در پروژه حاضر، یک سیستم تشخیص خودکار دو مرحله ای به منظور شناسایی خوشه های میکروکلسیفیکاسیون در تصاویر دیجیتال ماموگرافی معرفی شده است. برای پیاده سازی الگوریتم پایگاه داده nijmegen انتخاب شده است. در مرحله اول الگوریتم، با استفاده از 4 ویژگی، پیکسل های مشکوک به میکروکلسیفیکاسیون ، استخراج می گردند. در این مرحله از یک شبکه عصبی به منظور دسته بندی پیکسل ها استفاده گردیده است. با استفاده از همسای...

در این پایان نامه کنترل مقاوم سیستم های نامعین غیرخطی براساس رویکرد تطبیقی مورد بررسی قرار گرفته است. رویکرد تطبیقی بر اساس ماشین بردار پشتیبان تابع موجک برای کاهش خطای ردیابی همزمان ناشی از اغتشاشات خارجی و نامعینی ها پیشنهاد شده است. در این روش، ماشین بردار پشتیبان هسته موجک به منظور ایجاد کنترل کننده تطبیقی به کار رفته است و یک قانون یادگیری همزمان برای بردار وزنی و بایاس بدست آمده است. از و...

در این مقاله، روش جدیدی برای عیب‌یابی در چرخ‌دنده‌ها ارایه شده است. سیگنال‌های ارتعاشی مجموعه جعبه‌دنده در سه حالت سالم، لب‌پریدگی دندانه و ساییدگی دندانه جمع‌آوری شده‌اند. این سیگنال‌ها با استفاده از روش تجزیه مود تجربی به تعدادی توابع مود ذاتی تجزیه شده‌اند. با توجه به این که همه توابع مود ذاتی به دست آمده از روش تجزیه مود تجربی، مناسب برای عیب‌یابی نیستند، از مفهوم همبستگی متقابل برای انتخاب...

در این پژوهش، مقایسه ای بین روش های تجزیه حالت تجربی، تجزیه حالت تجربی دسته ای و تبدیل موجک گسسته با توابع موجک مادر مِیِر و دابچی در تشخیص عیب نابالانسی ماشین دوار انجام شده است. به منظور طبقه بندی و تفکیک کلاس سالم از نابالانسی ماشین دوار، از ماشین بردار پشتیبان بهینه شده با الگوریتم بهینه سازی ازدحام ذرات استفاده شده است. همچنین، مقایسه ای بین عملکرد ماشین بردار پشتیبان بهینه و غیربهینه نیز ان...

طبقه بندی و تهیه نقشه کاربری های اراضی یکی از پرکاربردترین موارد در استفاده از داده های سنجش از دور است. تعدادی از روش های پیشرفته تر طبقه بندی در دهه های گذشته توسعه پیداکرده اند که از آنها می توان به شبکه های عصبی مصنوعی و ماشین بردار پشتیبان اشاره کرد. در این مطالعه از تصاویر لندستtm باقدرت تفکیک 30 متر جهت استخراج کاربری های اراضی با استفاده از دو روش طبقه بندی شبکه عصبی مصنوعی و ماشین بردا...

ماشین بردار پشتیبان (svm) به عنوان یکی از روش های مبتنی بر هسته از مهمترین روش های یادگیری ماشینی می باشد که در رگرسیون و بازشناخت الگوی داده ها به کار برده می شود. در سالهای اخیر مطالعه برای بکارگیری و ارزیابی ترکیب تبدیل ویولت با svm مورد توجه قرار گرفته است. یک هسته قابل قبول برای svm به عنوان هسته ویولت معرفی شده و ماشین بردار پشتیبان ویولت (wsvm) ایجاد شده است. هسته ویولت یک تابع ویولت چند...