بهینه‌سازی اتوماتیک خوشه‌بندی شبکه راهها با استفاده از الگوریتم انبوه ذرات بمنظور استخراج محور مرکزی آنها

Authors

  • مختارزاده, مهدی دانشگاه صنعتی خواجه نصیرالدین طوسی
  • ولدان زوج, محمدجواد دانشگاه صنعتی خواجه نصیرالدین طوسی
Abstract:

این تحقیق در بر گیرنده روشی نوین در استخراج راه در قالب دو مرحله کشف راه و برداری سازی آن می باشد. در مرحله کشف راه تصویر مشتمل بر کلاس عوارض راه با استفاده از  خوشه‌بندی به روش سی مینز  فازی و بهبود تصویر با بهره گیری از پاره ای از عملیات پس پردازشی حاصل می گردد. در مرحله برداری‌سازی، نقاط کلیدی نماینده محور مرکزی راه توسط روشی نوین در خوشه‌بندی پویای تصویر کلاس راه بر مبنای الگوریتم بهینه‌سازی انبوه ذرات تعیین می گردند.  الگوریتم پیشنهاد شده قادر است تعداد و موقعیت نقاط کلیدی را بر روی راه کشف شده به‌صورت اتوماتیک و بدون نیاز به معلومات اولیه ای مانند تعداد و موقعیت اولیه مراکز خوشه‌ها، بهینه نماید. در این راستا تابع هزینه جدیدی طراحی و به الگوریتم مذکور معرفی گردیده است. در نهایت نقاط کلیدی بهینه با استفاده از تکنیک گراف وزن دار به یکدیگر متصل می‌گردند. روش پیشنهادی بر روی چندین تصویر بزرگ مقیاس ماهواره ایکنوس تهیه شده از نواحی شهری، غیرشهری و کوهستانی پیاده‌سازی شده و معیارهای ارزیابی دقت شامل جذر میانگین مربع خطا، تمامیت، صحت و کیفیت محاسبه گردیدند. نتایج حاکی از موفقیت الگوریتم پیشنهادی در استخراج اشکال مختلف راه با جذر میانگین مربعی خطا کمتر از 3/1 و کیفیت برداری‌سازی بیش از 86/0 در نواحی مختلف می‌باشد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بهینه سازی اتوماتیک خوشه بندی شبکه راهها با استفاده از الگوریتم انبوه ذرات بمنظور استخراج محور مرکزی آنها

این تحقیق در بر گیرنده روشی نوین در استخراج راه در قالب دو مرحله کشف راه و برداری سازی آن می باشد. در مرحله کشف راه تصویر مشتمل بر کلاس عوارض راه با استفاده از  خوشه بندی به روش سی مینز  فازی و بهبود تصویر با بهره گیری از پاره ای از عملیات پس پردازشی حاصل می گردد. در مرحله برداری سازی، نقاط کلیدی نماینده محور مرکزی راه توسط روشی نوین در خوشه بندی پویای تصویر کلاس راه بر مبنای الگوریتم بهینه ساز...

full text

پیش‌بینی تقاضای انرژی با استفاده از شبکه عصبی مبتنی بر الگوریتم انبوه ذرات

انرژی نقش اساسی در فرایند تولید و رفاه اجتماعی داشته و پیش‌بینی تقاضای آن به منظور تنظیم بازار و عرضه مطمئن آن امری ضروری می‌باشد. با توجه به روند پرنوسان و غیرخطی تقاضای انرژی و متغیرهای موثر بر آن، مدل‌های غیرخطی بخصوص شبکه-های عصبی و الگوریتم انبوه ذرات در این امر توفیق بیشتری داشته‌اند. با توجه به اینکه در کنار نقاط قوت فراوان، این تکنیک‌ها دارای نقاط ضعفی مانند نیاز به تعیین فرم تبعی خاص، ...

full text

پیش بینی تقاضای انرژی با استفاده از شبکه عصبی مبتنی بر الگوریتم انبوه ذرات

انرژی نقش اساسی در فرایند تولید و رفاه اجتماعی داشته و پیش بینی تقاضای آن به منظور تنظیم بازار و عرضه مطمئن آن امری ضروری می باشد. با توجه به روند پرنوسان و غیرخطی تقاضای انرژی و متغیرهای موثر بر آن، مدل های غیرخطی بخصوص شبکه-های عصبی و الگوریتم انبوه ذرات در این امر توفیق بیشتری داشته اند. با توجه به اینکه در کنار نقاط قوت فراوان، این تکنیک ها دارای نقاط ضعفی مانند نیاز به تعیین فرم تبعی خاص، ...

full text

شبیه‌سازی تابع تقاضای برق بخش کشاورزی با استفاده از الگوریتم انبوه ذرات(pso)

در چند دهه­ی اخیر با پیشرفت فناوری تولید و کارایی مصرف انرژی، انرژی­هایی با کیفیت بالا مانند الکتریسیته، جایگزین سوخت­های با کیفیت پایین مانند زغال سنگ شده است. برق به­عنوان یکی از نهاده­های تولید در بخش­های اقتصادی به­خصوص بخش کشاورزی، از اهمیت ویژه­ای برخوردار است. بنابر­این پیش­بینی مصرف و تامین به موقع انرژی الکتریکی مورد نیاز این بخش می­تواند باعث افزایش تولیدات کشاورزی، افزایش صادرات غیر ...

full text

بهینه سازی بازدهی اکسرژی و تولید آنتروپی توربین بادی با استفاده از الگوریتم انبوه ذرات

هدف این تحقیق افزایش اکسرژی و کاهش تولید آنتروپی برای توربین بادی نوع E‌x‌c‌e‌l-S B‌e‌r‌g‌e‌y با بهینه‌سازی سرعت‌های شروع چرخش، نامی و خاتمه‌ی چرخش در الگوریتم انبوه ذرات است. بدین‌منظور ابتدا تابع هدف با مدل‌سازی ریاضی اکسرژی توربین بادی به دست می‌آید. سپس با گردآوری داده‌های آماری توربین مذکور، توسط کد رایانه‌یی شبکه‌ی عصبی، توربین بادی در نرم‌افزار متلب مدل‌سازی شده و نتایج آن به‌صورت جداول...

full text

پیش بینی تقاضای بلندمدت انرژی الکتریکی با استفاده از الگوریتم ترکیبیِ عصبی- فازی و انبوه ذرات

  Storing the electrical energy in large scale is impossible. So, it is necessary to identify the factors affecting the electricity demand. Researchers have used different methods to forecast the future demand of electricity, among them intelligent methods and fuzzy based methods are more popular. Since ANFIS structure is based on researcher’s experience about phenomenon, the created structure ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 2  issue 4

pages  17- 31

publication date 2015-03

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023