امروزه تصاویر فرا طیفی به علت غنای اطلاعات طیفی یک ابزار قوی و کارامد در سنجش از دور به حساب میآیند و امکان تمایز بین عوارض مشابه را فراهم میآورند. با توجه به پایداری ماشینهای بردار پشتیبان در فضاهایی با ابعاد بالا، یک گزینه مناسب در طبقهبندی تصاویر فرا طیفی محسوب م چکیده کامل
امروزه تصاویر فرا طیفی به علت غنای اطلاعات طیفی یک ابزار قوی و کارامد در سنجش از دور به حساب میآیند و امکان تمایز بین عوارض مشابه را فراهم میآورند. با توجه به پایداری ماشینهای بردار پشتیبان در فضاهایی با ابعاد بالا، یک گزینه مناسب در طبقهبندی تصاویر فرا طیفی محسوب میشوند. با این وجود، عملکرد این طبقهبندی کنندهها تحت تأثیر پارامترها و فضای ویژگی ورودی آنها میباشد. به منظور استفاده از ماشینهای بردار پشتیبان با بیشترین کارایی، میبایست مقادیر بهینهی پارامترها و همچنین زیر مجموعه بهینه از ویژگیهای ورودی تعیین گردند. در این تحقیق از توانایی الگوریتم ژنتیک به عنوان یک تکنیک بهینهسازی فرا ابتکاری، در تعیین مقادیر بهینه پارامترهای ماشینهای بردار پشتیبان و همچنین انتخاب زیرمجموعه ویژگیهای بهینه در طبقهبندی تصاویر فرا طیفی استفاده شده است. نتایج عملی از بهکارگیری روش فوق در خصوص دادههای فرا طیفی سنجنده AVIRISنشان میدهند، ویژگیهای ورودی و پارامترها هر کدام جداگانه تأثیر بسزایی بر عملکرد ماشینهای بردار پشتیبان دارند ولی بهترین عملکرد طبقه-بندی کننده با حل همزمان آن دو بدست میآید. در حل همزمان تعیین پارامتر و انتخاب ویژگی، برای کرنل گوسین و پلینومیال به ترتیب 5% و 15% افزایش دقت با حذف بیش از نیمی از باندهای تصویر حاصل شد. همچنین الگوریتم بهینهسازی شبیهسازی تبرید تدریجی به منظور مقایسه با الگوریتم ژنتیک پیادهسازی شد که نتایج حاکی از برتری الگوریتم ژنتیک به ویژه با بزرگ و پیچیده شدن فضای جستجو در رویکرد حل همزمان تعیین پارامتر و انتخاب ویژگی میباشد.
پرونده مقاله
تحلیل بافت نقش مهمی را در پردازش تصویر ایفا می کند. با توجه به ظاهر فوق العاده بافتی تصاویر سونار، تکنیک های تحلیل بافت یک انتخاب مناسب برای تحلیل تصاویر آکوستیکی دریا هستند. اپراتور الگوی دودویی محلی یک توصیفگر بسیار موثر و چند رزولوشنی بافت است. این توصیفگر، اطلاعات م چکیده کامل
تحلیل بافت نقش مهمی را در پردازش تصویر ایفا می کند. با توجه به ظاهر فوق العاده بافتی تصاویر سونار، تکنیک های تحلیل بافت یک انتخاب مناسب برای تحلیل تصاویر آکوستیکی دریا هستند. اپراتور الگوی دودویی محلی یک توصیفگر بسیار موثر و چند رزولوشنی بافت است. این توصیفگر، اطلاعات مناسب را از تغییر روشنایی و حالات تصویر بدست می آورد. با اینکه توسعه های زیادی از الگوی دودویی محلی ارائه شده است اما اپراتورهای الگوهای دودویی محلی موجود نسبت به نویز حساسند. همچنین گاهی اوقات منجر به توصیف الگوهای مختلف ساختاری با کد دودویی همگون می شوند که به ناچار قابلیت تمایز خود را کاهش می دهند. این تحقیق یک بررسی اجمالی پیرامون روش الگوی دودویی محلی را ارائه نموده که شامل چندین مورد از متغیرهای جدیدتر است. سپس برای غلبه بر ناکارآمدی های انواع الگوهای دودویی محلی، یک چارچوب قوی از الگوی دودویی بنام الگوی دودویی محلی تکمیل شده مقاوم ارائه شده که ارزش هر پیکسل مرکزی با میانگین مقادیر شدت خاکستری خانه ها از یک مربع سه در سه جایگزین می گردد. روش ارائه شده یک ابزار سریع با دقت بالا در طبقه بندی تصاویر بستر دریاست که مقایسه نتایج شبیه سازی با دیگر روش های مشهور، نشاندهنده کارآیی الگوریتم ارائه شده است.
پرونده مقاله
بیماری آلزایمر (AD) یک بیماری پیشرونده و برگشت ناپذیر است که به تدریج باعث می شود بیماران نتوانند کارهای روزمره خود را انجام دهند. اگرچه روش های درمانی فعلی نمی توانند بیماری را به طور کامل درمان کنند ، اما تشخیص به موقع آن می تواند علائم را کاهش داده و کیفیت زندگی بیما چکیده کامل
بیماری آلزایمر (AD) یک بیماری پیشرونده و برگشت ناپذیر است که به تدریج باعث می شود بیماران نتوانند کارهای روزمره خود را انجام دهند. اگرچه روش های درمانی فعلی نمی توانند بیماری را به طور کامل درمان کنند ، اما تشخیص به موقع آن می تواند علائم را کاهش داده و کیفیت زندگی بیماران را افزایش دهد. در ادبیات فعلی ، استفاده از بافت ماده خاکستری (GM) که به عنوان نشانگر زیستی مناسب شناخته می شود ، در تشخیص AD بسیار رایج است. با این حال ، به نظر می رسد دو بافت مغز دیگر معروف به مایع مغزی نخاعی (CSF) و ماده سفید (WM) اطلاعات مفیدی را درباره تغییرات مغزی بیماران نشان می دهند. هدف از مطالعه حاضر ایجاد یک سیستم اتوماتیک برای تشخیص زود هنگام بیماری آلزایمر از MRI ساختاری با در نظر گرفتن همزمان ویژگی های مناسب از تمام بافت های GM ، CSF و WM است. یک طبقه بندی SVM-RBF بر روی پایگاه داده OASIS آموزش داده شده و مورد ارزیابی قرار می گیرد تا AD از افراد سالم کنترل شود. نتایج به دست آمده نشان دهنده دقت و حساسیت بالاتر الگوریتم پیشنهادی در مقایسه با روش مشابه است
پرونده مقاله
هر سازمان به منظور آگاهی از میزان عملکرد و مطلوبیت فعالیت واحدهای خود به یک نظام ارزشیابی جهت سنجش این مطلوبیت نیاز دارد و این موضوع برای مؤسسات مالی از جمله شرکت های مبتنی بر تکنولوژی اطلاعات اهمیت بیشتری دارد. تحلیل پوششی داده ها یک روش غیرپارامتری برای اندازه گیری ک چکیده کامل
هر سازمان به منظور آگاهی از میزان عملکرد و مطلوبیت فعالیت واحدهای خود به یک نظام ارزشیابی جهت سنجش این مطلوبیت نیاز دارد و این موضوع برای مؤسسات مالی از جمله شرکت های مبتنی بر تکنولوژی اطلاعات اهمیت بیشتری دارد. تحلیل پوششی داده ها یک روش غیرپارامتری برای اندازه گیری کارایی و بهره وری از واحدهای تصمیم گیری (DMUs)هاست. از طرف دیگر تکنیک داده کاوی به DMUs))ها اجازه کاوش و کشف اطلاعات معنی داری، که قبلاً در پایگاه داده های بزرگ پنهان بوده اند را می دهد. این مقاله یک چارچوب کلی ترکیب تحلیل پوششی داده ها بادرخت رگرسیون را برای ارزیابی کارایی و بهره وری ازDMUها پیشنهاد می کند. نتیجه مدل ترکیبی مجموعه ای از قوانین است که می تواند توسط سیاست گذاران برای کشف دلایلDMUهای کارآمد و ناکارآمد مورد استفاده قرار گیرد. به عنوان مطالعه موردی با استفاده از روش پیشنهادی برای بررسی عوامل مرتبط با بهره وری نمونه ای شامل 18 شعبه از بیمه ایران در شهر تهران انتخاب گردید و پس از مدل سازی بر مبنای مدل پیشرفته LVM ورودی محور با دسترسی پذیری ضعیف درتحلیل پوششی داده ها با خروجی نامطلوب محاسبه گردید و با تکنیک درخت تصمیم، به استخراج قوانین برای کشف دلایل افزایش بهره وری و پسرفت بهره وری می پردازد.
پرونده مقاله