هایدی

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

هایدی

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

پاورپوینت موجک و پردازش چند دقتی

اختصاصی از هایدی پاورپوینت موجک و پردازش چند دقتی دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

دسته بندی : پاورپوینت

نوع فایل :  .ppt ( قابل ویرایش و آماده پرینت )

تعداد اسلاید : 63 اسلاید


 قسمتی از متن .ppt : 

 

حوزه مکان و فرکانس

1

پیشینه آنالیز زمان-فرکانس:

تبدیل فوریه

تبدیل فوریه زمان – کوتاه

آنالیز چند تفکیک

تبدیل موجک یک بعدی (پیوسته و گسسته)

تبدیل موجک دو بعدی (پیوسته و گسسته)

2

تبدیل فوریه

تبدیل فوریه، یک سیگنال را به مجموعی نامتناهی از تابع نمایی مختلط افراز می کند که هر کدام از آن ها دارای فرکانس های مختلفی است. طبق تعریف، تبدیل فوریه سیگنال پیوسته در زمان x(t) به صورت زیر بدست می آید:

می توان دید که سیگنال x(t) در یک جمله نمایی با فرکانس معین f ضرب شده است و سپس بر تمام زمان ها انتگرال گرفته شده است. باید دقت نمود که جمله نمایی را می توان به صورت زیر نوشت:

3

تبدیل فوریه

تبدیل فوریه در حقیقت ضرب نمودن سیگنال زمانی در یک تابع نمایی مختلط است که در واقع ترکیبی از دو تابع متناوب با فرکانس f است. در گام بعد، از این حاصل ضرب انتگرال گیری زمانی می شود. به بیان بهتر، تمام نقاط این حاصلضرب با یکدیگر جمع می شوند.

در نهایت اگر حاصل این انتگرال گیری عددی بزرگ باشد، آن گاه می گوییم سیگنال x(t) یک مؤلفه فرکانسی برجسته در فرکانس f دارد. اگر حاصل مقداری کوچک باشد، گوئیم مؤلفه فرکانسی f در این سیگنال غالب نیست.

4


دانلود با لینک مستقیم


پاورپوینت موجک و پردازش چند دقتی

ادغام تصاویر برپایه تبدیل موجک گسسته

اختصاصی از هایدی ادغام تصاویر برپایه تبدیل موجک گسسته دانلود با لینک مستقیم و پر سرعت .

ادغام تصاویر برپایه تبدیل موجک گسسته


ادغام تصاویر برپایه تبدیل موجک گسسته

 در این فصل به بررسی ادغام تصاویر برپایه تبدیل موجک گسسته و همچنین به بررسی ادغام تصاویر  MRI مغزی می­پردازیم. روشی است که با تنظیم قوانین مختلف ترکیب ضرایب فرکانس پایین و بالا زیرباند را به طور جداگانه توسعه می­دهد. ضرایب پایین در حوزه فرکانس براساس طرح اندازه­گیری انتخاب شده است، درحالی­که ضرایب زیرباند در حوزه فرکانس مبتنی بر حداکثر ضرایب ارائه شده است. عملکرد ارزیابی روش پیشنهادی در مقایسه با چند روش ادغام تصاویر معمول است. تبدیل موجک گسسته (DWT) یک ابزار ریاضی مناسب برای نمایش و پردازش تصاویر دیجیتال با وضوح متفاوت می­باشد. علاوه بر آن برای بالا بردن کارایی چهارچوب کاری در جهت نمایش و ذخیره­سازی تصاویر با وضوح چندگانه، DWT نگاه وسیع و قدرتمندی به خصوصیات فرکانسی و فضایی تصویر دارد. این در حالی است که توجه تبدیل فوریه صرفا بر روی ویژگی­های فرکانسی تصویر متمرکز شده است.

 


دانلود با لینک مستقیم


ادغام تصاویر برپایه تبدیل موجک گسسته

بررسی عملکرد مدل های ترکیبی شبکه موجک - عصبی و برنامه ریزی بیان ژن در مدلسازی بارش ماهانه

اختصاصی از هایدی بررسی عملکرد مدل های ترکیبی شبکه موجک - عصبی و برنامه ریزی بیان ژن در مدلسازی بارش ماهانه دانلود با لینک مستقیم و پر سرعت .

بررسی عملکرد مدل های ترکیبی شبکه موجک - عصبی و برنامه ریزی بیان ژن در مدلسازی بارش ماهانه


بررسی عملکرد مدل های ترکیبی شبکه موجک - عصبی و برنامه ریزی بیان ژن در مدلسازی بارش ماهانه

• مقاله با عنوان: بررسی عملکرد مدل های ترکیبی شبکه موجک - عصبی و برنامه ریزی بیان ژن در مدلسازی بارش ماهانه  

• نویسندگان: یوسف حسن زاده ، آرش یاقوتی ، پیمان یوسفی  

• محل انتشار: دهمین کنگره بین المللی مهندسی عمران - دانشگاه تبریز - 15 تا 17 اردیبهشت 94  

• فرمت فایل: PDF و شامل 7 صفحه می باشد.

 

 

 

چکیــــده:

مدلسازی وضعیت بارش در منابع آب نقش بسیار حیاتی به عهده دارد. پیش بینی بارندگی برای برنامه ریز منابع آب خصوصا در دوره های خشکسالی و جلوگیری از خسارات ناشی از آن می تواند نقش اساس داشته باشد. با توجه به پیشرفت تکنولوژی، اگرچه این مدلسازی و پیش بینی در دامنه زمان و مکان امری محال نیست، ولی از پیچیدگی های بسیاری برخوردار است. در این تحقیق، مدلسازی بارش ماهانه از سه منظر مورد بررسی قرار گرفت. (1) نوع ورودی و ترکیب متفاوت ورودی، علاوه بر بارش ماهانه از پارامترهای دما، فشار و رطوبت استفاده شد (2) روش مدلسازی: در تحلیل حاضر از شبکه عصبی مصنوعی (پرسپترون چند لایه) و  ساختار درختی برنامه ریزی بیان ژن استفاده شد. (3) گسسته سازی: دو نوع موجک مادر متفاوت به منظور بررسی بهبود کارایی مدل ها به کار گرفته شد. تحقیق حاضر در 2 ایستگاه اصلی سینوپتیکی استان آذربایجان شرقی شامل تبریز، اهر که دارای آمار بارندگی بیش از 24 سال هستند صورت گرفت و در نهایتا عملکرد مدل ها توسط شاخص های آماری ضریب همبستگی (R) و  جذر کمترین مربعات خطا (RMSE) ارزیابی گردید. نتایج حاصل، حاکی از دقت مطلوب مدل ترکیبی موجک - شبکه عصبی در مدل سازی بارش ماهانه می باشد.

________________________________

** توجه: خواهشمندیم در صورت هرگونه مشکل در روند خرید و دریافت فایل از طریق بخش پشتیبانی در سایت مشکل خود را گزارش دهید. **

** درخواست مقالات کنفرانس‌ها و همایش‌ها: با ارسال عنوان مقالات درخواستی خود به ایمیل civil.sellfile.ir@gmail.com پس از قرار گرفتن مقالات در سایت به راحتی اقدام به خرید و دریافت مقالات مورد نظر خود نمایید. **


دانلود با لینک مستقیم


بررسی عملکرد مدل های ترکیبی شبکه موجک - عصبی و برنامه ریزی بیان ژن در مدلسازی بارش ماهانه

بکارگیری مدل های ترکیبی موجک - ماشین بردار پشتیبان و برنامه ریزی ژنتیک در پیش بینی سری های زمانی هیدرولوژیکی

اختصاصی از هایدی بکارگیری مدل های ترکیبی موجک - ماشین بردار پشتیبان و برنامه ریزی ژنتیک در پیش بینی سری های زمانی هیدرولوژیکی دانلود با لینک مستقیم و پر سرعت .

بکارگیری مدل های ترکیبی موجک - ماشین بردار پشتیبان و برنامه ریزی ژنتیک در پیش بینی سری های زمانی هیدرولوژیکی


بکارگیری مدل های ترکیبی موجک - ماشین بردار پشتیبان و برنامه ریزی ژنتیک در پیش بینی سری های زمانی هیدرولوژیکی

• مقاله با عنوان: بکارگیری مدل های ترکیبی موجک - ماشین بردار پشتیبان و برنامه ریزی ژنتیک در پیش بینی سری های زمانی هیدرولوژیکی (مطالعه موردی: حوضه آجی چای)  

• نویسندگان: غلامرضا عندلیب ، وحید نورانی ، افشین پرتویان  

• محل انتشار: نهمین کنگره ملی مهندسی عمران - دانشگاه فردوسی مشهد - 21 تا 22 اردیبهشت 95  

• فرمت فایل: PDF و شامل 8 صفحه می باشد.

 

 

 

چکیــــده:

شبیه سازی و ارزیابی رسوب رودخانه و ایجاد ارتباط بین دبی جریان و رسوب از جمله مسائل مهم و کاربردی در مدیریت منابع آب و محیط زیست در استفاده از مخازن سدها، ساماندهی رودخانه ها و عاملی برای جلوگیری از هزینه اضافی است. در این تحقیق، از تابع موجک به عنوان یکی از ابزارهای محاسبات نرم جهت استخراج ویژگی های سری های زمانی استفاده گردیده و کارایی مدل های موجک - ماشین بردار پشتیبان و موجک – برنامه ریزی ژنتیک برای پیش بینی رسوب در رودخانه ی آجی چای مورد بررسی قرار گرفته است. برای این منظور، در گام اول مقدار رسوب توسط ماشین بردار پشتیبان و برنامه ریزی ژنتیک پیش بینی شده است. سپس سری های زمانی دبی و رسوب توسط موجک به زیر سری هایی تجزیه شدند و این زیر سری ها جهت شبیه سازی رابطه دبی - رسوب وارد ماشین بردار پشتیبان و برنامه ریزی ژنتیک شدند. نتایج پیش بینی رسوب ماهانه نشان می دهند که ماشین بردار پشتیبان با ضریب تبیین DC=0.65 خروجی بهتری نسبت به برنامه ریزی ژنتیک DC=0.61 دارد. مدل موجک - ماشین بردار پشتیبان نتایج بهتری در مقایسه با مدل موجک – برنامه ریزی ژنتیک نشان می دهد و اضافه کردن موجک باعث افزایش دقت مدل های ماشین بردار پشتیبان و برنامه ریزی ژنتیک می شود، برای نمونه DCSVM=0.65 به DCWSVM=0.82 ارتقاء یافته است.

________________________________

** توجه: خواهشمندیم در صورت هرگونه مشکل در روند خرید و دریافت فایل از طریق بخش پشتیبانی در سایت مشکل خود را گزارش دهید. **

** درخواست مقالات کنفرانس‌ها و همایش‌ها: با ارسال عنوان مقالات درخواستی خود به ایمیل civil.sellfile.ir@gmail.com پس از قرار گرفتن مقالات در سایت به راحتی اقدام به خرید و دریافت مقالات مورد نظر خود نمایید. **


دانلود با لینک مستقیم


بکارگیری مدل های ترکیبی موجک - ماشین بردار پشتیبان و برنامه ریزی ژنتیک در پیش بینی سری های زمانی هیدرولوژیکی