تجزیه و تحلیل سری های زمانی سیستم های دینامیکی آشوبناک غیرخطی گسسته ی یک بعدی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه محقق اردبیلی - دانشکده علوم
- نویسنده سیما حسن نیای دستکی
- استاد راهنما صدیف احدپور کلخوران
- سال انتشار 1393
چکیده
بزرگترین نمای لیاپانوف، یکی از کمیت های ناوردای اساسی در مشاهده و تشخیص آشوب در سیستم های دینامیکی می باشد. از آن جا که برای سیستم های آشوبناک گسسته و پیوسته بزرگترین نمای لیاپانوف، مدول تبدیل موجک مقیاس کوچک یک سیستم دینامیکی می باشد، از این خاصیت می توان در مورد تخمین بزرگترین نمای لیاپانوف سری های زمانی تولید شده از یک سیستم دینامیکی استفاده کرد از آن جا که سیستم های دینامیکی مورد مطالعه ما طوری انتخاب می شوند که دارای سنجه ناوردا هستند، می توان با بازسازی سرس زمانی تولید شده از این سیستم های دینامیکی گسسته ی یک بعدی نمای لیاپانوف را برای آن ها در حد تکرار بی نهایت به دست آورد. که این کمیت برای تشخیص آشوب ناکی سیستم های دینامیکی مورد مطالعه بسیار اهمیت دارد.
منابع مشابه
مطالعه پنهان نگاری بر اساس سیستم های دینامیکی آشوبناک غیرخطی گسسته یک بعدی
در سال های اخیر، تعداد رو به رشدی از الگوریتم های پنهان نگاری با استفاده از نگاشت های آشوبناک مطرح شده است؛ اگرچه بسیاری از آنها با مشکلاتی نظیر قوی نبودن در مقابل آنالیزها و نداشتن امنیت مواجه هستند. ما در این پایان نامه یک طرح جدید از پنهان نگاری در حوزه ی فضایی، بر اساس یک نگاشت جفت شده ی آشوبناک مطرح خواهیم کرد. در این طرح، از نگاشت آشوبناک برای تعیین مکان پیکسل ها در تصویر پوشش، به منظور ج...
15 صفحه اولپیش بینی سری زمانی آشوبناک با استفاده از مدل سیستم های دینامیکی اندرکنشی غیرخطی
در پژوهش پیش رو سعی شده است به پیش بینی سری های زمانی که موضوعی چالش برانگیز و پراهمیت در سال های اخیر بوده و کاربرد فراوان یافته است، پرداخته شود. دریک مساله پیش بینی به صورت کلاسیک، از آن جایی که معمولا در فضای گسسته ی سری های زمانی با دینامیک ها سروکار داریم، می توان دینامیک موردنظر را به صورت نگاشت زیر درنظر گرفت: x(t+t)=f_t (x(t) ) معادل این نگاشت در فضای حالت به صورت نموداری از حالت بع...
ارائه ی یک روش خوشه بندی سری های زمانی بر مبنای الگوریتم تکاملی دیفرانسیلی و تبدیل کسینوسی گسسته
با پیشرفت روز افزون تکنولوژیهای جمع آوری اطلاعات و امکان دسترسی به حجم عظیمی از داده همواره نیازمند روشهایی برای تجزیه و تحلیل این حجم داده خام و استخراج اطلاعات مفید از آن میباشیم. امروزه خوشهبندی داده به عنوان یکی از روشهای آنالیز و ساده سازی مجموعه دادههای بزرگ، مورد توجه بسیاری از محققین قرار گرفته است. در این میان خوشهبندی سریهای زمانی با دقت مورد قبول، حائز اهمیت بسیاری میباشد....
متن کاملبررسی موجک ها در سیستم های دینامیکی آشوبناک گسسته یک بعدی
چکیده: در این پایان نامه پس از ارائه ی مقدمه و تاریخچه استگانوگرافی، تعاریف و اصول کلی آن در فصل دوم مورد بحث قرار خواهد گرفت. همچنین در این فصل در مورد استگانوگرافی به روش تبدیل گسسته موجک بحث شده است. برای اینکه استگانوآنالیز سخت تر شود، باید داده های سری درون تصویر بیشتر پراکنده شود و الگوریتم حکاکی پیچیده و فضای کلید بزرگ باشد. مهم تر از آن، کیفیت فایل قبل و بعد از حکاکی باید از نظر ظاهری ...
بازسازی سری های زمانی داده های ماهواره ای دمای سطح زمین با استفاده از الگوریتم تجزیه و تحلیل هارمونیک سری های زمانی (HANTS)
دمای سطح زمین (LST) یکی از پارامترهای اساسی در مبادله انرژی بین زمین و اتمسفر است. در بسیاری از علوم مختلف از جمله اقلیمشناسی، هیدرولوژی، کشاورزی، اکولوژی، بهداشت عمومی و علوم زیستمحیطی استفاده از سریهای زمانی LST کاربرد فراوان دارد. اما سریهای زمانی دادههای ماهوارهای معمولاً دارای دادههای ناقص، از دست رفته و یا غیر قابل قبول هستند که این به دلیل حضور ابرها در تصاویر، وجود ذرات گرد و غبار...
متن کاملممیزی سری های زمانی با استفاده از برآورد تابع درستنمایی ضرایب موجک های گسسته
در این مقاله نسبت درستنمایی توابع چگالی دو جامعه نرمال با استفاده از تبدیل موجکی گسسته تقریب زده شده و یک معیار ناپارامتری برای ممیزی مدل های سری های زمانی ایستا در حوزه موجک ها پیشنهاد شده است. سپس با استفاده از روش های شبیه سازی کارایی معیار به دست آمده در ممیزی مدل های مختلف ARMA نشان داده شده است. عدم نیاز به مدل بندی پارامتری، سرعت محاسبات برای سری های زمانی بزرگ و نرخ خطای ممیزی پایین از ...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه محقق اردبیلی - دانشکده علوم
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023