اخیراً، کاربرد انرژی حرارتی در مخازن هیدروکربنی جهت افزایش بازیافت نفت خام بسیار مورد توجه قرار گرفته است. فرآیند های بازیافت حرارتی به دو گروه عمده ی ، تزریق سیال داغ و احتراق درجا تقسیم می شوند. پیرولیز، اکسیداسیون و احتراق هیدروکربن ها، واکنش های کنترل کننده ی فرآیند احتراق درجا می باشند. وجود این واکنش ها برای تشکیل سوخت و تولید گرما ضروری است. مقدار سوخت نهشته شده جلوی جبهه احتراق از مهمترین پارامترهایی است که باید در طراحی یک پروژه احتراق درجا در نظر گرفته شود. هدف اصلی این تحقیق ارزیابی پیرولیز نفت خام طی فرآیند احتراق درجا و استفاده از آن جهت پیش بینی مقدار سوخت توسط شبکه های عصبی مصنوعی می باشد. از اینرو، آنالیز جرم سنجی حرارتی روی شش نفت خام مختلف ایران در محدوده ی دمایی محیط تا 800 درجه سانتی گراد در محیط خنثی انجام شد. با استفاده از نتایج این تست ها، شبکه های عصبی مصنوعی جهت پیش بینی جرم هیدروکربن های باقیمانده نسبت به دما بکار برده شد. نتایج تست های جرم سنجی حرارتی نشان می دهد که ترکیب کلوئیدی نفت خام و نرخ گرمادهی، تاثیر قابل توجهی بر مقدار سوخت دارند. مقدار سوخت در دماهای مختلف می تواند توسط یک شبکه عصبی مصنوعی پرسپترون با دو لایه مخفی پیش بینی گردد. میانگین قدر مطلق خطای نسبی این پیش بینی کمتر از 5.6 درصد می باشد. همچنین نتایج آنالیز رگرسیون نیز انطباق خوبی را بین نتایج آزمایشگاهی و نتایج پیش بینی شده نشان می دهد.

تکنیک های داده کاوی جدید می تواند حسابرسان را در ارائه اظهارنظر حسابرسی یاری رساند. در این تحقیق برای اولین بار در ایران چهار تکنیک داده کاوی به منظور توسعه مدل هایی که قادر به شناسایی انواع اظهارنظر حسابرسان باشند، مورد استفاده قرار گرفت. دوره زمانی این تحقیق از ابتدای سال 1379 تا پایان سال 1386 می باشد. جامعه آماری تحقیق کلیه شرکت های پذیرفته شده در بورس اوراق بهادار تهران می باشد که داده های مورد نیاز تحقیق از آنها قابل استخراج باشد. نمونه آماری تحقیق متشکل از 1018 سال- شرکت، به روش حذفی از بین شرکت های جامعه انتخاب گردید. در این مطالعه به منظور شناسایی انواع اظهارنظر حسابرسان از شبکه عصبی پرسپترون چندلایه (mlp)، شبکه عصبی احتمالی (pnn)، شبکه عصبی توابع شعاعی بنیادین (rbf) و همچنین رگرسیون لجستیک (lr) استفاده گردید. به منظور پوشش جنبه های مختلف ویژگیهای شرکت مجموعه ای از متغیر های مالی و غیرمالی مورد بررسی قرار گرفت. سپس مدل های ایجاد شده بر حسب عملکردشان مورد ارزیابی قرار گرفتند. نتایج تحقیق حاکی از توان بالای شبکه پرسپترون چند لایه در شناسایی انواع اظهارنظر حسابرسان می باشد. این شبکه با نرخ صحت 75/87% بهترین عملکرد را در شناسایی انواع گزارش حسابرسی داشت و شبکه های عصبی احتمالی، توابع شعاعی بنیادین و رگرسیـون لجسـتیک از لحاظ عملکرد در رده های بعدی قرار گرفتنـد. نتـایج حاصل از این مدل ها می تواند برای حسابرسان داخلی و خارجی، سرمایه گذاران، اعتباردهندگان،کلیه تصمیم گیرندگان شرکت و دیگر ذینفعان مفید واقع شود.

بازیابی تصویر بر اساس محتوا (cbir) شامل مجموعه ای از روش ها برای پردازش ویژگیهای دیداری یک تصویر پرس و جو به منظور پیدا کردن تصاویر مشابه آن در یک پایگاه تصویر است. به منظور بازیابی تصاویر بایستی ابتدا ویژگی های دیداری آنها استخراج شده و سپس تصاویر نمایه سازی شوند. به طور کلی روش های استخراج ویژگی به دو دسته عمده تقسیم می شوند : دسته اول ویژگی های تصویر را از حوزه پیکسل و دسته دوم از حوزه فشرده استخراج می کنند. تا کنون تحقیقات زیادی در زمینه استخراج ویژگی از حوزه پیکسل صورت گرفته است. استفاده از این روش ها برای تصاویر فشرده نیازمند هزینه محاسباتی بالایی است. بنابراین ایجاد روش هایی برای فشرده سازی و نمایه سازی همزمان تصاویر، ضروری می باشد. در این تحقیق، یک روش جدید برای استخراج ویژگی های رنگ و بافت از تصاویر فشرده شده در قلمرو jpeg ارایه می شود. در این روش، با اعمال الگوریتم k میانگین به بردارهای کد حاصل از بلوک های dct تصاویر منتخب پایگاه، کتاب کد تصاویر تولید می شود. سپس، هیستوگرام ضرائب dct برای تمام تصاویر پایگاه، با استفاده از کتاب کد و روش چندی سازی برداری ایجاد شده و به این ترتیب تصاویر پایگاه نمایه سازی می شوند. از مزایای روش پیشنهادی، استفاده مستقیم از ضرائب dct بدون اعمال معکوس تبدیل کسینوسی و در نتیجه کاهش زمان استخراج ویژگی می باشد. روش پیشنهادی روی دو پایگاه تصویر عام شامل 1000 و 10000 تصویر متنوع از گروه های معنایی متفاوت آزموده و نتیجه بازیابی بر اساس معیارهای دقت و فراخوانی گزارش شده است. علاوه بر آن، کارایی روش پیشنهادی در مقایسه با ویژگی های مشابه از حوزه پیکسل و حوزه فشرده ، نظیر ویژگی های گابور و ویژگی های ارائه شده در ساختار ماندالا آزموده و نتایج ارائه شده است. همچنین آزمایشهایی برای تعیین تاثیر اندازه کتاب کد، معیارهای عدم شباهت و اندازه پایگاه تصویر بر کارایی روش پیشنهادی بعمل آمده است. آزمایشهای انجام شده کارایی روش پیشنهادی را تایید می کند.

در این پایان نامه، روش هایی برای رفع اعوجاجات هندسی درتصاویر متون فارسی دوربینی ارائه می شود. روش های پیشنهادی شامل رفع انحنا، حذف کجی و پرسپکتیو در این تصاویر هستند. اساس کار در این روش ها به این صورت است که پس از مرحله پیش پردازش، ناحیه مربوط به هر خط متن تعیین و با اعمال تبدیل هندسی پرسپکتیو به روی تصویر، اعوجاجات هندسی آن حذف می شود. الگوریتم پیشنهادی اول، انحنا را برای اولین بار در تصاویر متون فارسی رفع می کند. دو الگوریتم دیگر برای رفع کجی و پرسپکتیو متن پیشنهاد شده اند که یکی از آنها در دو مرحله مجزا کجی و پرسپکتیو تصویر را رفع می کند. در حالیکه روش پیشنهادی دیگر با صرف زمان محاسباتی بسیار کمتری، کجی و پرسپکتیو تصویر را هم زمان با هم حذف می نماید. روش های پیشنهادی رفع کجی و پرسپکتیو، با روش مشابهی که قبلاً بر روی تصاویر متون فارسی اعمال شده است، مقایسه می شوند. برای انجام آزمایش ها واثبات کارآیی الگوریتم های پیشنهادی از تصاویری استفاده شده است که متن موجود در آن در انواع قلم، اندازه، جهات مختلف، ظاهر شود. نتایج آزمایشهای انجام شده به همراه تحلیل آنها ارائه می شود. کلمات کلیدی: اعوجاج هندسی متون فارسی، تبدیل هندسی پرسپکتیو، برچسب زنی اجزای به هم پیوسته، عملگرهای شکل شناسی

ترمیم تصویر پرکردن بخش های ازدست رفته یا مخدوش تصویر بر اساس اطلاعات اطراف ناحیه مخدوش درتصویر است. اهداف و کاربردهای ترمیم بسیارزیاد است، از بازسازی نقاشی ها و عکس های خراب تا حذف و جایگزین کردن اشیاء انتخاب شده است. در این پایان نامه دو روش جدید برای ترمیم تصویر مبتنی بر ریخت شناسی ریاضی پیشنهاد شده است. در واقع عملیات ریخت شناسی یک عملیات غیر خطی است که تصویر هدف با یک عنصر سازنده سروکار دارد. بطورکلی عناصر سازنده که برای محاسبه کردن عملیات ریخت شناسی پایه ای استفاده می شوند، همگن هستند. از این رو آن ها خصوصیات ریخت شناسی محلی تصویر ورودی را لحاظ نمی کنند. بنابراین در این پایان نامه عملیات ریخت شناسی جهتی را با به کاربردن یک عنصر سازنده چرخنده که همراه با اطلاعات جهتی است، پیشنهاد گردید. در روش اول، از گسترش جهت دار استفاده شد. گسترش در هشت جهت مختلف انجام شد و سپس مقدار میانه هشت تصویر بدست آمده را انتخاب و در موقعیت ناحیه خراب جایگزین گردید. در روش دوم، عملیات ریخت شناسی ( بازکردن و بستن ) در پنج جهت مختلف صورت گرفت و مقدار گرادیان در جهت های مختلف محاسبه گردید. در آخر، در جهت های مختلف میانگین گیری نهایی انجام شد.

خیار از جمله میوه های پرمصرف دنیاست که تولید سالیانه آن بالغ بر 40 میلیون تن است. تولید خیار ایران بیش از 1.6 میلیون تن در سال و میزان صادرات آن 27000 تن می باشد. تولید خیار به دو صورت گلخانه ای و مزرعه ای است. با توجه به تولید غیر گلخانه ای و صادرات خیار و اینکه با درجه بندی کردن محصول می توان بهره وری را افزایش داد، در این تحقیق درجه بندی خیار مدنظر قرار گرفت. معیارهای درجه بندی عبارتند از: طول، قطر، انحناء، یکنواختی قطر، سفیدی، یکنواختی رنگ،لهیدگی و برش (شکستگی). با توجه به توانایی تشخیص این معیارها با هزینه های کم توسط ماشین بینایی، به عنوان یک روش بازرسی غیر مخرب و اینکه ماشین بینایی کیفیتی ثابتی از نظر درجه بندی ایجاد می کند از دید ماشین به عنوان مبنای سیستم درجه بندی استفاده شد. الگوریتم درجه بندی با استفاده ازتکنیک های پردازش تصویر و فازی، براساس تعاریف استانداردcfia و با استفاده ازنرم افزارmatlab r2008b پیاده سازی شد.خیارهادرسه درجه بندیcanada no.1 وcanada no.2و درجه 3(خیارهای خراب) درجه بندی شدند. نرخ بازشناسی صحیح خیارهای شکسته و لهیده به ترتیب 93.3% و 80% به دست آمد. نرخ بازشناسی صحیح خیار در سه درجه canada no.1 و canada no.2 و درجه سه به ترتیب 87.5% ، 82.4% و 88.2% بدست آمد. نرخ بازشناسی کلی الگوریتم،86% بدست آمد.

در این پایان نامه پنج روش جدید برای ترمیم تصاویر دیجیتال پیشنهاد شده است. سه تا از انها مبتنی بر کانولوشن هستند: یکی از انها مبتنی بر فیلترهای بیلترال است و الگوریتمی سریع بوده و می تواند بافت های اسیب دیده را ترمیم کند. الگوریتم دوم بر پایه ی گرادیان سه پیکسلی محلی می باشد. برخلاف سایر الگوریتم های مبتنی بر کانولوشن، این روش قادر به ترمیم نواحی مخدوش بزرگ و پیچیده می باشد و از سرعت نسبتاً بالایی برخوردار است. الگوریتم سوم با استفاده از گرادیان مرکزی و یک تابع وزن دهنده برای تشکیل ضرائب ماسک کانوالو شونده پیشنهاد شده است. این روش دارای سرعت بالایی می باشد و همچنین قادر به ترمیم ساختارهای از دست رفته ی نسبتاً بزرگ می باشد. در این پایان نامه همچنین دو الگوریتم جدید دیگر پیشنهاد شده است. روش اول (الگوریتم چهارم در متن) مبتنی بر معادلات دیفرانسیل پاره ای می باشد. ان پیکسل های از دست رفته را با گسسته سازی و حل یک معادله ی دیفرانسیل درونیابی می کند. الگوریتم دوم (الگوریتم پنجم در متن) یک الگوریتم جدید بوده و متعلق به هیچ یک از دسته های ذکر شده در فصل دوم نمی باشد. ان روش بر پایه ی فیلتر های میانه ی جهت دار می باشد که بسیار سریع می باشد و نتایج بسیار خوبی دارد. نتایج عملی کارایی الگوریتم های پیشنهادی را تایید می کند.

لرزش هایرشته حفاری از عوامل مهم فرسایش زودهنگام تجهیزات رشته حفاری و ناکارآمدیآن هامی باشد.فرسایش رشته حفاریدلایل فراوانیمی تواند داشته باشد، که یکی از دلایل عمده آن، لرزش های پیچشی است.یکی از مهترین انواع این لرزش های پیچشی، ارتعاشات چسبش- لغزش است، که به سبب وجود اصطکاک زیاد بین مته حفاری و سازند و یا حتی رشته حفاری و سازند، ایجاد خواهد شد. فرسایش به وجود آمده از طریق این ارتعاشات پیچشی، هم از نظر زمانی و هم از نظر مالی، بسیار پر هزینه خواهد بود. در کار حاظر، بحث جلوگیری و کاهش ارتعاشات چسبش- لغزش در رشته حفاری چاه نفت، با استفاده از یک کنترل کننده pidو جبران کننده پسفاز- پیشفاز و بکارگیری الگوریتم وراثتی، موضوع بررسی قرار گرفته است. به منظور ارزیابی عملکرد الگوریتم وراثتی، مساله مورد نظر با الگوریتم زنبور نیز مورد ارزیابی قرار داده شده است. بدین منظور از نرم افزار متلب و همچنین سیمولینک متلب، استفاده شده است. در نهایت نتایج شبیه سازی نشان داد که با کمک این روش، تقریبا 86 درصد زمان نشست ارتعاشات، کاهش خواهد یافت.

در چند دهه ی اخیر توسعه و کاربرد روش های بهینه سازی و الگوریتم های تکامل گرا در مدیریت و برنامه ریزی منابع آب گسترش یافته است. مسائل و مشکلات مدیریت منابع آب غالبا بزرگ مقیاس، غیرخطی و مقید هستند به طوری که حل آن با استفاده از روش های مرسوم بهینه سازی بسیار مشکل است. برای حل مشکلات فوق، متخصصان منابع آب در سراسر دنیا از الگوریتم های تکامل گرا و یا سیستم های هوشمند استفاده می کنند. یکی از روش های پرکاربرد این گروه، الگوریتم بهینه ساز گروهی ذرات (pso) و روشهای توسعه یافته تر آن می باشد. از مزایای این الگوریتم می توان به سرعت بالای همگرایی این الگوریتم در رسیدن به پاسخ های بهینه اشاره کرد. در این تحقیق به منظور بهره برداری از مخزن سد درودزن فارس، یک مدل کامپیوتری بر مبنای الگوریتم چند هدفهtv-mopso توسعه داده شده است. در این روش پارامترهای اصلی الگوریتم با افزایش تکرار قابلیت تغییر دارند. این خصوصیت باعث افزایش کارائی کاوش در جمعیت اولیه و بهره گیری مناسب تر از اطلاعات در جمعیت های نهائی خواهد شد. به منظور بررسی صحت و سقم مدل توسعه داده شده از چندین تابع استاندارد استفاده شده است. نتایج بدست آمده حاکی از توانایی مدل توسعه داده شده در پیدا کردن نقاط بهینه توابع چند متغیره با چندین نقطه بهینه موضعی می باشد. پس از اطمینان از صحت و سقم این مدل، این روش برای بهره برداری بهینه سد چندهدفه درودزن توسعه داده شد. نتایج عملکرد الگوریتم پیشنهادی در این تحقیق با دو الگوریتم nsga-ii و spea-ii که از الگوریتم های توانا در حل مسائل چندهدفه می-باشند مقایسه شده است. نتایج بدست آمده از این روش در سال های مرطوب مشابه با الگوریتم های چندهدفه nsga-ii و spea-ii می باشد و در سال های نرمال و خشک حاکی از برتری این روش است.

جریان چاه پدیده ای ناخواسته است که در طول عملیات حفاری اتفاق می افتد. عدم تشخیص آن در زمان مناسب مشکلاتی از قبیل شکست سازند و هرزروی گل حفاری، فوران چاه و آسیب دکل حفاری و حتی از بین رفتن چاه، دکل حفاری و کشته شدن پرسنل حفاری را در پی خواهد داشت. بنابراین بررسی و ارائه روش هایی به منظور تشخیص جریان چاه در مراحل اولیه از اهمیت ویژه ای بر خوردار است. در این تحقیق برای اولین بار، مدلی با استفاده از سیستم anfis، برای تشخیص جریان ناخواسته (کیک ) در چاههای نفت ارائه شده است. برای آموزش و ارزیابی این مدل از داده های نمودارهای گل مربوط به چاه های میادین نفتی جنوب ایران که در آن ها کیک اتفاق افتاده، استفاده شده است. مدل های مختلفی ساخته شد که می توانند وقوع کیک را پیش بینی کند. پس از بررسی درستی تشخیص وقوع کیک توسط آن ها، بهترین مدل انتخاب شد که می تواند وقوع کیک را با سرعت و دقت قابل قبولی پیش بینی کند. دقت این مدل برای تشخیص کیک بیش از 97 درصد بدست آمد.

در حل مسایل دنیای واقعی، اغلب با مسائلی روبرو می‎شویم که چندمدی هستند. به عبارتی دیگر، در این مسائل چندین بهینه (محلی و فرامحلی) وجود دارد. یافتن مکان تمام بهینه ها در یک مسئله بهینه سازی چندمدی با استفاده از الگوریتم های جستجوی ابتکاری یکی از موضوعات چالش آور در این زمینه است. الگوریتم جستجوی گرانشی یکی از الگوریتم های ابتکاری است که به تازگی با الهام از مفاهیم قانون جاذبه و نیروی گرانشی بین اجسام در طبیعت معرفی شده است. این الگوریتم در یافتن جواب بهینه فرامحلی به خوبی عمل می کند، اما در شکل استاندارد خود، قادر به یافتن بیش از یک بهینه نیست. هدف این پایان نامه بهبود الگوریتم برای حل مسائل چندمدی و نشان دادن توانایی این الگوریتم در یافتن بهینه های مختلف است. در این پایان نامه سه روش برای حل مسائل چندمدی ارائه شده است که هیچ کدام وابسته به پارامترهای جایگاه یابی نیستند و پارامتر شعاع جایگاه حذف شده است. در روش اول از تابع قله - دره استاندارد و در روش دوم و سوم از بهبود یافته این تابع برای گونه سازی استفاده می شود. روش اول با تصحیح جرم برای هر یک از اجسام و استفاده از جرم فعال، قادر به یافتن بهینه ها است. در روش دوم تابع قله - دره برای تعمیم به ابعاد بالاتر و کاهش تعداد محاسبات، بهبود می یابد. سپس راهکارهایی برای حفظ بهینه های به دست آمده طی تکرارهای الگوریتم و همچنین بهبود گونه سازی ارائه می شود. در این روش با معرفی یک مجموعه از اجسام به عنوان جرم های آزاد، کارایی الگوریتم در گونه سازی افزایش و قدرت بهره وری و کاوش الگوریتم ارتقا می یابد. در روش سوم برای محلی کردن جستجو از مفهوم نزدیک ترین جسم استفاده می شود. الگوریتم های پیشنهادی با روش های مطرح در این زمینه مقایسه می شوند و نتایج آزمایش ها روی توابع آزمون استاندارد، توانایی الگوریتم های پیشنهادی را تایید می کنند. روش دوم نتایجی بسیار بهتر از دو روش دیگر و همچنین روش های پیشین مطرح شده در این زمینه ارائه می کند. دو الگوریتم دیگر نیز از نظر همگرایی نتایجی در حد الگوریتم های مطرح پیشین یا حتی در بعضی موارد، بهتر از آن ها به دست می دهند. در انتها توانایی الگوریتم های پیشنهادی با حل دو مسئله مهندسی آزموده می شود.

در این پایان نامه روشی برای آشکارسازی لبه، مبتنی بر الگوریتم جستجوی گرانشی ارائه شده است. به منظور سازگار شدن الگوریتم جستجوی گرانشی با مسئله ی لبه یابی، تغییراتی در الگوریتم ایجاد شده است. فضای مسئله به صورت ناپیوسته در نظر گرفته شده است. برای یافتن پیکسل های لبه در تصویر تعدادی از عوامل در تصویر جستجو می کنند. هر پیکسل تصویر یک جسم ثابت با جرمی برابر شدت روشنایی آن در نظر گرفته می شود. گرایش اجسام جستجوگر به سمت مکان هایی در تصویر با اختلاف زیاد در شدت روشنایی با پیکسل های همسایه است، این امر موجب می شود که اجسام جستجوگر بیشتری جذب مکان هایی که احتمال لبه بودن آنها بالا است، شوند. مقادیر مناسب برای پارامترهای مسئله با انجام تعداد زیادی آزمایش بر روی تصاویر گوناگون به دست آمده است. با توجه به تعداد پارامترهای کم، همچنین عملکرد مناسب الگوریتم، کارایی این لبه یاب تأیید می شود. همچنین یک معیار عددی برای مقایسه ی روش پیشنهادی با دیگر روش ها استفاده شده است و نتایج به دست آمده دقت خوب این لبه یاب را نشان می دهد.

موضوع هیدرات های گازی و پیش بینی دقیق تشکیل آنها در عملیات بهره برداری و انتقال گاز طبیعی به عنوان یکی از مهمترین چالش های روز صنعت نفت مطرح می باشد. لذا هدف اصلی این تحقیق بررسی پدیده تشکیل هیدرات های گازی در عملیات بهره برداری و انتقال گاز و نیز ارائه مدلی جدید برای پیش بینی نرخ تشکیل هیدرات های گازی در خطوط لوله می باشد. ارزیابی های اولیه نشان دادند که دستیابی به این هدف با استفاده از منطق فازی وسیستم فازی- عصبی تطبیقی امکان پذیر است. در این راستا از946 داده تجربی نرخ تشکیل هیدرات متان، پروپان، ایزوبوتان و دی اکسید کربن به دست آمده از یک حلقه جریان آزمایشگاهی استفاده و با بکار گیری سیستم های هوشمند منطق فازی و عصبی- فازی تطبیقی مدل مورد نظر تهیه و ارائه گردید. نتایج بدست آمده حاکی از کارائی مدل طراحی شده می باشد به طوری که مقادیر به دست آمده برای میانگین کلی درصد انحراف مطلق، بین داده های تجربی و مقادیر پیش بینی شده توسط این مدل ها کمتر از 8 درصد هستند.

اخیراً ایده استفاده از مباحث کوانتومی در الگوریتم های ابتکاری مطرح شده است. از مهمترین مزایای استفاده از محاسبات کوانتومی در الگوریتم های ابتکاری، حفظ تنوع جمعیت و افزایش کاوش الگوریتم در این روش ها است. از این رو در این پایان نامه به معرفی الگوریتم های گرانشی کوانتومی، به منظور دست یابی به عملکرد بهتری نسبت به عملکرد الگوریتم گرانشی پرداخته می شود. این الگوریتم ها شامل سه مدل الگوریتم گرانشی کوانتومی برای توابع تک-مدی(qgsa) و الگوریتم گرانشی با الگوبرداری از فیزیک کوانتوم(qigsa) و در نهایت الگوریتم گرانشی کوانتومی گسسته(dqgsa) هستند. برای اطمینان از صحت کار الگوریتم، آزمایش هایی شامل بهینه سازی دو گروه تابع محک استاندارد و نیز بهینه سازی مسایلی در حوزه های طراحی فیلتر، استگانوگرافی، تقریب سیستم-های خطی و طبقه بندی به کمک svm در فضاهای جستجوی پیوسته و گسسته انجام شده و نتایج آن با الگوریتم های متداول دیگر، مقایسه شده است. نتایج آزمایش ها کارایی الگوریتم پیشنهادی را نشان می دهد.

در این پایان نامه دو روش جدید رنگ آمیزی تصاویر خاکستری مبتنی بر رنگ های اشاره شده توسط کاربر، ارائه شده است. در روش اول که رنگ آمیزی تصاویر خاکستری بر اساس تجزیه درخت چهارتایی نام دارد سرعت رنگ آمیزی افزایش و میزان محاسبات کاهش یافته است. در این روش، رنگ آمیزی در دو مرحله صورت می گیرد. در مرحله اول نواحی همگن که از تجزیه درخت چهارتایی حاصل شده است رنگ آمیزی شده و در مرحله دوم نواحی باقی مانده تصویر که غیر همگن هستند با روش ترکیب رنگ، رنگ آمیزی می شوند. روش پیشنهادی دوم مبتنی بر ترکیب رنگ است. درآن تابع وزن بر اساس تبدیل فاصله فازی بنا شده است. استفاده از مفهوم فازی باعث افزایش کیفیت و کاهش تداخل رنگ بین اشیاء به خصوص در نواحی با بافت زیاد می شود. در این روش نیز همانند روش قبل وابستگی فرآیند رنگ آمیزی به مکان، میزان وتعداد رنگ های مرجع کاهش می یابد. برای اطمینان از صحت کار روش های ارائه شده، آزمایش هایی بر روی تصاویر خاکستری استاندارد انجام شده و نتایج آن با روش های متداول دیگر، مقایسه شده است.دو آزمایش در هر روش صورت گرفته است بدین صورت که در آزمایش اول کاربر با اشاره رنگ مرجع در نواحی داخلی اشیاء و به میزان دلخواه کیفیت تصویر رنگ آمیزی حاصل را بررسی می کند و در آزمایش دوم با تغییر در میزان درصد رنگ مرجع، وابستگی روش به مکان و میزان رنگ مرجع بررسی می شود. نتایج این آزمایش ها کارایی روش های پیشنهادی را نشان می دهد.

الگوریتم جستجوی گرانشی یکی از الگوریتم های فراابتکاری نوین است که بر اساس الهام از قوانین گرانش نیوتن و حرکت در طبیعت معرفی شده است. این الگوریتم هوش جمعی از توانایی بالایی در جستجوی فضا به منظور پیدا کردن جواب های فرامحلی برخوردار است. در این پایان نامه با الهام از پدیده ی نجومی به نام "سیاهچاله"، یک الگوریتم پیوندی در فضای پیوسته ارائه شده است که قدرت الگوریتم را در پیدا کردن جواب های محلی بالا برده است. از سوی دیگر الگوریتم جستجوی گرانشی دارای پیچیدگی محاسباتی بالایی نسبت به الگوریتمهایی چون بهینه ساز جمعیت ذرات است. در این پایان نامه با استناد به مفهوم نسبیت عام و معادله انیشتین، الگوریتمی تحت عنوان "فضا-زمان" پیشنهاد شده است که محاسبات این الگوریتم را کاهش داده و دارای سرعت همگرایی بالایی است. شبکه های بی سیم مش به عنوان یکی از زیرساختهای ارتباطی مهم برای دسترسی به شبکه های ترکیبی به منظور ارائه پهنای باند بی سیم شبکه اینترنت در مناطق وسیع در آینده مورد استفاده قرار می گیرد. تخصیص کانال مناسب برای واسط های رادیویی چنین شبکه هایی یکی از چالش های مهم در این زمینه است. هدف تخصیص کانال در شبکه های مش، به حداقل رساندن تداخل و بهبود ظرفیت و حفظ اتصال شبکه می باشد. در نهایت در این پایان نامه با ارائه عملگری به نام”برنامه گسسته محلی“ به بهینه سازی تخصیص کانال شبکه مش با استفاده از الگوریتم جستجوی گرانشی پرداخته ایم. به منظور بررسی و آزمایش عملکرد الگوریتم های پیشنهادی سیاهچاله و فضا- زمان، آنها به همراه الگوریتم های شناخته شده بر روی توابع محک استاندارد اعمال شده اند. از آنجایی که ماهیت الگوریتم برنامه گسسته محلی، تخصیص کانال است؛ این الگوریتم نیز با الگوریتم های تخصیص کانال مورد ارزیابی قرار گرفته است. نتایج بدست آمده برای هر سه الگوریتم، برتری عملکرد آنها را نشان می دهد. این پایان نامه تحت حمایت مالی موسسه تحقیقات ارتباطات و فناوری اطلاعات قرار گرفته است.

در این پایان نامه ما با در نظر گرفتن برخی از پارامترهای مهم در طراحی (کاهش تعداد و یافتن موقعیت بهینه مسیریاب های مش، افزایش فضای پوشش، تعداد اتصال به شبکه وکاربران، اطمینان پذیری، کاهش تاخیر ارتباطی) و استفاده از ابزارهای بهینه سازی مناسبی چون الگوریتم های ابتکاری استاندارد (الگوریتم وراثتی، اجتماع ذرات، جستجوی گرانشی) در بهینه سازی این مساله و پارامترهای آن ، بدنبال مکان یابی و توپولوژی بهینه و قوی به منظور حمایت از کاربران و استفاده کنندگان از این شبکه هستیم. با توجه به پیچیدگی روز افزون مسایل بهینه سازی، انتخاب مناسب ابزاری که برای حل مسایل به کار گرفته می شوند، از اهمیت ویژه ای برخوردار هستند. شایستگی الگوریتم های بهینه سازی به عنوان یکی از همین ابزارها، توسط معیارهایی مانند نرخ همگرایی، رسیدن به جواب بهینه، پیچیدگی محاسباتی، تعداد پارامترها و غیره تعیین می شود. الگوریتم بهینه ساز اجتماع ذرات و الگوریتم جستجوی گرانشی دارای امتیازهای متعددی از این حیث است که توجه محققین را برای استفاده از آن در حل مسایل به خود جلب کرده است. اما یکی از اشکالاتی که می توان برای الگوریتم جستجوی گرانشی برشمرد، وجود محاسبات بالا نسبت به الگوریتم دیگر یعنی الگوریتم بهینه سازی جمعیت ذرات است. همچنین در این پایان نامه، برای نخستین بار در مساله مکان یابی بهینه مسیریابها پارامتر تاخیر زمانی به همراه پارامترهای دیگری مانند شرط برقراری تعداد مناسب همسایگی برای احراز شرایط اطمینان پذیری و مقاوم بودن شبکه در برابر خطا و تامین حداکثر ناحیه تحت پوشش ابتدا با استفاده از الگوریتم پرکاربردی که در این پژوهش ها استفاده شده است یعنی الگوریتم وراثتی، در طراحی بهینه شبکه های مش بی سیم لحاظ گردید .ضمنا در این پایان نامه، بر اساس ماهیت پیوسته دو الگوریتم پرکاربرد بهینه ساز جمعیت ذرات و الگوریتم جستجوی گرانشی برابر انتظار و پیش بینی، عملکردی بهینه تر نسبت به الگوریتم وراثتی داشته باشند، بررسی و مورد آزمایش قرار گرفت که نتایج بدست آمده حاکی از عملکرد مطلوب آنها داشت . همچنین ترکیب الگوریتم وراثتی باینری و بهینه ساز اجتماع ذرات نیز به عنوان ترکیبی موثر در بدست آمدن نتایج بهینه ره یافتی تازه و آزمایش شده در این مساله می باشد که قابل بررسی بیشتر می باشد.در نهایت تاثیر توزیع های مختلف گره های موجود در شبکه بررسی گردید که نتایج آن نیز با استفاده از الگوریتم های فوق با یکدیگر مقایسه گردید.

در سال های اخیر با رشد و توسعه دنیای دیجیتال، از یک سو دسترسی به منابع دیجیتال آسان شده است و از سوی دیگر با توسعه نرم افزارهای پردازش تصاویر دیجیتال، امکان جعل آسان تصاویر فراهم گردیده است که از اینجا اهمیت ارائه ابزارهای تشخیص جعل مشخص می شود. روش های تشخیص جعل را می توان به روش های مبتنی بر پیکسل، روش های مبتنی بر قالب، روش های مبتنی بر دوربین، روش های مبتنی بر فیزیک تصویر و روش های مبتنی بر هندسه تصویر دسته بندی نمود. روش های مبتنی بر هندسه تصویر که از کارایی بالایی برخوردار هستند، از مشکل اساسی پیچیدگی و زمانبر بودن رنج می برند. اساس برخی از این روش ها بر مبنای تعیین نقطه محوشدگی در تصویر استوار است که می تواند با توجه به جهت بافت تصویر محاسبه شود. در این پایان نامه ضمن مرور روش های تعیین نقطه محوشدگی، به ارائه روشی جدید در این زمینه با استفاده از الگوریتم وراثتی خواهیم پرداخت، که از کارایی بالاتری نسبت به روش های موجود برخوردار است. به منظور بررسی عملکرد روش پیشنهادی، یک دسته آزمایش های مقایسه ای با روش های پایه انجام و نتایج ارائه گردیده اند. بر اساس این نتایج، روش ارائه شده با کیفیتی تقریباً یکسان از سرعت پیاده سازی به مراتب بالاتری برخوردار می باشد.

تصاویر متن دوربینی غالباً با اعوجاج هندسی، پرسپکتیو و کجی همراه هستند. این اعوجاج ها، عملکرد سیستم های نویسه خوانی نوری را با مشکل روبرو می سازند. برای رفع این اعوجاج ها روش های مختلفی ارائه شده است. اما اغلب این روش ها بر متون لاتین تمرکز دارند و قابل استفاده مستقیم برای متون فارسی نمی باشند. در این پایان نامه روشی نوین جهت رفع اعوجاج هندسی، پرسپکتیو وکجی تصاویر متن دوربینی فارسی ارائه شده است. این روش شامل چهار مرحله کلی پیش پردازش، رفع اعوجاج کلی، تصحیح اندازه و رفع اعوجاج جزئی می باشد. اعوجاج های تصویر متن در دو مرحله رفع می شوند و یک مرحله تصحیح اندازه نیز برای جبران سازی فشردگی افقی تصویر صورت می گیرد. در مرحله رفع اعوجاج کلی، نمای دور تصویر متن مورد نظر است و مدل دوبعدی سند متنی با استفاده از خطوط حاشیه متن و مسیر خطوط متن به دست می آید. در مرحله رفع اعوجاج جزئی، کلمات به صورت تک تک بررسی شده و زاویه کجی آن ها با استفاده از تبدیل هاف تعیین می شود. نتایج آزمایش ها بر روی تصاویر متن فارسی نشان از 5/73% بهبود در عملکرد سیستم نویسه خوانی نوری دارد.

در این پایان نامه، ابتدا به معرفی الگوریتم بهینه سازی فاخته که از روش زندگی و تخم گذاری پرنده فاخته الهام گرفته شده است پرداخته می شود. سپس به منظور پیاده سازی کاربردی الگوریتم فاخته، این الگوریتم در حل مسائل بهینه سازی و مهندسی مورد استفاده قرار می گیرد. توزیع بار اقتصادی در سیستم های قدرت، یک مسئله بهینه سازی تک هدفه می باشدکه دارای محدودیت های تساوی و نامساوی متعددی است. این پایان نامه به بررسی مسئله توزیع بار اقتصادی با توابع هزینه غیرمحدب در دو حالت بدون استفاده و با استفاده از نیروگاه بادی می پردازد، که برای حل مسئله از الگوریتم بهینه سازی فاخته استفاده می شود. در حالت عدم حضور نیروگاه بادی، نتایج بدست آمده از الگوریتم فاخته با نتایج بدست آمده از روش های ارائه شده در سایر مقالات مقایسه می شود. همچنین با استفاده از پیش بینی سرعت باد تاثیر اضافه کردن نیروگاه بادی به مسئله توزیع بار اقتصادی بررسی می شود. در این پایان نامه جهت پیش بینی سرعت باد از الگوریتم فاخته برای تعیین پارامترهای توابع عضویت ورودی و محاسبه پارامترهای مربوط به خروجی قوانین فازی در مدل فازی تاکاگی- سوگنو استفاده شده است. نتایج بدست آمده از حل مسئله توزیع بار اقتصادی نشان دهنده برتری الگوریتم فاخته نسبت به سایر الگوریتم ها است. همچنین اضافه کردن نیروگاه بادی به مسئله توزیع بار اقتصادی نشان دهنده کاهش هزینه، سوخت و تلفات می باشد.

شبکه مورد بحث در این پایان نامه یک شبکه اقتضائی به عنوان شبکه ثانویه است که با استفاده از تکنولوژی رادیو شناختی از فرصت های فرکانسی موجود در شبکه مش به عنوان شبکه اولیه بهره می-برد طبیعت بی سیم این شبکه وکاربران متحرک اولیه و ثانویه منجر به یک شبکه با توپولوژی پویا گردیده و مسئله بررسی قابلیت اطمینان این شبکه را پیچیده نموده است. با استفاده از روش شبیه سازی مونت کارلو قابلیت اطمینان شبکه را مورد ارزیابی قرار می دهیم و اثرات مختلفی مانند حرکت گره ها، خرابی لینک ها و گره های شبکه، تأثیرات کاربران اولیه را بر روی قابلیت اطمینان شبکه ثانویه بررسی می نماییم. شبکه مورد بحث در دو حالت تک کاناله و چند کاناله مورد ارزیابی قرارگرفته است که در حالت اول فرصت های مکانی و در حالت دوم فرصت های فرکانسی ایجاد شده برای کاربران ثانویه در نظر گرفته شده است. همچنین برای این شبکه مدل تحلیلی قابلیت اطمینان لینک ها در شبکه ثانویه، نرخ شکست و الحاق لینک، محاسبه شده و سپس با استفاده از نرخ های بدست آمده از طریق زنجیره های مارکوف مدل دسترس پذیری لینک و ارتباط دوگره انتهای شبکه را محاسبه نمودیم. در انتها با توجه به پارامتر های موثرخرابی و استفاده از قابلیت های رادیو شناختی در بهبود قابلیت اطمینان، از الگوریتم های ابتکاری بهره جسته و قابلیت اطمینان شبکه مورد بحث را بهبود داده ایم.

مسئله طبقه بندی نامه های الکترونیکی در زمره روش های یادگیری ماشین مبتنی بر محتوا قرار می گیرد که اساس کار آنها تشخیص براساس محتوا و کلمات است. انتخاب بردار ویژگی مناسب برای افزایش کارایی سامانه های تشخیص در پیچیدگی زمان اجرای الگوریتم نقش بسزایی دارد. در این پایان نامه روشی ارائه شده است که در آن با استفاده از انتخاب ویژگی به دو روش انتخاب پیش رونده و الگوریتم وراثتی، نرخ صحت و درستی در تشخیص هرزنامه های الکترونیکی از نامه های معتبر افزایش یافته است. نتایج آزمایش ها بر روی سه پایگاه اطلاعات نشان داد که روش های انتخاب ویژگی ضمن کاهش تعداد ویژگی ها، موجب افزایش نرخ درستی در تشخیص هرزنامه ها شده است. مسئله طبقه بندی نامه های الکترونیکی در زمره روش های یادگیری ماشین مبتنی بر محتوا قرار می گیرد که اساس کار آنها تشخیص براساس محتوا و کلمات است. انتخاب بردار ویژگی مناسب برای افزایش کارایی سامانه های تشخیص در پیچیدگی زمان اجرای الگوریتم نقش بسزایی دارد. در این پایان نامه روشی ارائه شده است که در آن با استفاده از انتخاب ویژگی به دو روش انتخاب پیش رونده و الگوریتم وراثتی، نرخ صحت و درستی در تشخیص هرزنامه های الکترونیکی از نامه های معتبر افزایش یافته است. نتایج آزمایش ها بر روی سه پایگاه اطلاعات نشان داد که روش های انتخاب ویژگی ضمن کاهش تعداد ویژگی ها، موجب افزایش نرخ درستی در تشخیص هرزنامه ها شده است. به دلیل اینکه طبقه بندها در یک فرایند یادگیری ساخته می شوند امکان گرفتار شدن آنها در کمینه های محلی وجود دارد بنابراین برای افزایش دقت طبقه بندی در این پایان نامه، از روش های ترکیب نتایج طبقه بندها استفاده شده است. نتایج حاصل از آزمایش ها بر روی سه پایگاه داده نشان داد که نرخ درستی و صحت حاصل از ترکیب نتایج طبقه بندهای پایه در مقایسه با سه طبقه بند پایه پرسپترون چند لایه، ماشین بردار پشتیبان و k همسایه نزدیکتر افزایش داشته است.

حذف نویز، یکی از مهمترین و پرکاربردترین زمینه های تحقیقاتی این روزهای پردازش تصویر است. از جمله مهترین انواع نویز، نویز ضربه ای است که تاثیر بسیار مخربی بر روی کیفیت تصاویر گذاشته و باعث می شود اطلاعات پیکسل های تصویر در محل نویز کاملاً از دست برود. اخیراً روش های جدیدی برای حذف این نوع نویز پیشنهاد شده است که شامل دو مرحله ی آشکارسازی موقعیت نویزها و پس از آن فیلتر آنها می باشد. تاکید این رساله پیشنهاد و بررسی روش های مختلف فیلتر نویز ضربه ای و ارزیابی عملکرد آنها است. بدین منظور، سه روش فیلتر نویزهای ضربه ای ارائه شده است. روش پیشنهادی اول، براساس اطلاعات فرامحلی تصویر و براساس فیلتر میانگین های غیرمحلی عمل می کند. روش دوم، براساس ایده ی ترمیم تصاویر بوده و به شکل موفقی این ایده را که کاربرد اصلی آن در بازسازی تصاویر و نقاشی های قدیمی یا بازسازی قسمت های حذف شده ی یک تصویر است، در حذف نویزهای ضربه ای به کار بسته و به نتایج خوبی رسیده است. روش دیگر این رساله، روشی وفقی براساس فیلتر گوسی است که سرعت بالایی در حذف نویزهای ضربه ای دارد. همچنین، نوع جدیدی از نویزهای ضربه ای با نام نویز نمک-فلفل تصادفی با توجه به مدل سازی جدید فیزیکی پیشنهاد شده است که تعمیمی بر نویز نمک-فلفل است. این نوع نویز، با توجه به غیرایستا بودن می تواند معیارخوبی برای ارزیابی توانایی روش های مختلف حذف نویز در حالت تغییر شرایط فیزیکی باشد. علاوه بر آن، روش آشکارسازی جدیدی نیز در این رساله برای این نوع نویز ضربه ای و نویزهای نمک-فلفل ارائه شده است. در آخر، با توجه به اهمیت حذف نوع دیگری از نویزها با نام نویزهای گوسی، روش جدیدی نیز براساس معادلات مشتقات جزئی برای حذف نویز ترکیبی گوسی-ضربه ای پیشنهاد شده است که روشی موفق در کاربردهای عملی می باشد. در بخش نتایج و آزمایشهای رساله، ابتدا نتایج روشها درحذف نویزها با چگالی های مختلف به تفکیک بررسی شده و در آخر مقایسه و بررسی کاملی برروی روش های پیشنهادی و مزایا و معایب روشها شده است. روش های پیشنهادی حذف نویز ضربه ای علاوه بر کیفیت بصری، از نظر معیارهای عددی نیز تا 2 دسی بل در برخی چگالی های نویز psnr روش های موجود را بهبود بخشیده است.

در این رساله، یک سامانه بازیابی تصویر طراحی شده است که از هر دو نوع یادگیری کوتاه مدت و بلند مدت برای بازیابی تصاویر بهره برده است. در سامانه فوق، سه رویکرد جهت ترکیب اطلاعات کوتاه مدت و بلند مدت شامل ترکیب در سطح تصاویر بازیابی شده، در سطح رتبه تصاویر و در سطح تابع شباهت ارائه شده است. از دستاوردهای دیگر این رساله ارائه ی دو روش جدید در یادگیری بلند مدت با نام های مبتنی بر مورد (cb) و مبتنی بر خوشه بندی معنایی آماری (ssc) است. همچنین، روش یادگیری کوتاه مدت مبتنی بر بهبود تابع شباهت با استفاده از گرادیان نزولی، بهبود داده شده است. سامانه پیشنهادی این رساله، در یک پایگاه تصویر با 10000 تصویر از 82 گروه معنایی مختلف آزموده شده است. نتایج با دو سامانه مبتنی بر ویژگی های مجازی (vfb) و مبتنی بر خوشه بندی معنایی (dsc) پویا مقایسه شده اند. دقت روش cb، 13 درصد بیشتر از دقت روش vfb و در حد دقت روش dsc است. دقت روش ssc با ترکیب در سطح تابع شباهت، 15 درصد بیشتر از روش vfb و دو درصد بیشتر از روش dsc است. روش ssc با ترکیب در سطح تصاویر بازیابی شده یا در سطح رتبه تصاویر، دقت کمتری نسبت به سایر روش ها دارد اما زمان بازیابی و اثر اغتشاش را بهبود داده است. در مقایسه روش ها، علاوه بر مقایسه گراف های دقت در حالت بدون اغتشاش و با اغتشاش، گراف های پیشرفت روش ها در طولانی مدت نیز استخراج شده اند. دراین رساله، روش یادگیری کوتاه مدت بهبود یافته، با کاهش زمان بازیابی به نصف، دقت بازیابی را نسبت به روش های مشابه 4 درصد ارتقاء داده است. همچنین، روش انجام همزمان انتخاب و بهبود ویژگی ها ضمن کاهش تعداد ویژگی ها به نصف، دقت بازیابی یک سامانه متداول را 10 درصد بهبود داده است.

نهان نگاری برگشت پذیر روشی برای مخفی سازی داده به صورت بدون اتلاف است. در روش های برگشت پذیر، بازیابی تصویر اصلی به اندازه استخراج نهان نگاره دارای اهمیّت می باشد. در این پایان نامه سه روش برای نهان نگاری برگشت پذیر تصاویر پیشنهاد شده است. روش های پیشنهادی از تبدیل های برگشت پذیر هادامارد و کسینوسی گسسته برای انتقال تصویر به حوزه تبدیل استفاده می کنند، زیرا درج در حوزه تبدیل منجر به افزایش امنیت می گردد. پس از انتقال تصویر اصلی، ضرایب تبدیل با استفاده از یک تخمینگر خطّی تقریب زده می شوند، به منظور تخمین دقیقتر ضرایب، سه روش متفاوت برای محاسبه ضرایب تابع تخمین، پیشنهاد می گردد. در نهایت، بیت های نهان نگاره در خطای حاصل از عملیات تخمین، درج خواهند شد. روش های پیشنهادی اوّل و دوم، در هر یک از ضرایب تبدیل یک بیت و روش پیشنهادی سوم، در هر ضریب، هشت بیت از نهان نگاره را درج خواهند کرد. در بسیاری از روش های برگشت پذیر برای جلوگیری از خرابی تصویر نهان نگاری شده، از نقشه بیتی استفاده می شود که این امر موجب کاهش ظرفیت درج خواهد شد. امّا روش های پیشنهادی به دلیل عدم نیاز به نقشه بیتی ظرفیت درج بالایی دارند. در مقایسه با روش های شناخته شده، این روش ها تصویری با کیفیت مطلوب تولید خواهند کرد.

جایگاه و اهمیت بخش کشاورزی در اقتصاد ایران به دلیل سهم قابل توجه آن در توسعه و گسترش صادرات غیرنفتی، تأمین امنیت غذایی و افزایش اشتغال است. در میان محصولات کشاورزی؛ پسته، کشمش و خرما به عنوان گیاهان استراتژیک و مهم در اقتصاد ملی شناخته می شوند. بررسی و پیش بینی اثر نرخ ارز بر قیمت صادرات خشکبار ایران (پسته، کشمش و خرما) هدف اصلی این پژوهش می باشد. با استفاده از داده های تابلویی مربوط به ده بازار مقصد برای هریک از محصولات، از مدل جزء خطای دو طرفه برای آزمون این رابطه استفاده شده است. نتایج نشان داد که رابطه انتقالی نرخ ارز بر قیمت صادرات خشکبار ایران زیاد می باشد. با توجه به درجه نسبتاً زیاد انتقال نرخ ارز بر قیمت صادرات پسته، کشمش و خرما بر حسب پول بازار مقصد نتیجه گرفته می شود که اجرای سیاست کاهش ارزش پول ملی موجب افزایش ارزش صادرات خشکبار ایران می شود و صادرکنندگان ایرانی برای افزایش سهم بازار باید روی رقابت غیر قیمتی تمرکز داشته باشند. نتیجه مهم دیگر این است که هزینه نهایی صادرات خشکبار ایران پس از سیاست یکسان سازی نرخ ارز افزایش یافته است. نتایج نشان داد که رهیافت شبکه عصبی مصنوعی به منظور پیش بینی قیمت صادرات پسته، کشمش و خرما در مقایسه با مدل رگرسیون خطی دارای عملکرد بهتری است.

یکی از چالش های یادگیری تقویتی، عدم وجود الگوریتم های قابل اجرا در فضای حالت و عمل پیوسته است که دارای استدلال ریاضی باشند. در این پایان نامه سعی داریم با ارائه یک روش جدید یادگیری تقویتی پیوسته مبتنی بر معماری نقاد-تنها برای مسائل کنترل این چالش ها را برطرف کنیم. روش ارائه شده از ترکیب روش "تکرار سیاست کمترین مربعات" با یک سیستم فازی سوگنوی مرتبه صفر حاصل شده و "تکرار سیاست کمترین مربعات فازی" نامیده می شود. هر قاعده سیستم فازی داری چند تالی کاندید می باشد. هدف از آموزش، یافتن مناسب ترین تالی برای هر قاعده فازی است. با توجه به ساختاری که برای سیستم فازی در نظر گرفته شده است، این روش در زمره روش های یادگیری تقویتی فازی نقاد-تنها قرار دارد. توابع پایه حالت-عمل با توجه به شدت آتش و عملهای کاندید قواعد تعریف می شوند. روش تازه سازی پارامترهای وزن مربوط به تالی قواعد با استفاده از این توابع پایه و بهره گیری از الگوریتم تکرار سیاست کمترین مربعات، ارائه می شود. نشان داده می شود که توابع پایه حالت–عمل تعریف شده شرایط قضیه روش تکرار سیاست کمترین مربعات را برآورده می نمایند. لذا روش ارائه شده هم دارای تحلیل ریاضی است که به این وسیله یک کران خطا برای آن تعریف می شود و هم کارایی مناسبی دارد. نتایج شبیه سازی، حاکی از سرعت یادگیری بالاتر و نیز کیفیت عملکرد بهترِ روش تکرار سیاست کمترین مربعات فازی نسبت به دو روش مرتبط یادگیری کیوی فازی و یادگیری سارسای فازی می باشد. همچنین مزیت دیگر روش ارائه شده نسبت روش های مذکور، عدم نیاز به تعیین نرخ یادگیری است.

شناسایی اشکال هندسی در تصاویر دیجیتال یکی از موضوع های کاربردی در زمینه ی پردازش تصویر است. تکنیک های تشخیص اشیاء به دو دسته ی تکنیک های قطعی و غیرقطعی تقسیم می شوند. تبدیل هاف یکی از تکنیک های قطعی است. در این تکنیک هر یک از نقاط لبه به فضای پارامتریک منتقل می شوند. این تکنیک برای مسائلی با ابعاد بالا مناسب نمی باشد؛ زیرا حجم محاسبات و حافظه ی زیادی نیاز دارد و از مرتبه زمانی است. الگوریتم ژنتیک از جمله تکنیک های غیرقطعی برای یافتن پاسخ بهینه و یا شبه بهینه است. این الگوریتم اغلب با مصرف حافظه ی قابل قبولی به راه حل مناسبی می رسد. بنا بر اهمیت و کاربرد دایره و بیضی در شناسایی مرزهای عنبیه چشم و تشخیص علائم هشداردهنده ی سرعت در تصاویر جاده ای، این پایان نامه به معرفی روشی برای شناسایی این اشکال هندسی با استفاده از الگوریتم ژنتیک می پردازد. در این روش ابتدا یک پیش پردازش تشخیص لبه با استفاده از الگوریتم کنی انجام می شود. دو پارامتر مهم الگوریتم کنی آستانه ی پایین و بالا می باشند. پارامترهای الگوریتم کنی به طور تصادفی به ازای هر یک از اعضای جمعیت نسل اول تولید می شوند. سپس تشخیص لبه به ازای هر یک از اعضا با توجه به پارامترهای مربوط به الگوریتم کنی، به طور مستقل صورت می گیرد. در ادامه برای هر یک از اعضای جمعیت، ضرایب چندجمله ای درجه دوم دایره با استفاده از سه، و ضرایب مربوط به بیضی توسط پنج نقطه ی تصادفی از لبه به دست می آیند. این ضرایب با جایگذاری هر یک از نقاط در رابطه ی مربوط به اشکال هندسی یادشده و حل دستگاه معادله های چند مجهولی محاسبه می شوند. بنابراین در روش پیشنهادی هر یک از اعضای جمعیت، از ضرایب چندجمله ای درجه دوم و پارامترهای الگوریتم کنی تشکیل شده اند. در ادامه کارایی و مقدار برازندگی هر یک از اعضای جمعیت، با استفاده از یک تابع برازندگی مناسب به دست می آید. سپس اعضای جدید مربوط به نسل های بعدی الگوریتم، با استفاده از عملگرهای ژنتیکی تولید می شوند. اجرای الگوریتم ژنتیک تا مرحله ای ادامه می یابد که مقدار برازندگی به یک حد آستانه برسد. سرانجام ضرایب چندجمله ای منحنی های درجه دوم تصویر به دست می آیند. نتایج آزمایش ها نشان می دهد که الگوریتم پیشنهادی در شناسایی دایره و بیضی کارا می باشد.

جستجوی هارمونی یک الگوریتم بهینه سازی است که در این پایان نامه برای حل مسایل بهینه سازی مقید تک هدفه و چندهدفه، بهبود یافته است. برای ارزیابی کارایی و توانایی بهبودهای پیشنهادی، از دو مسیله مهندسی استفاده شده است. توزیع اقتصادی بار در سیستم های قدرت، یک مسیله بهینه سازی تک هدفه می باشدکه دارای محدودیت های تساوی و نامساوی متعددی است. جستجوی هارمونی به گونه ای اصلاح شده تا بتواند با رعایت همه محدودیت ها، جواب بهینه مسیله توزیع اقتصادی بار را به دست آورد. مسیله مهندسی دیگر، مکان یابی و اندازه یابی بهینه منابع تولید پراکنده در شبکه های توزیع انرژی الکتریکی است. این مسیله به صورت دو هدفه تعریف شده و برای حل آن جستجوی هارمونی چند هدفه پیشنهاد شده است. نتایج حاصله از جستجوی هارمونی با نتایج به دست آمده از سایر الگوریتم های ابتکاری نظیر الگوریتم وراثتی و الگوریتم جمعیت ذرات مقایسه شده است. ارایه نتایج بهتر توسط جستجوی هارمونی نشان دهنده توانایی بهتر آن در حل مسایل بهینه سازی است.

با توجه به افزایش روزافزون حجم پایگاه های داده ی چندرسانه ای به خصوص تصاویر دیجیتال، توسعه ی سیستم هایی با قابلیت مدیریت و بازیابی این داده ها بر اساس خصوصیات دیداری اهمیت بسزایی یافته است. در این پایان نامه سعی بر آن است تا یک روش یادگیری کوتاه مدت جدید در سامانه ی بازیابی تصویر مبتنی بر محتوا ارائه شود. در سامانه ی فوق ویژگی های دیداری رنگ، بافت و شکل به عنوان ویژگی های پایه از تصاویر استخراج شده اند. بازیابی از نوع پرس و جو با ارائه ی مثال می باشد. برای بازیابی تصویر، ابتدا کاربر تصویر مورد نظر خود را به عنوان تصویر پرس و جو به سامانه وارد می کند. سامانه ویژگی های دیداری این تصویر را استخراج کرده و با استفاده از معیار فاصله ی مبتنی بر کرنل، تصاویری از پایگاه با بیشترین شباهت به تصویر پرس و جوی کاربر را به او نشان می دهد. سپس زیرسامانه ی یادگیری کوتاه مدت پیشنهادی با تعریف یک تابع هزینه ی مناسب و کمینه سازی آن به روش گرادیان نزولی، پارامترهای تابع شباهت را بهینه سازی کرده و نتایج بازیابی را بهبود می بخشد. پایگاه تصاویر مورد استفاده برای پیاده سازی روش پیشنهادی، پایگاه داده ی کورل شامل 10000 تصویر در 82 گروه معنایی می باشد. پس از بررسی و مقایسه ی روش پیشنهادی با روش های یادگیری کوتاه مدت دیگر، مشاهده شد که روش پیشنهادی دقت سامانه ی بازیابی تصویر را بهبود می بخشد. همچنین زمان بازیابی برای یک تصویر پرس و جو نسبت به روش های محک کاهش یافته است.

خوشه بندی داده، روشی برای تحلیل داده هاست که حجم بزرگی از داده ها را در گروه های معناداری از موضوعات به نام خوشه خلاصه می کند به نحوی که داده های موجود در هر خوشه، دارای حداکثر میزان شباهت به یکدیگر بر اساس یک معیار شباهت هستند و داده های موجود در خوشه های مختلف دارای حداکثر میزان اختلاف از یکدیگرند. خوشه بندی در بسیاری از کاربردها از جمله بیوانفورماتیک، بازشناسی الگو، پردازش تصویر، داده کاوی و متن کاوی کاربرد دارد. تاکنون روشهای بسیاری برای خوشه بندی ارائه شده که دارای تعاریف مختلفی برای خوشه ها، متدلوژی خوشه بندی و معیارهای شباهت هستند. بدیهی است که هیچ یک از روشهای خوشه بندی نمی تواند برای انواع ساختارهای داده ای مورد استفاده قرار گیرد. ترکیب چند راه حل به دست آمده در خوشه بندی، می تواند منجر به ارتقای کیفیت نتیجه ی به دست آمده از الگوریتم های پایه شود. در این پایان نامه، یک روش جدید برای ترکیب نتایج چند الگوریتم خوشه بندی بر مبنای تئوری گرانش، ارائه شده است که خوشه بندی مشارکتی گرانشی نام دارد. با توجه به رشد نمایی حجم اطلاعات و مستندات در فضای وب، ارائه ی راهکارهایی جهت دسته-بندی مطلوب داده ها، حائز اهمیت است تا از این طریق پردازش اطلاعات موجود در مستندات وب، آسان شود. بنابراین خوشه بندی مستندات وب در این پایان نامه مورد توجه قرار گرفته و الگوریتم پیشنهادی برای خوشه بندی مستندات وب به کار رفته است. الگوریتم پیشنهادی، با استفاده از معیارهای کیفیت خوشه بندی مورد ارزیابی قرار گرفته و با چند روش معروف در خوشه بندی ترکیبی مقایسه شده است. نتایج آزمایش ها نشان می دهد که روش پیشنهادی قادر است در ترکیب چند راه حل حاصل از الگوریتم های خوشه بندی با کیفیت بالایی عمل کند. روش پیشنهادی، در مقایسه با سایر روش های ترکیب خوشه بندی دارای پیچیدگی محاسباتی کمتری است و قادر است خوشه هایی با ساختار پیچیده را استخراج کند که این دو ویژگی در اغلب الگوریتم های خوشه بندی به صورت همزمان یافت نمی شود.

تشخیص شناسه پلاک خودرو(lpr) یکی از وظایف اصلی سامانه حمل و نقل هوشمند(its) است. یک الگوریتم lpr، دارای کاربردهای مختلف است که می¬توان به مواردی از قبیل دریافت عوارض جاده¬ها و بزرگراه¬ها به طور خودکار و بدون توقف، کاربرد در پارکینگ، کنترل مرز¬ها، کنترل ترافیک ، جستجوی خودروهای مسروقه و شناسایی خودروهای ناقض قوانین راهنمایی و رانندگی و کنترل ورودی و خروجی در مناطق حفاظت شده، اشاره کرد. در حالت کلی، سامانه تشخیص پلاک خودرو شامل سه مرحله اصلی است. 1) یافتن مکان پلاک خودرو، 2) جداسازی شناسه¬های پلاک و 3)بازیابی شناسه¬های استخراج شده. در کاربرد سامانه lpr در محیط باز، مشکلاتی از قبیل تغییر روشنایی محیط، پس¬زمینه پیچیده، تغییر وضعیت آب و هوا و تغییر زاویه دید دوربین باعت افزایش نرخ خطای سامانه می-شود. با این حال، در این پایان¬نامه برای هر یک از مراحل سامانه تشخیص پلاک، روش موثر ارائه شده است. در مرحله پیش¬پردازش، ویژگی بافت و رنگ در تصویر خودرو بهبود داده می¬شود. روش پیشنهادی مکان¬یابی پلاک خودرو، بر اساس تشخیص نقاط گوشه¬ در تصویر خودرو ارائه شده است. با استفاده از روش افکنش هیستوگرام وفقی ، شناسه¬های پلاک خودرو جداسازی می¬شوند. در این مرحله، پلاک خودرو با استفاده از روشی بر پایه آشکارساز نواحی حدی حداکثر پایدار(mser)، دودویی می¬شود. شبکه عصبی مصنوعی با استفاده از الگوریتم پس¬انتشار، بر اساس بردار ویژگی هیستوگرام شیب¬دار (hog)، آموزش داده شده و آزمایش می¬شود. روش پیشنهادی بر روی بیش از 500 تصویر خودرو تهیه شده از بزرگراه¬های استان کرمان در شرایط متفاوت، آزمایش می¬شود. نرخ دقت برای روش پیشنهادی مکان¬یابی پلاک خودرو برابر با %97، برای روش پیشنهادی جداسازی شناسه پلاک برابر با %42/95 و برای روش پیشنهادی بازیابی شناسه پلاک خودرو برابر با %92 است.

امروزه با پیشرفت فناوری و بزرگ شدن مسائل، نیاز به راه حل مناسبی که بتواند این مسائل را حل کند احساس می شود. در زمینه بهینه سازی با افزایش بعد فضای جستجو، این مسائل با پدیده ای به نام نفرین بعد روبرو می شوند. دلیل این امر این است که فضای جستجو به صورت نمایی با افزایش بعد زیاد می شود. در این حالت الگوریتم های ابتکاری به تنهایی قابلیت حل مسئله را ندارند. الگوریتم جستجوی گرانشی نیز از این امر مستثنی نیست. در این پایان نامه از روشی برای ارتقاء الگوریتم جستجوی گرانشی به منظور اعمال این الگوریتم به مسائل با ابعاد بالا استفاده شده است. الگوریتم گرانشی از خانواده الگوریتم های هوش جمعی است. این الگوریتم از جدیدترین الگوریتم های ابتکاری است که از مفاهیم جرم و نیروی جاذبه الهام گرفته و بر مبنای شبیه سازی قوانین گرانش و حرکت نیوتن بوجود آمده است. از آنجایی که الگوریتم جستجوی گرانشی تا به حال به مسائل با ابعاد بالا اعمال نشده است، الگوریتم پیشنهادی از این جهت دارای نوآوری است. بنابراین، در این پایان نامه به منظور بالا بردن کارایی الگوریتم جستجوی گرانشی برای حل مسائل با ابعاد بالا، الگوریتم حاضر را با روش-های تکاملی- مشارکتی ترکیب کرده ایم. برای ارزیابی عملکرد الگوریتم پیشنهادی، آن را به همراه الگوریتم های شناخته شده در این زمینه روی توابع محک استاندارد پیاده سازی و نتایج بدست آمده را مقایسه کرده ایم. در روش پیشنهادی در قسمت تکاملی- مشارکتی از گروه بندی تفاضلی به عنوان گروه بند استفاده شده و در قسمت بهینه سازی از الگوریتم جستجوی گرانشی استفاده شده است. نتایج حاصله نشان داد که الگوریتم پیشنهادی، توانسته است الگوریتم گرانشی اصلی را برای حل مسائل با ابعاد بالا ارتقاء دهد و در بعضی از موارد بهتر از الگوریتم-های تکاملی- مشارکتی موجود، در مسائل با ابعاد بالا عمل کرده است.

موضوع این تحقیق بررسی پتانسیل روش های هوشمند یادگیری ، شبکه عصبی مصنوعی برای برآورد ارزش اصلاحی (ebv) گوسفند نژاد کرمانی است. پس از مرتب سازی داده ها، برای اطمینان از صحت ارزشهای اصلاحی آن ها را مجددا توسط نرم افزار as-remal محاسبه شد و به مجموع داده ها اضافه گردید.پس از کامل شدن، داده ها در فرآیند پیش پردازش نرمال سازی گردیده و در بازه -1 و 1 قرار گرفتند. پس از نرمال سازی داده ها به نرم افزار متلب منتقل شده و طراحی شبکه عصبی شروع شد. برای وزن تولد شبکه ای با مشخصات 8 نرون در لایه میانی با تابع آموزشlm و ضریب همبستگی 0/728 برای داده های تست بدست آمد. در مورد وزن 3 ماهگی دو شبکه طراحی و نتیجه آن ها به این صورت گزارش گردید که شبکه اول با 5 نرون ورودی و تابع آموزشlm ضریب همبستگی 0/704 برای داده های تست داشت و شبکه دوم که علاوه بر5 ورودی سابق شامل ارزش اصلاحی وزن تولد هم می شد با تابع lm و 3 نرون در لایه مخفی ضریب همبستگی 0/74را برای داده های تست داد. برای وزن 6 ماهگی هم 2 شبکه مورد بررسی قرار گرفت که شبکه اول با 7 متغییر ورودی وبه شبکه دوم ورودی های ارزش اصلاحی وزن تولد و ارزش اصلاحی وزن 3 ماهگی هم اضافه گردید. شبکه اول با 7 نرون در لایه مخفی و تابع lm ضریب همبستگی 0/703 و شبکه دوم با همین مشخصات ضریب همبستگی برابر با 0/864 را داشت. در پایان با بررسی نتایج کسب شده در این تحقیق دراین تحیق نتیجه گرفته شده که استفاده ازارزش اصلاحی صفت وزن تولد، دقت برآورد ارزش اصلاحی را افزایش می دهد و همچنین استفاده از ارزش اصلاحی وزن تولد و 3 ماهگی ، برآورد دقیقتری از ارزش اصلاحی وزن 6 ماهگی را می دهد. همچنین مقایسه نتایج این تحقیق با مطالعات صورت گرفته در همین زمینه نشان می دهد که شبکه های عصبی پتانسیل برآورد ارزش اصلاحی صفات رشد گوسفند نژاد کرمانی را با دقت قابل توجهی دارند.

مسائل بهینه سازی ترکیبیاتی به وفور در حوزه های مختلف علم کامپیوترظاهر می شوند. متاسفانه، با توجه به تلاش های بسیار زیادی که برای حل مسائل بهینه سازی ترکیبیاتی np-سخت صورت گرفته است، تابحال هیچ الگوریتم قطعی ای ارائه نشده است که بتواند راه حل بهینه این مسائل را در بدترین حالت در زمان چندجمله ای پیدا کند. الگوریتم های فرا ابتکاری، روش های جستجوی ابتکاری هستند که می توانند جواب های نزدیک به بهینه مسائل بهینه سازی ترکیبیاتی سخت را با کاهش دادن موثر فضای جستجوی این مسائل و بررسی کارآمد این فضا به دست آورند. در این پایان نامه، سعی بر این است که با بازتعریف عملگرهای اصلی الگوریتم جستجوی گرانشی که یک الگوریتم فرا ابتکاری برای حل مسائل بهینه سازی پیوسته است، یک الگوریتم فرا ابتکاری جدید برای حل مسائل بهینه سازی ترکیبیاتی سخت ارائه شود. کارایی الگوریتم پیشنهادی نیز با پیاده سازی آن بر روی تعدادی از نمونه های مسئله فروشنده دوره گرد که یکی از مشهورترین و سخت ترین مسائل بهینه سازی ترکیبیاتی است، بررسی خواهد شد. نتایج پیاده سازی الگوریتم پیشنهادی، کارایی تقریباً مناسب آن را نشان می دهد.

جریان دوفازی و تغییر ترکیب سیال در مخازن گاز میعانی، تفسیر چاه آزمایی را در این گونه مخازن، با مشکل روبه رو می‏کند. در این پژوهش از سه روش شبه فشار تک فازی و شبه فشار دوفازی پایدار و همچنین شبه فشار دوفازی سه ناحیه ای برای تخمین پارامترهای مخازن گاز میعانی استفاده می‏شود. در این تحقیق از شبکه عصبی برای تشخیص مدل مخزن استفاده می شود.

در این پایان نامه ابتدا برخی از تعاریف و ویژگی های کمیت سنج های شباهت، بین دو شی و همچنین بین سه یا تعداد بیشتری از اشیا مرور می شود. از آنجا که روش های پیشین برای مسئله شباهت n تایی دارای پیچیدگی زمانی زیاد بوده و محاسبه آن در زمان معقول امکان پذیر نمی-باشد، لذا با استفاده از الگوریتم های وراثتی روشی معرفی می گردد که پیچیدگی مسئله را کاهش می دهد و یافتن جواب بهینه را برای مجموعه داده های بزرگ امکان پذیر می سازد. روش ارائه شده روی دو مسئله کاربردی بررسی شده است. مسئله ی اول، یافتن مشابه ترین گروه های سه تایی خانواده ها به منظور تخصیص واحدهای مسکونی به آنها، و مسئله ی دیگر برای یافتن مشابه ترین دسته های n تایی اسناد متنی در میان یک مجموعه داده ی خاص می باشد. نتایج آزمایش ها انجام شده نشان می دهد که با استفاده از روش پیشنهاد شده، می توان در زمان مناسب تری به جواب بهینه دست یافت.

انتخاب ویژگی های زیر مجموعه ی بهینه امری دشوار است. در زمینه انتخاب ویژگی، تحقیقات بسیاری انجام شده است. انتخاب ویژگی، مسأله پیدا کردن ویژگی های مرتبط و حذف ویژگی های اضافی و غیر ضروری است که این کار باعث بالا رفتن نرخ طبقه بندی درست و کاهش پیچیدگی محاسباتی و زمانی خواهد شد. الگوریتم جستجو باید برای حل مسأله انتخاب ویژگی تعیین شود. الگوریتم جستجو در این پایان نامه برمبنای الگوریتم ابرابتکار است. این الگوریتم نسبتاً جدید از دو لایه تشکیل شده است: جستجوگرهای محلی و تابع انتخاب. هر جستجوگر محلی راهبردهای متفاوتی برای حل مسأله دارد. وظیفه تابع انتخاب پذیرش یا عدم پذیرش راه حل جدید و انتخاب جستجوگرمحلی بعدی برای هدایت راه حل است، به همین دلیل رویکرد ابرابتکاری مصالحه خوبی بین کاوش و بهره برداری ایجاد می کند. در این پایان نامه برای نخستین بار رویکرد ترکیبی ابرابتکاری برای حل مسأله انتخاب ویژگی ارائه شده است. الگوریتم های پیشنهادی رویکرد ابرابتکاری را به خدمت گرفته و با الگوریتم فرا ابتکاری (الگوریتم جستجوی گرانشی باینری) تلفیق می کنند. با این روش در قسمت تابع انتخاب الگوریتم ابرابتکاری تغییراتی ایجاد شده و سه روش پیشنهادی معرفی می شوند. تابع انتخاب اولین روش پیشنهادی، چرخ گردان است. تابع انتخاب دومین و سومین روش پیشنهادی، یک سیستم استتاج فازی است که این دو روش در نوع ورودی های کنترل فازی متفاوت هستند. برای بررسی عملکرد الگوریتم های پیشنهادی، الگوریتم جستجوی گرانشی باینری و هشت الگوریتم ممتیک در انتخاب ویژگی مقایسه می شوند. برای انجام آزمایش ها از 10 مجموعه داده استفاده شده است. که اکثر آن ها به طور مکرر در بسیاری از مطالعات و مقالات یادگیری ماشین استفاده شده است. نتایج و تحلیل آزمایش ها ارائه شده است.

انتخاب ویژگی نقش مهمی در دنیای یادگیری ماشین و به خصوص مسائل طبقه بندی داده، بازی می کند. این فرآیند، مسأله کاهش بعد داده از طریق شناسایی زیرمجموعه ویژگی هایی است که بیشترین ضرورت را در طبقه بندی داده دارند. امروزه داده ها هم از نظر تعداد نمونه ها و هم از نظر تعداد ویژگی ها رشد قابل توجهی داشته اند. مسائل انتخاب ویژگی در داده های با بعد بالا، بسیار پیچیده تر از مسائل معمولی طبقه بندی الگو است. این داده ها شامل میزان زیادی اطلاعات نامرتبط و افزونه هستند که باعث گیج و سردرگم شدن الگوریتم یادگیری و در نتیجه کاهش عملکرد آن می-شوند. برای جلوگیری از این مسأله که به "نفرین بعد" نیز معروف است، انتخاب ویژگی بسیار حائز اهمیت است. در این پایان نامه، یک روش ترکیبی برای انتخاب ویژگی داده های با بعد بالا ارائه شده است. الگوریتم پیشنهادی، ابتدا با بکارگیری یک روش انتخاب ویژگی خردجمعی که ترکیبی از چند روش فیلتری است، بعد داده را کاهش می دهد. سپس، به کمک الگوریتم فرا-ابتکاری جستجوی گرانشی باینری بهبودیافته زیرمجموعه ای از ویژگی های برجسته انتخاب می شوند. همچنین، روش های مختلفی برای تجمیع ویژگی ها در انتخاب ویژگی خرد جمعی معرفی شده است. عملکرد روش های مختلف تجمیع ویژگی ها و طبقه بند های مختلف در روش پیشنهادی، روی 21 مجموعه داده میکروآرایه ای استاندارد بررسی شده است. نتایج حاصل از روش پیشنهادی نیز با چند روش انتخاب ویژگی داده های با بعد بالا مقایسه شده است. نتایج بدست آمده نشان دهنده کارایی لازم روش پیشنهادی در انتخاب ویژگی داده های با بعد بالا است.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده تقاضای روزافزون برای انرژی و کاهش اکتشافات میادین جدید نفتی باعث شده تا نگاه دانشمندان به سمت روش های ازدیاد برداشت نفت باشد. از سوی دیگر سهم زیادی از میادین کشف شده را، نفت سنگین و نیمه سنگین تشکیل می دهد که برای استخراج نیاز به روش های ازدیاد برداشت دارد. روش های مختلفی برای ازدیاد برداشت نفت وجود دارد که قبل از اعمال در مقیاس صنعتی و میدانی، انجام شبیه سازی فرآیند آن ها ضروری می باشد. شبیه سازی این فرآیندها به کمک نرم افزارهای خاص انجام می گیرد که برای اجرا نیاز به پارامترهای ورودی زیادی داشته و تهیه ی این پارامترها نیز مستلزم انجام کارهای آزمایشگاهی سنگین و صرف زمان و هزینه ی زیادی می باشد. از طرفی این گونه شبیه سازی ها چون با داده های آزمایشگاهی انجام می گیرد، با آنچه در عمل اتفاق می افتد، بسیار متفاوت بوده و شامل خطاهای گوناگون می باشد. روش های نوینی برای حل مسائل مهندسی وجود دارد که می تواند با تکیه بر تجارب گذشته، پیش بینی های لازم را برای آینده انجام دهد. از جمله ی این روش ها، سیستم های هوشمند می باشد که انواع گوناگونی دارد. از آنجایی که روش های ازدیاد برداشت در مخازن نفتی سراسر دنیا انجام شده است، می توان با استفاده از داده های این میادین که کاملاً صنعتی و میدانی بوده و مشکلات داده های آزمایشگاهی را ندارد و به کارگیری سیستم های هوشمند، برای مخازن جدید پیش بینی مورد نظر را انجام داد. بر کسی پوشیده نیست که مهم ترین پارامترهای تاثیرگذار در یک فرآیند ازدیاد برداشت، خصوصیات مخزن هستند. به همین جهت در تحقیق حاضر داده های مربوط به بیش از 200 مخزن نفتی دنیا که یکی از روش های ازدیاد برداشت در آن ها اجرا شده، جمع آوری گردیده است. از میان سه دسته ی کلی روش های ازدیاد برداشت (شیمیایی، تزریق گاز و گرمایی)، 5 روش ازدیاد برداشت شامل تزریق پلیمر، تزریق هیدروکربن، تزریق دی اکسیدکربن، تزریق بخار و احتراق زیرزمینی، و 7 پارامتر مخزن شامل میزان نفت اولیه، تخلخل، نفوذپذیری، ویسکوزیته، دانسیته، دما و اشباع اولیه ی نفت مد نظر قرار گرفته اند. به کمک مدل فازی - عصبی anfis و استفاده از تکنیک های نرمالیزکردن و خوشه بندی، مدلی طراحی شده است که می تواند با کمک 7 پارامتر ورودی، میزان ازدیاد برداشت را در 5 روش ازدیاد برداشت ذکر شده ارزیابی کرده و تولید تجمعی نفت را در هر یک از روش ها برای آینده پیش بینی کند. به این ترتیب می توان پتانسیل اعمال هر یک از 5 روش ذکر شده را ارزیابی کرده و بهترین روش ازدیاد برداشت را انتخاب کرد. در مطالعه ی موردی بر روی میدان سروش، مدل طراحی شده به ازای داده های ورودی این میدان اجرا شده و نمودارهای تولید تجمعی نفت در 5 روش ازدیاد برداشت رسم شده اند. نتایج نشان داده است که روش تزریق هیدروکربن، بهترین روش برای اجرا در میدان سروش می باشد. اگرچه مطالعات قبلی برای ارزیابی اعمال روش تزریق هیدروکربن بر روی این میدان، نشان می دهد که امکان اعمال روش تزریق هیدروکربن وجود دارد اما در مورد سایر روش های ازدیاد برداشت مطالعه ای صورت نگرفته است. تحقیق حاضر با مطالعه ی 5 روش ازدیاد برداشت در این میدان، نشان می دهد که نه تنها پتانسیل اعمال روش تزریق هیدروکربن در میدان سروش وجود دارد، بلکه این روش، بهترین روش ازدیاد برداشت برای اجرا در این میدان می باشد. کلمات کلیدی: ازدیاد برداشت نفت، سیستم های هوشمند، شبیه سازی، مدل سازی

هرچند که تبدیل فوریه ابزاری قوی جهت تجزیه و تحلیل فرکانسی سیگنالها است، اما تنها نشان دهنده متوسط مولفه های فرکانسی سیگنال است و قادر به استخراج و تجزیه و تحلیل فرکانسی سیگنال در بازه های گوناگون نیست.جهت رفع این عیب تبدیلات زمان فرکانس ارائه گردیده اند. عمده این تبدیلات ازتابع پنجره استفاده می کنندکه حاصل ضرب دقت زمانی- فرکانسی پنجره ها توسط حد هایزنبرگ محدود می گردد.نشان داده شده است که مقدار بهینه این حاصل ضرب به ازای گوسی حاصل می گردد.علاوه بر این، تابع گوسی دارای ویژگی هایی است که آنرا در تجزیه و تحلیل سیگنالها منحصربه فرد ساخته است. اما به لحاظ دوره زمانی نامحدود و فاقد فرم کسری بودن در حوزه لاپلاس، این تابع به عنوان یک فیلتر عملا توسط کامپیوتر دیجیتال قابل پیاده سازی نیست و بریدن تابع گوسی در حوزه زمان نیز،منجر به از دست رفتن خواص مفید آن می گردد.نشان داده شده فیلتر چندجمله ای با دوره محدود(pkcs) گه توسط یک نگاشت از تابع گوسی حاصل گردیده است، دارای خواصی نزدیک به تابع گوسی می باشد.در این پایان نامه ضمن مرور تبدیلهای زمان و فرکانس با تاکید بر تبدیل فوریه با پنجره لغزان و تبدیل موجک از تابع pkcs به عنوان تابع پنجره برای تبدیل فوریه با پنجره لغزان استفاده نموده و کارآیی آن را با سایر پنجره های کارا و مطرح موجودمقایسه میکنیم. سپس تبدیل موجکی با موجک مادر با دوره محدود ارائه و خواص آن را بررسی می کنیم. در نهایت با مثالی کارایی تبدیل موجک پیشنهادی را بررسی می کنیم.