تحقیق درمورد روش های استخراج ویژگی و روش های خطی و غیر خطی دسته بندی 17 ص

اختصاصی از رزفایل تحقیق درمورد روش های استخراج ویژگی و روش های خطی و غیر خطی دسته بندی 17 ص دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 17

/

Islamic Azad University of Mashhad

Faculty of Engineering

Department of Computer Engineering-Artificial Intelligence

Pattern Recognition

Fifth Report

Feature Extraction

Presenter:

Seyed Majid Ghafouri

[e-mail]

Supervisor:

Dr. Rahati

1386/11/4

1) چکیده:

در این تمرین روش های استخراج ویژگی و روش های خطی و غیر خطی دسته بندی را مورد مطالعه قرار می‌دهیم. در ابتدا روش های مختلف استخراج ویژگی که از آن جمله PCA، LDA، روش قاب بندی و چند روش دیگر هستند را و سپس برای ویژگی های استخراج شده از روش های دسته بندی خطی بیزین و SVM خطی و سپس روش های غیر‌خطی RBF ، MLP و همچنین SVM غیر‌خطی برای دسته بندی استفاده شده‌ است. بسته به روش شناسایی بکار گرفته شده، معمولا ویژگی های متفاوتی از دنباله نقاط استخراج می شود. در اکثر روش های موجود استخراج ویژگی، ویژگی ها از روی مختصات نقاط نمونه برداری شده ورودی استخراج می شوند. از مجموعه ی ویژگی های استخراج شده معمولاً تعدادی مفید تر و موثرترند. ما برای تشخیص و انتخاب ویژگی های تاثیرگذارتر از یک الگوریتم ژنتیک استفاده کرده ایم. اما پس از استخراج و انتخاب ویژگی ها نوبت به دسته بندی می رسد. در ابتدا از چند دسته بند خطی استفاده کرده ایم. به راحتی می‌توان نشان داد که ناحیه‌های تصمیم‌گیری یک ماشین خطی محدودند و این محدودیت انعطاف‌پذیری و دقت دسته‌بند را کاهش می‌دهد. مسایل بسیاری وجود دارد که توابع جداساز خطی برای داشتن حداقل خطا در آنها کافی نیستند. علاوه بر این مرزهای تصمیم‌گیری که کلاسها را از یکدیگر تفکیک می‌کنند ممکن است همیشه خطی نباشند و پیچیدگی مرزها گاهی اوقات نیاز به استفاده از سطح‌های کاملاً غیر خطی را دارند. بنابراین در ادامه ی کار از چند دسته بند غیرخطی نیز استفاده نمودیم. در استفاده از شبکه‌های عصبی چندلایه، شکل غیر خطی بودن از مجموعه‌ی آموزش فرا گرفته می‌شود. در روشهای RBF و SVM غیرخطی مشکل اصلی انتخاب توابع هسته غیر خطی مناسب است.

2) مقدمه

اولین الگوریتم دسته‌بندی در سال 1936 توسط Fisher ارایه شد و معیارهای آن برای بهینه بودن، کم کردن خطای دسته‌بندی کننده‌های الگو‌های آموزشی بود. بسیاری از استراتژی‌های موجود نیز از همین روش پیروی می‌کنند. در ساده‌ترین شکل ممکن، دسته بند‌های خطی می‌توانند دو دسته‌ی متفاوت را تفکیک کنند. با توجه به این موضوع مساله‌ای را جدایی‌پذیر خطی می‌نامند که با یک ابرصفحه بتوان محدوده‌ی تصمیم را به دو گروه تقسیم‌بندی کرد. در عمل می‌توان دسته بند‌های خطی‌ای را طراحی کرد که بیش از دو گروه را از هم تفکیک کنند. این عمل را با تنظیم محدوده‌های تصمیم متعدد و آزمون‌های چندگانه بر اساس شرایط موجود می‌توان انجام داد. ما در این مساله یک دسته بندی با 26 کلاس را داریم.

در روش بیزین احتمال شرطی تعلق بررسی می‌شود. به این ترتیب که الگوی مورد نظر به دسته‌ای تخصیص داده می‌شود که احتمال شرطی تعلق بردار مشخصه‌ی الگو به آن دسته ازتمام دسته‌های دیگر بیشتر باشد. روش بیزین به طور کلی می تواند برای کارایی بسیار مطلوب بهینه شوند. این روش مزایای دیگری نیز دارد که استفاده‌ی از آن را توجیه می‌کند. این روش می‌تواند با چند فرض ساده در مورد داده‌ها کاملاً به شکل روشهای ساده‌ی خطی عمل کند، به علاوه این کار می‌تواند به گونه‌ای انجام شود که در پایان، مدل قطعی بدون هیچ گونه رجوع به آمار به دست آید. در روش بیزین مشکل کار تعریف احتمالات شرطی مورد نظر قاعده‌ی بیز است.

یک محقق روسی به نام Vladimir Vapnik در سال 1965 گام مهمی در طراحی دسته‌بندها برداشت [1] و نظریه‌ی آماری یادگیری را بصورت مستحکم‌تری بنا نهاد و ماشین بردار پشتیبان را ارایه کرد. ماشین‌های بردار پشتیبان در دو حالت جدایی‌پذیر و جدایی‌ناپذیر برای دسته‌بندی الگوهای یک مساله‌ی چندکلاسه از چند مرز جداکننده‌ی خطی یا ابرصفحه استفاده می‌کنند و در واقع حاصلضرب داخلی بردار ورودی با هر یک از بردارهای پشتیبان در فضای d بعدی ورودی محاسبه می‌شود. Vapnik نشان داد که می‌توان بردار ورودی را با یک تبدیل غیرخطی به یک فضای با بعد زیاد انتقال داد و در آن فضا حاصلضرب داخلی را بدست آورد که با این شرایط هسته‌ی مفیدی را خواهیم داشت.

روش RBF یک دسته‌بندی و تقریب‌ساز تابعی الگوست و شامل دو لایه می‌باشد که نرون‌های خروجی ترکیبی خطی از توابع پایه‌ای را به وجود می‌آورند که توسط نرون‌های لایه‌ی پنهان محاسبه شده‌اند. زمانی که ورودی در ناحیه‌ی تعیین شده‌ی کوچک از فضای ورودی قرار گیرد، توابع اساسی(غیر خطی) در لایه‌ی پنهان، پاسخ غیر صفری به محرک ورودی می‌دهند. همچنین این مدل به عنوان یک شبکه‌ی دریافت‌کننده‌ی ناحیه‌ای شناخته شده است. ما در روش RBF از معمول‌ترین تابع هسته‌ی غیر خطی یعنی سیگموئید استفاده کرده‌ایم.

به طور کلی شبکه‌های پرسپترون چند‌لایه شامل چندین پرسپترون ساده هستند که به طور ساختار سلسله‌مراتبی، یک شکل پیش‌خورد با یک و یا چند لایه‌ی میانی (لایه‌های پنهان) بین لایه‌های ورودی و خروجی را شکل می‌دهد. تعداد لایه‌ی پنهان و تعداد نرون‌های هر لایه ثابت نیستند. هر لایه ممکن است از نرون‌های مختلفی تشکیل شده باشد که این موضوع به کار آنها بستگی دارد. الگوریتم‌های آموزشی متفاوتی در روش چند لایه استفاده می‌شوند.

3) روشهای به کار رفته در این گزارش

در این قسمت روشهای استخراج ویژگی، روشهای انتخاب ویژگی ها جهت بهینه کردن آنها و کم کردن ابعاد مساله با کاهش تعداد آنها و روشهای دسته‌بندی (خطی و غیرخطی) به کار رفته بررسی شده‌اند.

3-1) روشهای استخراج ویژگی

در این قسمت انواع روشهای استخراج ویژگی ها ذکر شده است. ذکر این نکته لازم است که برخی الگوریتم های استخراج برای انتخاب ویژگی های موثر نیز استفاده می شوند ازجمله ی آنها PCA و LDA هستند. اما در این گزارش ما برای بهینه کردن ویژگی ها و کم کردن تعداد آنها و یا به عبارت دیگر برای کاهش ابعاد (Curse of Dimensionality) از الگوریتم ژنتیک استفاده نموده ایم.

3-1-1) روش PCA خطی

روشهای استخراج ویژگی یک زیرفضای مناسب m بعدی در فضای اصلی ویژگی ها از d بعد را تعیین می کنند(m<=d). تبدیل خطی مثل PCA، آنالیز فاکتور، LDA و تعقیب تصویر بطور گسترده در شناسایی الگو برای استخراج ویژگی ها و کاهش ابعاد استفاده شده اند. بهترین استخراج کننده ی ویژگی شناخته شدهPCA یا توسعه یافته ی Karhunen-loeve است که m بردار مشخصه بزرگتر را از ماتریس کوواریانس d×d از n الگوی d بعدی محاسبه می کند. تبدیل خطی به شکل Y=XH تعریف شده است که X ماتریس الگوی n×d داده شده و Y از ماتریس الگوی n×m مشتق شده است . H ماتریس d×m از تبدیل خطی است که ستون های آن بردارهای مشخصه هستند. قبل از اینکه PCA از ویژگی های پرمعنی تر استفاده کند (بردار ویژگی های با بزرگترین مقدار ویژه)، بطور کاملاً موثر داده ها را با یک زیرفضای خطی با استفاده از معیار خطای میانگین مربعات تخمین می زند. سایر روش ها مانندتعقیب تصویر و ICA برای توزیع های غیرگاوسی تا وقتی که به مشخصه ی مرتبه ی دوم داده ها مربوط نباشد مناسب ترند. ICA با موفقیت برای جداسازی منابع دیده نشده استفاده شده است. استخراج ترکیب خطی ویژگی ها منابع نابسته را تعریف می کند. این جداسازی در صورتی امکان پذیر است که حداکثر یکی از منابع دارای توزیع گاوسی باشد.

از آجا که PCA یک روش بدون بررسی استخراج ویژگی هاست (Unsupervised)، تحلیل جداسازی از یک اطلاعات گروهی در رابطه با هر الگو برای استخراج (خطی) ویژگی های با قابلیت جداسازی زیاد استفاده می کند. در LDA جداسازی بین کلاسی با جابجایی کل ماتریس کوواریانس در PCA با یک معیار جداسازی عمومی مانند معیار Fisher تائید می شود که در یافتن بردارهای مشخصه

پاورپوینت درباره جبر خطی

اختصاصی از رزفایل پاورپوینت درباره جبر خطی دانلود با لینک مستقیم و پر سرعت .

فرمت فایل :powerpoint  تعداد صفحات ۳۹ صفحه

بخشی از اسلایدها:

فهرست:

   محاسبه توابع ماتریس مربعی

   چند جمله ای مینیمال و معادله مشخصه

   قضیه کیلی همیلتون

 چند جمله ای های معادل بر روی طیف ماتریس A

 معادله لیاپانوف و حل آن

   ماتریس متقارن و فرم مربعی و ماتریس متعامد

  ماتریس مثبت/منفی معین

   تجزیه مقادیر تکین

   محاسبه فضای رنج و پوچ از تجزیه مقادیر تکین

   نرم ماتریسی

تابع ماتریس مربع:

چند جمله ای که ضریب بزرگترین درجه آن برابر یک باشد چندجمله ای مونیک نامیده می شود.

چند جمله ای مینیمال:

چند جمله ای مونیک با کمترین درجه که ماتریس A آن را برابر ماتریس صفر کند چند جمله ای مینیمال ماتریس  A نامیده می شود.

 ماتریسهای متقارن و فرم مجذوری (مربعی) و ماتریس متعامد (یکانی)

تعریف 3-1: یک ماتریس متقارن(symmetric)   نامیده می شود اگر ترانهاده آن ماتریس با خودش برابر باشد. یعنی:

تعریف 3-2: برای یک ماتریس متقارن M و هر بردار x عبارت xTMx  فرم مجذوری (مربعی)  نامیده می شود.

تعریف 3-3: یک ماتریس  متعامد(orthogonal)   نامیده می شود اگر تمام ستونهای آن متعامد یکه باشند. در این ماتریسها:

تمرین 3-5: نشان دهید اگر λ مقدار ویژه ماتریس A بوده و x بردار ویژه متناظر آن باشد در اینصورت f(λ)  مقدار ویژه ماتریس f(A) بوده و x بردار ویژه متناظر آن است.

تمرین 3-8: اگرماتریس A متقارن باشد رابطه بین مقادیر ویژه و مقادیر تکین چیست؟ (راهنمایی: در ماتریسهای متقارن داریم:   A=A2)

دانلود تحقیق کامل درباره ایده آل های خطی به ترتیب کوهن مکوالی 22 ص

اختصاصی از رزفایل دانلود تحقیق کامل درباره ایده آل های خطی به ترتیب کوهن مکوالی 22 ص دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 26

ایده آل های خطی به ترتیب کوهن-مکوالی

چکیده- G را یک نمودار غیرمستقیم ساده n راسی در نظر بگیرید و بگذارید برایده آل خطی مرتبطش دلالت کند. مانشان می دهیم که تمام نمودارهای و تری G ، به ترتیب کوهن- مکوالی هستند ، دلیل ما بر پایه نشان دادن این است که دوگانه الکساندر I(G) ،خطی و ازمولفه است.

نتیجه ما فرضیه فریدی را که می گوید ایده آل درخت ساده شده به ترتیب کوهن- مکوالی، هرزوگ، هیبی، می باشد، وفرضیه ژنگ که می گوید یک نمودار وتری کوهن-مکوالی است اگر و تنها اگر ایده آل خطی اش در هم ریخته نباشد، را تکمیل می کند. ما همچنین ویژگی های دایره های مرتب کوهن- مکوالی را بیان می کنیم و نمونه‌هایی از گراف های مرتب غیروتری کوهن- مکوالی را هم ارائه می کنیم.

1-مقدمه

G را یک گراف ساده n راسی در نظر بگیرید پس G هیچ حلقه یا خطوط چندگانه ای پهن دو راس ندارد.) رئوس ومجموعه های خطی G توسط EG,VG را به ترتیب نشان دهید. ما ایده آل تک جمله ای غیر مربع چهارگانه با K که یک میزان است و جایی که را به G ارتباط می دهیم.ایده ال ایده آل خطی Gنامیده می شود.

توجه اولیه این مقاله ایده آل های خطی گراف های وتری است. یک گراف G وتری است اگر هر دایره طول یک وتر داشته باشد. اینجا اگر ،خطوط یک دایره طول n باشند، ما می گوییم که دایره وری یک وتر دارد اگر دو راس xj,xi در دایره به نحوی وجود داشته باشند که یک خط برای G باشند اما خطی در دایره نباشد.

ما می گوییم که یگ گراف G کوهن –مکوالی است اگر کوهن-مکوالی باشد. چنانکه هرزوگ، هیبی و ژنگ اشاره می کنند، طبقه بندی تمام گراف های کوهن-مکوالی شاید اکنون قابل کشیدن نباشند، این مسئله به سختی طبقه بندی کردن تمام مجموعه های ساده شده کوهن-مکوالی است.]9[.البته هرزوگ، هیبی و ژنگ در ]9[ ثابت کردند که وقتی G یک گراف وتری باشد،پس G در هر میدانی کوهن-مکوالی است اگر وفقط اگر به هم نریخته باشد.

ویژگی کوهن –مکوالی به ترتیب بودن، که شرایطی است ضعیف تر از کوهن-مکوالی بودن، توسط استنلی ]14[ در ارتباط با تئوری قابلیت جدا شدن غیرخالص معرفی شد.

تعریف 1-1- را در نظر بگیرید. یک M معیار B درجه دار کوهن –مکوالی به ترتیب نامیده می شود اگر یک تصفیه معین از معیارهای R درجه بندی وجود داشته باشد.

به نحوی که کوهن –مکوالی باشد، و ابعاد کرول خارج قسمت در حال افزایش باشند:

ما میگوییم یک گراف G کوهن-مکوالی به ترتیب است و در K اگر کوهن-مکوالی به ترتیب باشد. ما می توانیم به نتیجه هرزوگ، هیبی و ژنگ بر سیم البته با استفاده از این تضعیف شرایط کوهن-مکوالی. نتیجه اصلی ما فرضیه زیر است (که مستقل از خاصیت (K) است.

فرضیه 2-1 فرضیه 2-3.تمام گراف های وتری کوهن-مکوالی به ترتیب هستند.

بنابراین حتی گراف های وتری که ایده آل های خطی نشان در هم نریخته نیستند نیز هنوز یک

دانلود تحقیق کامل درباره برنامه خطی اعداد صحیح دوتایی 16 ص

اختصاصی از رزفایل دانلود تحقیق کامل درباره برنامه خطی اعداد صحیح دوتایی 16 ص دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 22

برنامه خطی اعداد صحیح دوتایی (BILP)

یک مورد خاص ILP زمانی اتفاق می افتد که همه متغیرهای نمونه بتوانند فقط یک یا دو رقم 0 یا 1 را قبول کنند . چنین متغیرهایی متغیرهای دوتایی نامیده می شوند ، و نمونه ها ، برنامه ها ، برنامه های 1-0 یا برنامه های خطی اعداد صحیح دو تایی (BILPS) نامیده می شوند . هر حالتی که بتواند با بله / نه ، (خوب / بد) یا 0/1 نمونه‌برداری شود به عنوان متغیردوتایی شناخته می شود . در زیر نمونه های زیادی از متغیرهای دوتایی ذکر شده که ممکن است در طرح تجاری یافت شود :

، اگر یک طرح مراقبت سلامتی جدید پذیرفته شود .

، اگر پذیرفته نشود .

، اگر مجلس خط B برای تولید نمونه های کولس به کار رود .

، اگر به کار نرود .

، اگر یک ایستگاه پلیس جدید در پایین شهر شناخته شود .

، اگر ساخته نشود .

، اگر تولید یک اجناس به عنوان نوع «خوب» قابل قبول باشد .

، اگر به این صورت نباشد .

، اگر بزرگراه 50 ، در سفر بین ددو شهر به کار رود .

، اگر به این صورت نباشد .

، اگر محدودیت خاصی باشد .

، اگر آن محدودیت نیاز نباشد .

، اگر یک گیاه جدید در گاری هندوستان پرورش یابد .

، اگر به این صورت نباشد .

، اگر سومین انتقال به کار رود .

، اگر به این صورت نباشد .

همانطور که این مثالها نشان می دهند ، خیلی ساده است که متغیر دوتایی را به عنوان یک تحقیق در نظر می گیریم یعنی این که این تحقیق قبول شده ، یعنی این تحقیق قبول نشده است . با تفاسیر داده شده در مورد متغیرها ، اکنون ما چند نوع اجبار را مورد آزمایش قرار می دهیم ، که تحت بررسی شورای شهر در «سالم اورگون» می باشد .

شورای شهر سالم :

در آخرین جلسه مالیاتی سال ، شورای شهر «سالم» ، طرح هایی مختص سرمایه باقی مانده در بودجه یک سال ارائه کرده است . نه تحقیق تحت بررسی کامل یک سال قرار گرفته اند . برای آمارگیری حمایت مردم از تحقیق های مختلف ، پرسشنامه هایی به طور تصادفی به رای دهندگان در کل شهر فرستاده می شود و از آنها خواسته می شود که تحقیق ها را به ترتیب از خوب به بد طبقه بندی کنند . ( بالاترین تقدم ، پایین ترین تقدم ) شورا امتیازها را بر اساس 500 پاسخی که دریافت می کند تطبیق می دهد .با این وجود هیئت شورا مکرراً متذکر می شود که تنها به نتایج پرسش‌نامه‌ها اکتفا نمی کند . آنها در حالیکه تخصیص های بودجه را تهیه می کنند ، مسائل دیگر را هم محاسبه می کنند . برای تخمین هزینه هر تحقیق ، میزان تخمینی ثابت هر شغل جدید باید فراهم شده ، و تطبیق امتیاز پرسشنامه ها در جدول 3-5 خلاصه شده است.

جزوه آموزشی کنترل دیجیتال و غیر خطی

اختصاصی از رزفایل جزوه آموزشی کنترل دیجیتال و غیر خطی دانلود با لینک مستقیم و پر سرعت .

این فایل حاوی جزوه آموزشی کنترل دیجیتال و غیر خطی می باشد که به صورت فرمت PDF در 96 صفحه در اختیار شما عزیزان قرار گرفته است، در صورت تمایل می توانید این محصول را از فروشگاه خریداری و دانلود نمایید.

فهرست
آشنایی با مبانی کنترل دیجیتال
تبدیل z
مطالب زمینه ای برای بررسی سیستم ها در حوزه z
بررسی سیستم ها و کنترل کننده های دیجیتال
خلاصه ای از کنترل غیرخطی

تصویر محیط برنامه