یک روش جدید برای طبقه‎بندی نانوساختارها براساس آنالیز سری زمانی و منطق فازی

Authors

Abstract:

Dispersion of nanoparticles in nanostructures is one of the most important indicators designed to verify the effectiveness of proposed methods in the synthesis of nanomaterials. In the recent years, various methods have been suggested for the synthesis of nanostructures in which the Scanning Electron Microscopy (SEM) has been used to show the quality of the nanomaterial. The SEM images of nanoparticles contain structural, chemical and morphological information with high resolution in nanometer scale of nanomaterials. One of the challenges in the quality of dispersion’s nanostructures is detection of agglomeration degree. In some SEM images of nanoparticles, the particles have speeded uniformly and not aggregately. In some of the other SEM images, their particles are agglomerated. Also, there are a few SEM images of nanoparticles that their particles aren’t very aggregate or diffused. If the SEM images of nanoparticles with their particles speeded uniformly, are called good images, and the images with their aggregate particles are called bad images, and the images with their particle dispersion between good and bad images, are called average images, the nanomaterials could be classified in categories of good, average, and bad images. In this paper, a new algorithm has been provided to classify nanostructures using SEM images of nanoparticles. For this purpose, these images were transformed to time series at first (the time series extracted are unique for each SEM image of nanoparticles) and their specifications were investigated through time series analysis methods. Then, statistical specifications of these series were extracted. Six statistical specifications have been extracted for classification of nanostructures. These specifications are as follows: standard deviation, first and second kurtosis, interquartile range, the criterion of Pearson, and skewness. The extracted specifications were used as inputs of a fuzzy inference system for classifying microscopic images of nanostructures into three groups: good, average and bad. This algorithm has been tested on 65 nanoparticles microscopic images with identical size and resulted precision above 93 percent indicated validity of this algorithm.  

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

یک روش جدید برای انتخاب ویژگی مبتنی بر منطق فازی

چکیده: انتخاب ویژگی یکی از چالش برانگیز ترین و از مهمترین فعالیت‌ها در توسعه یادگیری ماشین و تشخیص الگوست. معیارهای ارزیابی ویژگی نقش بسیار مهمی برای ساخت یک الگوریتم انتخاب ویژگی دارند. در این مقاله یک معیار انتخاب ویژگی اصلاح شده با استفاده از منطق فازی برای انتخاب تعداد ویژگی‌های مورد نیاز ارائه می شود. این معیار به شکل غیر فازی در تحقیقات قبلی استفاده می‌شود، اما در این مقاله با تعریف تعداد...

full text

ارائه یک رویکرد فازی برای بهینه‌سازی پیش‌بینی سری زمانی با مرتبه بالا

It is difficult to apply the real world’s conceptions due to their uncertainty. Generally, time series are known to be non-linear or non-stationary. Regarding these two features, a system should be sensitive enough to apply the unity of time series and repeat this sensitiveness in the prediction. A predict system can exactly scrutinize the hidden features of time series and also can have high p...

full text

طراحی یک سامانه توصیه‌گر ترکیبی دوره‌های آموزشی براساس روش استدلال مبتنی بر نمونه و منطق فازی

در این پژوهش، ابتدا دو مورد از چالش‌های پیش‌ روی شرکت‌های کوچک و متوسط در نیازسنجی و برنامه­ریزی آموزشی مورد بررسی قرار می­گیرد و مسأله انتخاب دوره‌های آموزشی و مهارتی مناسب تشریح می­شود. سپس در جهت شناسایی نیازهای آموزشی شرکت­ها و برنامه­ریزی دوره­های آموزشی مناسب، سیستمی برای پیشنهاد دوره‌های آموزشی با استفاده از روش استدلال مبتنی بر نمونه و منطق فازی ارائه می­شود. استدلال مبتنی بر نمونه، برا...

full text

ارائه یک الگوریتم جدید در ترکیب GPS/ABS مبتنی بر منطق فازی برای ناوبری خودرو

سیستم مکانیاب GPS در صورت قرار گرفتن در شرایط مناسب محیطی (مشاهده حداقل چهار ماهواره GPS با توان سیگنال دریافتی کافی)، قادر است نقاط مکانی را با دقت بالا و به طور پیوسته تولید نماید. با این حال، اغلب در مناطق شهری مانند خیابان‌های با ساختمان و درخت‌های بلند، به دلیل کاهش توان سیگنال و چند مسیره شدن آن، نتیجه مکان تخمین زده شده توسط GPS، همواره دارای خطا است. همچنین، درزیرگذرها و تونل‌ها، سیگنال...

full text

ارائه یک الگوریتم جدید در ترکیب GPS/ABS مبتنی بر منطق فازی برای ناوبری خودرو

سیستم مکانیاب GPS در صورت قرار گرفتن در شرایط مناسب محیطی (مشاهده حداقل چهار ماهواره GPS با توان سیگنال دریافتی کافی)، قادر است نقاط مکانی را با دقت بالا و به طور پیوسته تولید نماید. با این حال، اغلب در مناطق شهری مانند خیابان‌های با ساختمان و درخت‌های بلند، به دلیل کاهش توان سیگنال و چند مسیره شدن آن، نتیجه مکان تخمین زده شده توسط GPS، همواره دارای خطا است. همچنین، درزیرگذرها و تونل‌ها، سیگنال...

full text

چگونه یک مدل مناسب برای داده‌های سری زمانی انتخاب کنیم؟

The time series is a collection of observation data that are arranged according to time. The main purpose of setting up a time series is to predict future values. The first step in time series data is graphed. Using graphs can provide general information such as uptrend or downtrend, seasonal patterns, periodic presence, and outliers in time series graphs. After graphing the data, if a good for...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 14  issue 2

pages  115- 130

publication date 2017-09

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