طراحی یک طبقه بندی کننده به منظور جداسازی تصور حرکات برای بیماران als
Abstract
چکیده ندارد.
چکیده ندارد.
مبحث "بافت" در سال های اخیر برای کاربردهای عملی حوزه بینایی ماشین مورد توجه بسیاری قرار گرفته است. یکی از مهم ترین زمینه های تحقیقاتی این حوزه طراحی سیستم های ارزیابی بصری اتوماتیک محصولاتی است که دارای سطح بافتی یکنواخت هستند. از جمله این محصولات، تولیدات صنایع نساجی است. تاکنون
بیماران پیش فعال و دو قطبی بویژه در بین کودکان علائم بالینی مشابه از خود بروز می دهند، از این رو برای روانپزشکان بسیار حائز اهمیت می باشد که با استفاده از یک معیار کمی این دو بیماری از یکدیگر تشخیص داده شوند. در این رساله یک طبقه بندی کننده قابل اعمال بر ویژگیهای مستخرج از سیگنال
در طراحی یک سیستم تشخیص الگو پس از انجام مراحل مربوط به اخذ داده، عملیات پیش پردازش و استخراج ویژگی نوبت به استفاده از یک طبقه بندی کننده خواهد رسید که با استفاده از بردارهای ویژگی مرزهای تصمیم را یافته، فضای ویژگی را به نواحی مختلفی که هر یک از آن ها متعلق به یک کلاس خاص است تقس
مغز از پیچیده ترین ارگان های موجود در طبیعت است. مطالعه و بررسی عملکرد مغز یکی از موضوعات مهم و مورد علاقه محققان بوده و می باشد. در این میان کنترل فضای پیرامون با استفاده از سیگنال های الکتروانسفالوگرام (eeg)، یکی از موضوعات جدید مورد بررسی گروه های تحقیقاتی است که تحت عنوان واس
طبقه بندی کننده ها یکی از قوی ترین ابزارها در حوزه شناسایی الگو و یادگیری ماشین می باشند و تاکنون روش های یادگیری، توپولوژی و ساختارهای متفاوتی برای آن ها ارائه شده است. از آنجایی که نقطه قوت طبقه بندی کننده در شکل دادن به مرز بین کلاس ها متفاوت است، انتخاب نوع طبقه بندی کننده به
هدف اصلی یک سیستم تشخیص نفوذ، طبقه بندی فعالیتهای یک سیستم به دو گروه اصلی فعالیتهای عادی و فعالیتهای نفوذی است. روش های متعددی برای ساخت سیستم تشخیص نفوذ توسط محققان ارائه شده است. هدف اصلی این پایان نامه، ارائه ی یک سیستم تشخیص نفوذ بر اساس سیستم استنتاج تطبیق پذیر عصبی – فازی،
تقریبا همهی تصاویر سنجندهی مادیس دارای قسمتهای پوشیده از ابر هستند. به منظور استخراج اطلاعات صحیح از دادههای مادیس، یکی از پیشپردازشهای کلیدی شناسایی پیکسلهای ابری و جداسازی آن از عوارض مشابه مانند برف/یخ است. ویژگیهای مورد استفاده در طبقهبندی ابر به دو دستهی ویژگیهای
طبقه بندی تصاویر ماهواره ای یکی از متداول ترین روشهای استخراج اطلاعات از داده های سنجش از دوری می باشد. با ظهور سنجنده های مایکروویو امکان بهره برداری از اطلاعاتی متمایز از اطلاعات قابل استخراج از سنجنده های نوری فراهم آمده است. دلیل این امر امکان استفاده از ویژگی های متمایز طیف
طبقه بندی تصاویر ماهواره ای یکی از متداول ترین روشهای استخراج اطلاعات از داده های سنجش از دوری می باشد. با ظهور سنجنده های مایکروویو امکان بهره برداری از اطلاعاتی متمایز از اطلاعات قابل استخراج از سنجنده های نوری فراهم آمده است. دلیل این امر امکان استفاده از ویژگی های متمایز طیف
طبقه بندی حرکت های اعضای دیستال با استفاده از سیگنال های الکترومایوگرام سطحیِ (semg) قسمت پروکسیمال، بخش مهمی در کنترل پروتزهای مایوالکتریک است. در بیشتر مطالعات قبلی، طبقه بندیِ تعداد محدودی از حرکت های دست مورد بررسی قرار گرفته است. در این مقاله، از پایگاه داده ی ninapro که شام
طبقه بندی حرکت های اعضای دیستال با استفاده از سیگنال های الکترومایوگرام سطحیِ (semg) قسمت پروکسیمال، بخش مهمی در کنترل پروتزهای مایوالکتریک است. در بیشتر مطالعات قبلی، طبقه بندیِ تعداد محدودی از حرکت های دست مورد بررسی قرار گرفته است. در این مقاله، از پایگاه داده ی ninapro که شام
چکیده: EEGیکی از مهمترین و رایجترین مراجع برای مطالعه عملکرد مغز واختلالات نورولوژیک است. به همین دلیل، تشخیص تغییرات EEG توسط سیستمهای خودکار، موضوعی است که برای سالهای متوالی تحت مطالعه است.از آنجا که در هر سیستم دسته بندی، صحت تصمیم گیری از اهمیت ویژه ای برخوردار است، لذا نی