي كارهايي نظير گالوانيزه كردن يا رنگ كردن بسيار اهميت دارد. هدف از اين مقاله بررسي انواع روش‌ها براي اندازه‌گيري ميزان آلودگي براي اجراي بر خط و بلادرنگ مي‌باشد. در اين مقاله كارايي روش‌هاي مستقيم و غير مستقيم براي اندازه‌گيري آلودگي سطحي در ورق‌هاي فولادي بررسي شده است. همچنين ميزان عملكرد روش‌هاي اندازه‌گيري آلودگي در سطوح مختلف، براي اندازه گيري آلودگي در ورق‌هاي فولادي مورد بررسي قرار گرفته است. در نهايت اين روش‌ها با يكديگر مقايسه شده و وضعيت استفاده از آن‌ها به صورت بر روي خط و بلادرنگ، مقايسه شده است

پروژه تشخيص حروف و اعداد توسط شبكه عصبي

در اين برنامه از شبكه هاي عصبي با قابليت آموزش استفاده شده است تا بتوان سيستم تشخيص حروف و اعداد رو پياده سازي كرد

تشخيص ترك در تير هاي هدفمند در راستاي طولي به كمك شبكه عصبي مصنوعي

با توجه به هزينه توليد و كاربردهاي حساس مواد هدفمند عيب يابي اين مواد از اهميت بالايي برخوردار است. در اين پژوهش به بررسي اثرات ترك بر فركانسهاي طبيعي تير هدفمند محوري و سپس شناسايي ترك در تير مورد بررسي به كمك شبكه عصبي مصنوعي پرداخته مي شود. آناليز مودال انجام شده بر روي يك تير يكسر گيردار هدفمند محوري در اين پژوهش به شيوه عددي صورت پذيرفت. نتايج بدست آمده از تحليل المان محدود با استفاده از نتايج مرجع ديگر صحه گذاري شد. تير هدفمند محوري يك سر گيردار تركدار مورد بررسي به روش المان محدود براي حالتهاي مختلف ترك مدل شد. تغييرات فركانسهاي طبيعي آن با تغيير پارامترهاي عمق و مكان ترك بررسي شد. در ادامه روندي براي شناسايي مكان و عمق ترك سازه مورد نظر بر مبناي شبكه عصبي مصنوعي ارائه شده است. نتايج بدست آمده دقت بالاي روش پيشنهادي را تاييد مي كند.

تشخيص نشتي در مخازن تحت فشار بوسيله تحليل موجك سيگنالهاي آكوستيك اميشن

پايان نامه برق - تشخيص خطاي سيم بندي استاتور با آناليز موجك و شبكه عصبي

چكيده:

در اين پايان نامه ابتدا عيوب الكتريكي و مكانيكي در ماشينهاي الكتريكي بررسي گرديده و عوامل به وجود آورنده و روشهاي رفع اين عيوب بيان شده است . به دنبال آن ، به كمك روش تابع سيم پيچي ماشين شبيه سازي و خطاي مورد نظر يعني خطاي سيم بندي استاتور به آن اعمال و نتايج مورد بررسي قرار داده شده است. پارامتر اصلي كه براي تشخيص خطا در اين پايان نامه استفاده كرده ايم ، جريان سه فاز استاتور در حالت سالم و خطادار ،تحت بارگذاري هاي مختلف خواهد بود.

در قسمت بعدي تئوري موجك و همچنين شبكه عصبي مورد بررسي قرار گرفته است . مادر اينجا از براي استخراج مشخصات سيگنال استفاده كرده ايم ، مهمترين دليلي كه براي استفاده از اين موجك داريم خاصيت متعامد بودن و پشتيباني متمركز سيگنال در حوزه زمان مي باشد. شبكه عصبي كه براي تشخيص خطا استفاده كرده ايم ، شبكه سه لايه تغذيه شونده به سمت جلو با الگوريتم آموزش BP و تابع فعاليت سيگموئيدي مي باشد . در فصل چهارم روش تشخيص خطاي سيم بندي استاتور در ماشين القايي بيان شده است كه به صورت تركيبي از آناليز موجك و شبكه عصبي لست. روند كلي تشخص خطا به اين صورت مي باشد كه ابتدا از جريان استاتور ماشين در حالت سالم و همچنين تحت خطاهاي مختلف كه در فصل دوم بدست آورده ايم استفاده شده و تبديل موجك بروي آن اعمال گرديده است.سپس با استفاده از ضرايب موجك مقادير انرژي در هر مقياس استخراج و به عنوان ورودي شبكه عصبي جهت آموزش دادن آن براي تشخيص خطاي سيم بندي استاتور مورد استفاده قرار گرفته است. در نهايت به كمك داده هاي تست، صحت شبكه مذكور مورد بررسي قرار داده شده است. در نهايت نتيجه گيري و پيشنهادات لازم بيان گرديده است.

با توجه به مطالب اشاره شده نتيجه مي شود كه با تشخيص به موقع هر كدام از عيوب اوّليه در ماشين القايي مي توان از پديد آمدن حوادث ثانويّه كه منجر به وارد آمدن خسارات سنگين مي گردد ، جلوگيري نمود . در اين راستا سعي شده است كه با تحليل ، بررسي و تشخيص يكي از اين نمونه خطاها، خطاي سيم بندي استاتور يك موتور القايي قفس سنجابي ، گامي موثر در پياده سازي نظام تعميراتي پيشگويي كننده برداشته شود و با بكارگيري سيستم هاي مراقبت وضعيت بروي چنين ماشينهايي از وارد آمدن خسارات سنگين بر صنايع و منابع ملي جلوگيري گردد.

تعداد صفحات 125 word

فهرست مطالب:

چكيده

مقدمه۲

فصل اول: بررسي انواع خطا در ماشينهاي القايي و علل بروز و روشهاي تشخيص آنها

۱-۱-مقدمه۳

۱-۲-بررسي انواع تنشهاي وارد شونده بر ماشين القايي۴

۱-۲-۱-تنشهاي موثر در خرابي استاتور۴

۱-۲-۲- تنشهاي موثر در خرابي روتور۵

۱-۳- بررسي عيوب اوليه در ماشينهاي القايي۸

۱-۳-۱- عيوب الكتريكي اوليه در ماشينهاي القايي۱۰

۱-۳-۲- عيوب مكانيكي اوليه در ماشينهاي القايي۱۷

فصل دوم: مدلسازي ماشين القايي با استفاده از تئوري تابع سيم پيچ

۲-۱-تئوري تابع سيم پيچ۲۱

۲-۱-۱-تعريف تابع سيم پيچ۲۱

۲-۱-۲-محاسبه اندوكتانسهاي ماشين با استفاده از توابع سيم پيچ۲۶

۲-۲-شبيه سازي ماشين القايي۲۹

۲-۲-۱- معادلات يك ماشين الكتريكي باm سيم پيچ استاتور و n سيم پيچ روتور۳۲

۲-۲-۱-۱-معادلات ولتاژ استاتور۳۲

۲-۲-۱-۲- معادلات ولتاژ روتور۳۳

۲-۲-۱-۳- محاسبه گشتاور الكترومغناطيسي۳۵

۲-۲-۱-۴- معادلات موتور القاي سه فاز قفس سنجابي در فضاي حالت۳۶

۲-۳- مدلسازي خطاي حلقه به حلقه و خطاي كلاف به كلاف۴۴

فصل سوم: آناليز موجك و تئوري شبكه هاي عصبي

۳-۱-تاريخچه موجك ها۵۴

۳-۲-مقدمه اي بر خانواده موجك ها۵۴

۳-۲-۱-موجك هار۵۵

۳-۲-۲- موجك دابيشز۵۵

۳-۲-۳- موجك كوايفلت۵۶

۳-۲-۴- موجك سيملت۵۶

۳-۲-۵- موجك مورلت۵۶

۳-۲-۶- موجك مير۵۷

۳-۳- كاربردهاي موجك۵۷

۳-۴- آناليز فوريه۵۸

۳-۴-۱- آناليز فوريه زمان-كوتاه۵۸

۳-۵-آناليز موجك۵۹

۳-۶- تئوري شبكه هاي عصبي۶۹

۳-۶-۱- مقدمه۶۹

۳-۶-۲- مزاياي شبكه عصبي۶۹

۳-۶-۳-اساس شبكه عصبي۶۹

۳-۶-۴- انواع شبكه هاي عصبي۷۲

۳-۶-۵-آموزش پرسپترونهاي چند لايه۷۶

فصل چهارم:روش تشخيص خطاي سيم بندي استاتور در ماشين القايي(خطاي حلقه به حلقه)

۴-۱- اعمال تبديل موجك۷۹

۴-۲- نتايج تحليل موجك۸۱

۴-۳- ساختار شبكه عصبي۹۴

فصل پنجم: نتيجه گيري و پيشنهادات..

نتيجه گيري۹۷

پيشنهادات۹۸

پيوست ها۹۹

منابع و ماخذ

فارسي۱۰۰

منابع لاتين۱۰۱

چكيده لاتين۱۰۵

پايان نامه كامپيوتر تشخيص احساسات در چهره انسان

چكيده

پيشرفت علم پردازش تصوير در چند دهه اخير تا حدي بوده است كه استفاده ان را در علوم و صنايع گوناگون مي توان به وضوح احساس كرد. تا جايي كه عدم وجود اين علم در بعضي از اين موارد كاملا ان مورد را بي استفاده مي كند. يكي از موارد پردازش تصوير كه در اين پايان نامه به ان پرداخته ايم تشخيص حالت چهره است؛ بدين صورت كه تصوير بعنوان ورودي به سيستم وارد مي شود و نرم افزار با استفاده از متد خاصي حالت چهره را (6 حالت) بعنوان خروجي بر مي گرداند. در فصل اول به مقدمه اي درباره علم بينايي ماشين و پردازش تصوير پرداخته شده است. فصل دوم توصيف تاريخچه، تحليل، متد استفاده شده براي پياده سازي اين نرم افزار ارائه شده است. در فصل سوم مقدمه اي در دسته بندي و متدي كه استفاده شده در اين پروژه پرداخته شده است. فصل چهارم به نتايج و مقايسه تخصيص داده شده است.

تعداد صفحات 128 word

فهرست مطالب

فصل اول

مقدمه............................................................................................ 1

1-1مقدمه اي بر ماشين بينايي...................................................................... 2

1-1-1 بينايي ماشين(MV)

1-1-2 كاربردهاي بينايي ماشين................................................................... 2

1-1-3 متدها.................................................................................... 2

1-1-4 پردازش تصوير........................................................................... 3

1-1-4-1 استخراج ويژگي........................................................................ 3

1-1-4-2 روش هاي قسمت بندي تصوير......................................................... 5

1-1-4-3 دسته بندي............................................................................. 6

1-1-5 روش هاي پردازش تصوير در بينايي ماشين................................................. 6

1-1-6 مراحل بينايي ماشين....................................................................... 8

1-1-7 روش هاي فشرده‌سازي تصاوير............................................................ 9

1-1-8 تصاوير رقومي(ديجيتالي)................................................................ 11

1-1-9 مقادير پيكسلها........................................................................... 11

1-1-10 دقت تصوير........................................................................... 11

1-2 تاريخچه پردازش تصوير.................................................................... 12

1-2-1 مراحل اصلي پروسه تشخيص تصوير..................................................... 14

فصل دوم

تحليل.......................................................................................... 23

2-1تاريخچه الگوريتم الگوي باينري محلي..................................................... 24

2-1-1 نمونه 1: دسته بندي بافته بااستفاده ازطيف بافته......................................... 24

2-1-2 نمونه 2: مطالعه تفضيلي اندازه گيري و سنجش بافته ازطريق رده بندي برپايه توزيع خصايص........... 26

2-1-3 نمونه 3: مكانيابي واستخراج چشم درتصاويرچهره انسان.............................................. 26

2-1-4 نمونه 4: تشخيص چهره: مشكل تصحيح تغييراتي كه در مسير شدت هاي روشنايي در تصوير ايجاد مي شود..... 28

2-1-5 نمونه 5: رده بندي بافت هاي مقاوم به چرخش(Rotation-invariant) با استفاده از توزيعات خصايص..... 30

2-1-6 نمونه 6: توالي هيستوگرام ..................................................................... 31

2-1-7 نمونه7: تشخيص قوي حالات چهره بااستفاده از........................................................ 34

2-1-8 نمونه 8: تشخيص احساسات با استفاده از الگوهاي پيشرفته دودويي محلي(LBP)، پراكندگي(Entropies) tsallis وخصايص ظاهري و سراسري در چهره......................................................................... 36

2-1-9 نمونه 9: هيستوگرام الگوي دودويي محلي چند طيفه(Multispectral Local Binary Pattern Histogram) براي عناصر و اجزاي مبتني بر بازبيني رنگ چهره............................................. 38

2-2معرفي سيستم هاي مشابه.............................................................................. 39

2-2-1 الگوهاي باينري محلي .................................................................... 39

2-2-2 الگوهاي باينري يكنواخت محلي (local uniform binary pattern)..

2-2-3 الگوهاي باينري محلي مقاوم در برابر چرخش (rotation invariant local binary pattern).

2-2-4 الگوي باينري محلي چند مقياسه (multi-scale local binary pattern).

2-2-5 الگوي باينري Gabor محلي (local gabor binary pattern)

2-2-6 مقدار سطح شيب در الگوي باينري محلي (magnitude local binary pattern)

2-3تحليل.............................................................................................. 42

2-3-1 واحد بافته(Texture Unit) و طيف بافته(Texture Spectrum)

2-3-1-1 دسته بندي بافته(Texture Classification).

2-3-2 مقياس خاكستري(Gray Scal) و الگوهاي باينري محلي با خصوصيت مقاوم به چرخش(Rotation Invariant LBP)

2-3-2-1 دست يافتن به تغيير ناپذيري مقياس خاكستري در تصاوير gray scale..

2-3-2-3 بهبود ويژگي مقاوم به چرخش در تصاوير با الگوهاي يكنواخت و بهتر شدن تدريجي(Quantization) زاويه هاي چرخش در تصوير 55

2-3-2-4 اندازه گيري واريانس(انحراف) در ويژگي مقاوم به چرخش تصاوير به واسطه ي كنتراست(تفاوت رنگ) بافت تصوير محلي 59

2-3-2-5 قاعده كلي دسته بندي غير پارامتري..................................................... 60

2-3-2-6 اناليز چند رزوليشنه(Multiresolation Analysis)....................................

2-3-3-1 مدل يادگيري براي توصيف بافته......................................................... 63

2-3-3-2 فرمولاسيون مدل يادگيري پيشنهادي....................................................... 63

2-3-4 سطح الگوي باينري محلي (VLBP)

2-3-4-1 سطح الگوي باينري محلي پايه اي(Basic Volume Local Binary Pattern).

2-3-4-2 خاصيت مقاوم در چرخش در سطح الگوي باينري محلي(Rotation Invariant VLBP)..............

2-3-4-3 الگوهاي باينري محلي از سه سطح متعامد(Local Binary Patterns From Three Orthogonal Planes)

2-3-4-4 توصيف گر محلي براي اناليز تصوير چهره...................................................... 84

فصل سوم

دسته بندي........................................................................................ 89

3-1 چكيده.................................................................................. 90

3-2 مقدمه.................................................................................... 90

3-3 مقدمه اي در دسته بندي......................................................................... 91

3-4-1 SVM.......................................................................................

3-4-2 SVM غير خطي.................................................................................... 103

3-4-3 Svm خطي.......................................................................... 104

3-4-3-1 فرم اوليه......................................................................................... 106

3-5- 4 SVM Multiclass................................................................

3-6 استفاده از دانش قبلي در SVM..................................................................

3-7 Soft Margin(حاشيه نرم)............................................................................ 110

3-8 خصوصيات SVM.......................................................................................

3-9 رگرسيون(Regression)...........................................................................

فصل چهارم

نتايج ومقايسه.......................................................................................... 113

1-4 نتايجي براي VLBP..........................................................................

4-2 نتايجي براي LBP-TOP...............................................................................

4-4 نتيجه گيري............................................................................................... 118

پيوست ها................................................................................................. 120

پيوست الف................................................................................................................................... 121

چكيده انگليسي.............................................................................................. 122

فهرست اشكال و نمودارها

شكل 1: 5 حالت مختلف از يك تصوير. 29

شكل 2: نرمال سازي تصوير frontal29

شكل 3: چهارچوب كلي LGBPHSبراي نمايش چهره31

شكل 4: عملگر LBPاصلي و اوليه. 34

شكل 5: تقسيم تصوير به يك بلوك 7*6. 36

شكل 6: مثالي از انتقال يك همسايگي در يك واحد بافته. 43

شكل 7: مثالي از طيف بافته كه از طريق تصاوير شكل 6 محاسبه شده اند. 44

شكل 9: دسته بندي با حضور ناظر از شكل8. چهار كلاس با چهار سطح خاكستري نمايش داده شده اند.48

شكل 10: اختصاص دهي احتمال در دسته بندي براي هر عنصر از شكل 4.49

شكل 11: مجموعه همسايگي هاي متقارن. 50

شكل 12: مجموعه هاي همسايگي متقارن مدوّر براي (P,R) هاي مختلف... 50

شكل 13: مستقل سازي و جدا كردن پيكسل مركزي از پيكسل هاي همسايگي.. 51

شكل 14: 36 دوران ثابت منحصر به فرد. 54

شكل 15: استخراج الگوها براي نمايش نقاط تيره و روشن، نواحي مسطح و لبه ها55

شكل 16: مثالي از دوران زاويه اي.. 56

شكل 17: مثالي از الگوهاي يكنواخت و غير يكنواخت.. 56

شكل 18: الگوهاي يكنواخت و غير يكنواخت.. 58

شكل 19: توزيع اتصالات.. 60

شكل 20: تصوير شماتيكي از يك مدل يادگيري.65

شكل 22: عدد خصايص در مقابل عدد كدهاي LBP. 79

شكل23: سه سطح در الگوي پويا در استخراج نقاط همسايگي.. 80

شكل 25: (a) سه سطح در بافته پويا، (b) هيستوگرام LBPاز هر سطح، (c) الحاق هيستوگرام خصيصه. 82

شكل 26: شعاع وعدد نقاط همسايگي هاي مختلف روي سه سطح.. 83

شكل 27: جزئيات نمونه گيري براي شكل 26. با83

شكل 28: (a) بلوك هاي غير همپوشاني شده (8*9)، (b) بلوك هاي همپوشاني شده(3*4 با سايز همپوشاني 10)86

شكل 29: خصايص در هر سطح بلوك. (a) سطوح بلوك، (b) خصايص LBPاز سه سطح متعامد، (c) خصايص براي هر سطح بلوك از طريق شكل ظاهري وحركت با هم الحاق مي شوند.87

شكل30: نمايش حالات چهره87

شكل 31. نوع اول چيدمان داده ها92

شكل 32. نوع دوم چيدمان داده ها93

شكل 33. نوع سوم چيدمان داده ها94

شكل 34. نوع چهارم چيدمان داده ها95

جدول 1. 114

جدول 2. 115

جدول 3. 116

جدول 4. 116

نمودار 1. 117