تحقیقات زیادی در زمینه آماره های مرتب و کاربردهای آن برمبنای مستقل و همتوزیع بودن مشاهدات جامعه انجام شده است. در سالهای اخیر ؛ کاربرد آماره های مرتب حاصل از متغیرهای غیرهمتوزیع نظیر تشخیص داده های پرت و مقایسه استواری برآوردگر مورد توجه قرار گرفته است. در این پایان نامه موضوع فوق را مورد مطالعه قرار داده ایم. بعد از معرفی ابزار لازم نظیر پرمننت و لگ-مقعر بودن؛ برای مطالعه خواص توزیعی آماره های...

ردیابی هدف با استفاده از اندازه‌گیری سمت یکی از روش‌های اصلی در ردیابی غیرفعال اهداف متحرک زیر دریا به شمار می‌رود. در این مساله همواره انتخاب نوع فیلتر و دقت تخمین‌های صورت گرفته از متغیرهای حالت هدف از مهم‌ترین موضوعات بوده است؛ اما در بسیاری از موارد و کاربردهای این نوع از ردیابی، وجود داده‌ پرت در اندازه‌گیری‌ها اجتناب‌ناپذیر است که موجب کاهش دقت تخمین‌ها یا ناپایداری در عملکرد فیلترهای ردی...

در این مقاله بازشناسی مقاوم به نویز گوینده در حالت مستقل از متن مورد توجه قرار گرفته است. روش پیشنهادی بر مبنای حذف سکوت از جملات و تقطیع آنها به واحدهای کوچک تر شامل چند آوا و حداقل یک واکه برای استخراج ویژگی های زمان بلند از جمله آنتروپی عمل می کند. یک واکه پرانرژی در هر قطعه گفتاری برای استخراج فرکانس پایه و فرمنت ها شناسایی می شود. با اعمال یک روش خوشه بندی، ویژگی های زمان­کوتاه یعنی ضرایب ...

محدودیت شدید اطلاعات (علیرغم گستردگی موانع تجارت بین الملل) اندازه گیری مستقیم موانع و هزینه های تجارت تعداد زیادی از کشورها در دوره طولانی را با مشکل مواجه کرده است. برای رفع این مشکل، در مطالعه حاضر معیار مبتنی بر اطلاعات خردی از هزینه های تجارت دوجانبه کل معرفی شده و در کاربرد تجربی هزینه تجارت دوجانبه برای تعدادی از مهم ترین شرکای تجاری صادراتی محاسبه و عوامل مؤثر بر آن شناسایی شده است. نتا...

تصویربرداری پلنار (مسطح) پزشکی هسته‌ای یکی از روش‌های مهم تصویربرداری جهت تشخیص ضایعات بافت و عملکرد آن می‌باشد. تحلیل و تفسیر تصاویر مسطح پزشکی هسته‌ای نقش بسیار مهمی در تشخیص ایفا می‌کند. این تصاویر معمولا دارای کنتراست نسبتا کم، نویز زیاد و ابعاد کوچک در محل آسیب‌دیدگی می‌باشند. تشخیص ناحیه آسیب در این تصاویر به کیفیت و وضوح آن‌ها بستگی دارد. به نظر می‌رسد که حذف مولفه‌‌های فرکانسی نویزی با ...

کشف داده پرت مرحله مهمی در پیش پردازش داده ها است و نتایج داده کاوی وابسته به انجام صحیح آن می باشد. در کشف داده پرت، داده هایی که با سایر داده ها تفاوت زیادی دارند و رفتار داده های معمولی را نشان نمی دهند، شناسایی شده و حذف می گردند. مراحل بعدی داده کاوی تنها بر روی داده های معمولی انجام می شوند. چنانچه داده های پرت حذف نشوند و همراه با داده های معمولی پردازش شوند، ممکن است مدل نا صحیحی ایجاد ...

مشکلات موجود در طبقه بند جداساز خطی (lda) از قبیل حساسیت به داده های پرت، فرض اولیه تک مدی بودن توزیع کلاس ها و معکوس ناپذیری ماتریس پراکندگی داخل کلاس انگیزه ای برای ارائه طبقه بندی جدید در این طرح شد. البته در تحقیقات گذشته راهکارهایی همچون استفاده از گراف همسایگی، استفاده از نرم یک و وزنی نمودن طبقه بند برای کاهش حساسیت به داده های پرت، روش هایی مانند کاهش ابعاد، بکارگیری پارامتر تنظیم ساز و...