سیستمهای بیومتریکی امکان شناسایی افراد بر اساس ویژگی های منحصر به فرد را فراهم می کنند.شناسایی عنبیه یکی از راحترین ودقیق ترین سیستم های شناسایی موجود است.کاری که در این رساله انجام شده است شامل بستر سازی سیستم پردازش موازی تشخیص عنبیه به منظور رسیدن به درصد بالایی از تشخیص می باشد.برای ارزیابی عملکرد سیستم از تصاویر پایگاه داده casia استفاده شده است .سیستم شناسایی شامل سیستم جداسازی اتوماتیک عنبیه که بر اساس تبدیل هاف عمل می کند وقادر است نواحی مردمک وعنبیه پلک ها و مژه ها و همچنین انعکاسات را مشخص کند.ناحیه عنبیه جداشده به دلیل ناپایداری تصویری به یک ناحیه مستطیلی با اندازه های ثابت نرمالیزه می شود.در نهایت بستر پردازش موازی آماده می شود و عنبیه نرمالیزه شده از سه تبدیل) (wavelet,radon,dct عبور می کند و سه نوع ویژگی متفاوت حاصل می شود.طبقه بندی کننده knn برای کلاس بندی ویژگیها به کار برده می شود.نتایج حاصل از طبقه بندی کننده در قالب منطق فازی ارایه می شود. به منظور رسیدن به بهترین جواب از الگوریتم انتگرال فازی استفاده می شود.درصد تشخیص در شرایط گوناگون اندازه گیری شده ودر بهترین حالت به مقدار 99/07 درصد رسیده است.

چکیده: روشهای مختلفی به منظور پیش بینی بارش وجود دارد استفاده از مدل های عددی پیچیده که به عنوان ابزاری کارآمد مطرح می باشند از جمله روش های موجود می باشند با این حال وجود عبارتهای غیر خطی پیچیده در معادلات حاکم ، مدل سازی بارش را امری مشکل نموده است. یکی دیگر از روش های پیش بینی بارش شبکه عصبی مصنوعی است که در این مدل بدون در نظر گرفتن معادلات پیچیده غیر خطی می توان دینامیک حاکم بر سیستم را استخراج نمود بنابراین با هدف پیش بینی بارش در این تحقیق با استفاده از اطلاعات بارش 30 ساله بعضی از ایستگاه های شمال شرق کشور این پیش بینی به کمک شبکه عصبیtdnn صورت گرفته و نتایج بدست آمده گواه بر قدرت شبکه عصبی در پیش بینی بارش است. براساس محاسبات و پیش بینی های انجام شده دقت در ایستگاه های بار با 71 درصد ، قوچان با 70 درصد ، گلمکان با 79 درصد ، مشهد با 74 درصد ، نیشابور با 76 درصد ، سبزوار با 79 درصد ، اسد آباد با 84 درصد ، تربت جام با 78 درصد ، تربت حیدریه با 74 درصد ، بجنورد با 75 درصد ، گناباد با 82 درصد ، کاشمر با 79 درصد ، سرخش با 78 درصد را نشان داد .

در این پایان نامه بررسی روشهای از بین بردن و یا کاهش نقایص جوشکاری القایی مورد توجه قرار گرفته است که این روشها شامل نظارت مداوم بر عملیات جوشکاری و حل مشکلات مربوطه میباشند. برای پیش بینی و نظارت بر کیفیت جوش، تصاویر فرآیند جوشکاری و فنون پردازش تصویر بکار گرفته شدند. بر روی تصاویر گرفته شده از پدیده ی جوشکاری عملیات کاهش نویز، پردازشهای مقدماتی، استخراج ویژگیها، طبقه بندی و مقایسه با پایگاه داده مورد استفاده قرار گرفتند و در نهایت فرمانهای مناسب برای کنترل توان مولد جوشکاری ارائه شد. بررسیهای انجام شده بر روی تصاویر پدیده جوشکاری نشان داد که ویژگی سطح حرارت کل، دارای مزایا متعدد و معایب اندکی است. از جمله مزایای آن، وابستگی در حد قابل قبول به کیفیت جوش، ساده گی و سرعت زیاد محاسبات است. مهمترین عیب ویژگی حرارت کل، نیاز سیستم، به مقادیر مرجع استاندارد برای مقایسه و صدور فرمانهای کنترلی است، زیرا با توجه به شرایط بسیار متنوع کار، بدست آوردن مقادیر مورد نظر و بکار بستن آنها بسیار دشوار است. برای حل مشکل، از ویژگی شاخص حرارت بیش از اندازه و فاصله نقطه همگرایی که وابستگی کمتری به شرایط قطعه کار دارند، کمک گرفته شد و با ارائه رویه های هوشمند، مشکل سرعت پردازشگرهای تصویر، برای پردازش تصاویر و صدور فرمانها، حل شد.

در این مطالعه با استفاده از داده های دما حداقل روزانه در دوره آماری 21 ساله به پیش بینی یخبندان های استان کرمانشاه با استفاده از شبکه های عصبی پرداخته شده است. داده های مورد استفاده از طریق تابعی یک به یک و پوشا به منظور تعیین معیاری جهت پیش بینی یخبندان به مقادیر بین صفر و یک تبدیل شده و از شبکه تغزیه پیشرفتی با یک لایه میانی مخفی با تعداد نورون های متغیر برای هر یک از ایستگاه ها به پیش بینی و بالاخره تعیین بازه های یخبندان پرداخته شد. الگوریتم مورد استفاده در این پژوهش، پس انتشار با روش آموزش دسته ای و توابع انتقال satlins، logsig و satlin بوده است. تعیین بازه های یخبندان و بدون یخبندان در هر یک از ایستگاه های سینوپتیک و پیش بینی یخبندان های زودرس و دیررس از نتایج این مطالعه بوده و شبکه طراحی شده بین 22.72 تا 55.88 درصد برای هر ایستگاه همگرایی داشته است. نتایج نشان می دهد با توجه به محدودیت داده ها، شبکه های عصبی mlp توانایی مطلوبی در پیش بینی و تخمین یخبندان ها دارد.

شناسایی حالت چهره در سالهای اخیر بسیار مورد توجه قرار گرفته است. امروزه ارتباط انسان با کامپیوتر در دنیای مجازی و ایجاد رابطه به اصطلاح عاطفی بین این دو منجر به توجه بیش از پیش به این موضوع شده است. در شاخه رباتیک، مطرح شدن رباتهای انسان نما که با کاربر در تعامل هستند و با حالت روحی کاربر خود را تطبیق می دهند، توجه به این موضوع را دوچندان نموده است. همچنین در تکنولوژی مربوط به ساخت دوربینهای دیجیتالی، با تجاری شدن دوربینهای عکاسی حساس به حالات چهره که تنها با لبخند زدن شخص تصویر گرفته می شود، این موضوع در قالب فن آوری روز مطرح گردیده است. در فیلمهای انیمیشن و کارتونی و تکنیکهای مربوط به آن، طراحی چهره، بحث شبیه سازی حالات مختلف چهره بسیار پرکاربرد می باشد. در شاخه روانشناسی، آزمونهایی در زمینه درمانی طراحی شده است که با نشان دادن تصاویر به شخص مورد آزمایش، عکس العمل ظاهری ایجاد شده در چهره را بررسی و به عنوان داده های اولیه برای تحلیل روحی روانی بکار می گیرند. این موارد و کاربردهای گوناگون دیگر منجر به انجام تحقیقات متعددی در این زمینه گردیده است. هدف در این رساله تشخیص حالات چهره با دقت بهینه در دنباله تصاویر ویدئویی در شش حالت اصلی (خوشحال، ناراحت، متعجب، عصبانی، متنفر و طبیعی) می باشد. در این پروژه پس از پیش پردازشهای اولیه و بخصوص پردازشهای مربوط به حجم و اندازه تصاویر (مبحث هرمی سازی)، روشی بر اساس مبانی optical flow، تشخیص و دنبال کردن حرکات اتفاق افتاده در تصویر، به منظور استخراج ویژگی، ارائه شده است. سپس ویژگیهای استخراجی را از دو روش مجزا طبقه بندی نموده و نتایج ارائه و مقایسه گردیده است. روش پیشنهادی بر روی پایگاه داده ی معتبر و مرجع cohn-kanade پیاده-سازی شده است. روش اول دسته بندی با استفاده از شبکه عصبیrbf که دقتی برابر64/88%، و روش دوم با استفاده از طبقه-بندی کننده ی ماشین بردار پشتیبان (svm) می باشد که دقتی برابر 78/92% را نتیجه داده است. در کنار این روش روشی ساده با دقتی بالا برای تشخیص سه حالت اصلی چهره (خوشحال، ناراحت و طبیعی) در تصاویر استاتیکی که درجه وضوحی مطلوب داشته باشند (در حد پایگاه داده jaffe) ارائه گردیده است. روش دوم بر پایه ی ویژگیهای ظاهری و بخصوص فیلترهای گابور و تعریف های مرتبط با تغییرات ظاهری چهره در خلال شکل گیری حالات ذکر شده، بنا نهاده شده است.

در این پایان نامه ابتدا به مطالعه روش های مختلف تشخیص پوست انسان و سپس ارائه یک روش جدید تشخیص پوست انسان با استفاده از هیبرید ann & pso پرداخته شده است. عملکرد آن (بیش از 96.4% دقت تشخیص صحیح) که قابل مقایسه با تکنیکهای قدیمی است نشان داده شده است. این شبکه از 3 لایه، 6 نرون در لایه پنهان و 1 نرون در خروجی تشکیل شده است. ویژگی های h و s و v تصویر به عنوان ورودی به شبکه آموزشی داده شده است و مقادیر اولیه از الگوریتم pso بدست آمده اند. مجموعه داده های بکار رفته شامل 200 هزار پیکسل پوست و غیر پوست می باشند که در فضای hsv تهیه شده اند. مزیت مهم این روش دارا بودن دقت وسرعت بالا در تشخیص پوست انسان در تصاویر دیجیتال دوبعدی است. روش مذکور به علت دارا بودن سرعت پردازش مناسب قابلیت بکارگیری در زمان های حقیقی را هم دارد.

در این رساله یک روش پیشنهادی بر مبنای سیستم های نرو- فازی و الگوریتم ژنتیک برای کنترل چراغهای راهنمایی و بر اساس پردازش هوشمند تصاویر ترافیکی برای استخراج پارامترهای مورد نیاز یک سیستم کنترل ترافیک هوشمند در یک تقاطع ایزوله ارائه شده است. یک تقاطع ایزوله برای کنترل، وابسته به تقاطع های اطراف و دیگر خیابانها نیست. هدف از طراحی یک کنترل کننده هوشمند ترافیکی، اختصاص زمان های مناسب به چراغ های راهنمایی است به گونه ای که هر خودرو کمترین زمان ممکن را در پشت چراغ قرمز بگذراند و هر خودرو در فاز سبز بیشترین سرعت ممکن برای عبور از تقاطع را داشته باشد و در مجموع ترافیک مطلوب و روان با بالاترین سطح ایمنی در سطح تقاطع ایجاد گردد. تاکنون پروژه های بسیار زیادی به منظور رسیدن به این اهداف انجام شده است. در این رساله نیز پس از مطالعه روابط ترافیکی و شناسایی پارامترهای مطلوب ترافیکی، سعی برآن شده است که با استفاده از یک الگوریتم ساده پردازش تصویر، این پارامترها از روی رشته تصاویر ویدئویی استخراج شود و با استفاده از دو ابزار قدرتمند هوش مصنوعی در تحلیل و مدلسازی پدیده ها یعنی الگوریتم فازی و شبکه های عصبی، سیستم مطلوب هوشمند برای کنترل ترافیک را طراحی نماییم. برای نیل به اهداف فوق از ترکیب این دو ابزار یعنی یک سیستم نرو- فازی استفاده شده است. برای تنظیم ضرایب و بهینه سازی شبکه نرو-فازی از تابع خطا و الگوریتم ژنتیک استفاده شده است. نتایج شبیه سازی و مقایسه نتایج کاربرد این الگوریتم با روش کلاسیک کنترل زمان ثابت که در تقاطع های ایزوله معمول می باشند، نشان دهنده میزان قابلیت این الگوریتم هوشمند است.

تشخیص آریتمی های قلبی سیگنال الکترودیاگرام (ecg ) به دلیل تشخیص بهنگام شرایط خطرناک قلب از اهمیت زیادی برخوردار است. آنالیز دستی برای تشخیص آریتمی های قلبی زمان قابل توجهی می طلبد. به علاوه آنالیز دستی همواره مستعد خطا می باشد. به همین دلیل در طی دو دهه ی اخیر ، تحقیقات قابل ملاحظه ای در زمینه ی تشخیص اتوماتیک آریتمی های قلبی انجام شده است. روش هایی که تا کنون ارائه شده است نسبت به یکدیگر در چگونگی استخراج ویژگی ها و همچنین نوع سیستم طبقه بندی بکار رفته ، تفاوت دارند. در این پروژه ، یک روش جدید برای طبقه بندی آریتمی های قلبی با استفاده از تبدیل ویولت و شبکه های عصبی ارائه می گردد. ابتدا از تبدیل ویولت گسسته (dwt ) برای پردازش رکوردهای ecg و استخراج ویژگی های زمان – فرکانس ، استفاده می شود. سپس ویژگی های مبتنی بر تبدیل با ویژگی های زمانی که از سیگنال ecg محاسبه می شود ، تلفیق می شوند و نتیجه ی به دست آمده به عنوان ویژگی های نهایی برای آموزش و همچنین تست یک شبکه ی عصبی پرسپترون چند لایه (mlp) مورد استفاده قرار می گیرد.هر چند که در سال های اخیر الگوریتم های متنوعی برای تشخیص آریتمی های قلبی پیشنهاد شده اند اما اکثر محققین ، از تعداد محدودی از رکوردهای موجود در پایگاه داده استاندارد mit- bih در کار خود استفاده نموده اند. در حالی که در این پروژه ، از 24 رکورد موجود در پایگاه داده معرفی شده ، برای آموزش و همچنین تست شبکه ی عصبی طرح شده ( طبقه بندی کننده) استفاده شده است. نتایج شبیه سازی های انجام شده در این پروژه نشان می دهد که دقت سیستم طراحی شده ، برای پنج کلاس از سیگنال ecg ( ریتم طبیعی قلب ، pvc ، rbbb ، lbbb ، pb ) در حدود 95% می باشد. کلید واژه : ecg ،آریتمی های قلبی ، تبدیل ویولت ، شبکه های عصبی

این رساله در شش فصل تدوین شده که در فصل اول به تعریف و تاریخچه سیستم های scada می پردازد. در فصل دوم اجزای سیستم های scada مانند rtu ها، معماری سخت و نرم افزاری این سیستم ها، شبکه های ارتباطی و رابط سیستم و کاربر hmi تشریح شده است. در فصل سوم پروتکل های scada و سازمان های مرتبط توصیف و از میان تعداد زیادی پروتکل موجود به انتخاب پروتکل dnp3 با دلایل مشروحه می پردازیم. در فصل چهارم مکانیزم های امنیت جهت انتقال داده و انواع روش های افزایش امنیت در سیستم های scada را در مقوله امنیت پروتکل بررسی می کنیم. در فصل ششم روش پیشنهادی خود را که شامل اضافه مودن یک لایه امنیتی و اتخاذ سیاست امنیتی در تطبیق پذیری با سیستم های فعلی است را تشریح و با روش های ذکر شده در فصل قبل مقایسه می کنیم.و این مسیر را با جمع بندی و ارائه پیشنهادات در فصل ششم به پایان می رسانیم.

ثبت تصویر ابزاری قدرتمند و مهم در ارزیابی های مختلف به ویژه بینایی ماشین و مهندسی پزشکی به شمار می رود که با رفع عدم تطابق های موجود بین تصاویر متعدد گرفته شده از یک موضوع خاص در زمان های مختلف و یا توسط روش های مختلف تصویربرداری، امکان مقایسه، یکپارچه سازی و تحلیل اطلاعات به دست آمده از منابع گوناگون را فراهم می نماید. در دهه های اخیر پیشرفت سریع دستگاه های تصویر برداری پزشکی و کاربرد فزاینده تصاویر حاصل از آن ها در تشخیص، تعیین روش درمان، نظارت بر روند بیماری و ...، تحقیق و پژوهش در حوزه ثبت تصویر اتوماتیک را ایجاب نموده است. بزرگترین مشکل برای داشتن یک ثبت دقیق، پیچیدگی محاسباتی آن ها است. در این رساله روشی کارآمد، کاملاً خودکار و بدون نیاز به مداخله کاربر در ثبت تصاویر ct و mri مغزی بر اساس تطابق الگوهای هوشمند و به کمک الگوریتم های بهینه یابی اطلاعات متقابل معرفی شده است. در حال حاضر متدهای ثبت تصویر مبتنی بر معیار اطلاعات متقابل، یکی از متداول ترین روش ها در ثبت تصاویر پزشکی می باشند که روش هایی قدرتمند و مستقل از نوع تصاویر ورودی بوده و می-توانند برای انواع تصاویر یک کیفیتی و چند کیفیتی مورد استفاده قرار گیرند. با این حال، گاه وجود ماکزیمم های محلی در تابع mi ثبت تصاویر یک کیفیتی و نیز کار با تصاویر دارای نویز در اطراف ناحیه مورد نظر، منجر به بروز خطا یا کاهش دقت عمل ثبت می گردند. علاوه بر آن به دلیل پیچیدگی محاسبات mi، ثبت تصاویر پزشکی دارای پس زمینه بزرگ، بسیار زمان بر خواهد بود. در این رساله برای استفاده از مزایای معیار mi در ثبت انواع تصاویر پزشکی و در عین حال کاهش زمان محاسبات و افزایش دقت ثبت، روش جدیدی معرفی شده است که با استفاده از مفهوم انتروپی، نواحی شامل اطلاعات مهم مانند بافت ها که هدف اصلی در تطبیق و ثبت تصاویر به شمار می آیند، از نویز یا پس زمینه تصویر متمایز می گردند. به این ترتیب با استخراج ناحیه مورد علاقه، تابع mi به دست آمده هموارتر و تشخیص پیک نشان دهنده ی تبدیل بهینه واضح تر و ساده تر خواهد بود که علاوه بر بهبود قدرت و دقت معیار mi، با حذف پیکسل های غیر ضروری پس زمینه و جبران اثر اختلاف مکانی هدف در مختصات دو تصویر، سرعت ثبت تا حد زیادی افزایش خواهد یافت.

اساسی ترین وظیفه شرکت‎های توزیع علاوه بر تأمین به موقع برق به متقاضیان، تداوم برق با کیفیت مناسب، برای مشترکین می‎باشد بدین منظور لازم است در شبکه‎های توزیع، یک سیستم عیب یاب هوشمند و اتوماتیک پیاده‎سازی شود. تعمیر و نگهداری پیشگیرانه و پیشگویانه نیز یکی از اصلی‎ترین استراتژی‎ها برای بهبود بهره وری و کارایی سیستم‎های صنعتی است. در این تحقیق به منظور بهبود روش های جاری تعمیر و نگهداری در صنعت برق و برای آشکارسازی و نرم‎افزاری نمودن تشخیص هوشمند عیوب شبکه توزیع از فن آوری ترموویژن استفاده شده است. در این پایان نامه روشی برای عیب یابی هوشمند تجهیزات الکتریکی پست های شبکه توزیع برق با استفاده از شبکه عصبی به عنوان طبقه بندی کننده و ممان‎های زرنیک و لژاندر به عنوان استخراج کننده ویژگی تصاویر معرفی و بررسی می گردد. تصویر برداری حرارتی جهت مشخص شدن عیوب بکار رفته است. هدف مطالعه حاضر، تشخیص نوع عیب به کمک روش ممان و همچنین استفاده از مشخصات آماری تصاویر حرارتی تجهیزات الکتریکی می‎باشد. دقت طبقه بندی کننده به مرتبه ممان استفاده شده بستگی دارد. با توجه به عیب های مرسومی که در پست های شبکه توزیع اتفاق می افتد چهار نوع از خرابی های عمده که در پست های زمینی و هوایی رخ می دهد، از قبیل خرابی اتصالات شبکه هوایی، ایراد در محل اتصالات کابل‎ها، خرابی ترانسفومرها و خرابی فیوزهای تابلو فشار ضعیف انتخاب گردیده است. در پایان نرم افزاری گرافیکی با استفاده از محیط gui برنامه matlab برای سهولت تشخیص عیوب و غیر دستی نمودن آنها برای کاربران طراحی گردیده است.

اسکادا، به دلیل استفاده در نیروگاه ها، صنایع هسته ای و خطوط ریلی جزء سیستمهای حساس است و چون مهمترین قسمت این سیستمها نرم افزار ایستگاه اصلی است لذا باید قابلیت اطمینان بالایی داشته باشد و نرم افزاری مطمئن باشد. تحمل خطا یکی از فاکتورهای مهم در تولید یک نرم افزار مطمئن است و تحقیقات برای تحمل خطای نرم افزاری در اسکادا، درحد استفاده از افزونگی نرم افزاری و سخت افزاری انجام شده است و نحوه ی اعمال این افزونگی مشخص نشده است. بنابراین طراحان سیستمهای اسکادا هیچ مرجعی برای انتخاب یک تکنیک تحمل خطای مناسب ندارند و تاکنون تکنیکهای مختلف تحمل خطا مانند: برنامه نویسی چند نسخه ای و ترمیم بلاک و روشهای ترکیبی از ایندو ارائه شده است. لذا در این تحقیق، برای انتخاب یک تکنیک مناسب در اسکادا، مفاهیم و روشهای تحمل خطا و ساختار اسکادا مورد بررسی قرارگرفته است و عاملهای موثر بر انتخاب روش تحمل خطا استخراج شده است سپس مدل قابلیت اطمینان برای تکنیکهای تحمل خطایی که قابلیت تطبیق با نقص نرم افزاری و سخت افزاری دارند، طراحی و قابلیت اطمینان محاسبه شده است و با توجه به معماری هرکدام از تکنیکهای تحمل خطا؛ زمان پاسخ، مصرف منابع و امکانات پیاده سازی؛ با برنامه نویسی و شبیه سازی محیط توزیع شده، برآورد شده است و نتایج نشان می دهد که برای سیستمهای اسکادا؛ استفاده از روش تطبیقی ترمیم بلاک توزیع شده، علاوه بر هزینه ی کمتر، قابلیت اطمینان بالایی ایجاد می کند و زمان پاسخ آن نسبت به دیگر روشها کوتاهتر است.

اسکادا، به دلیل استفاده در نیروگاه ها، صنایع هسته ای و خطوط ریلی جزء سیستمهای حساس است و چون مهمترین قسمت این سیستمها نرم افزار ایستگاه اصلی است لذا باید قابلیت اطمینان بالایی داشته باشد و نرم افزاری مطمئن باشد. تحمل خطا یکی از فاکتورهای مهم در تولید یک نرم افزار مطمئن است و تحقیقات برای تحمل خطای نرم افزاری در اسکادا، درحد استفاده از افزونگی نرم افزاری و سخت افزاری انجام شده است و نحوه ی اعمال این افزونگی مشخص نشده است. بنابراین طراحان سیستمهای اسکادا هیچ مرجعی برای انتخاب یک تکنیک تحمل خطای مناسب ندارند و تاکنون تکنیکهای مختلف تحمل خطا مانند: برنامه نویسی چند نسخه ای و ترمیم بلاک و روشهای ترکیبی از ایندو ارائه شده است. لذا در این تحقیق، برای انتخاب یک تکنیک مناسب در اسکادا، مفاهیم و روشهای تحمل خطا و ساختار اسکادا مورد بررسی قرارگرفته است و عاملهای موثر بر انتخاب روش تحمل خطا استخراج شده است سپس مدل قابلیت اطمینان برای تکنیکهای تحمل خطایی که قابلیت تطبیق با نقص نرم افزاری و سخت افزاری دارند، طراحی و قابلیت اطمینان محاسبه شده است و با توجه به معماری هرکدام از تکنیکهای تحمل خطا؛ زمان پاسخ، مصرف منابع و امکانات پیاده سازی؛ با برنامه نویسی و شبیه سازی محیط توزیع شده، برآورد شده است و نتایج نشان می دهد که برای سیستمهای اسکادا؛ استفاده از روش تطبیقی ترمیم بلاک توزیع شده، علاوه بر هزینه ی کمتر، قابلیت اطمینان بالایی ایجاد می کند و زمان پاسخ آن نسبت به دیگر روشها کوتاهتر است.

استفاده از دوربین های با وضوح کم از یکسو و تصویر برداری از یک جسم از فاصله دور منجر به ایجاد تصاویری کم کیفیت با تفکیک پذیری کم می گردد. برای جبران این کاستی می توان از جبرانسازی های نرم افزاری که هزینه بسیار کمتر و کاربرد بسیار بیشتری را نسبت به تغییرات در سخت افزار دارند، بهره برد. اگر دامنه مورد تصویر برداری چهره انسان باشد، می توان با توجه به شباهت های ساختاری موجود و ویژگی های خاص این دامنه بهبود وضوح کاراتری انجام داد. روشهای معمول افزایش تفکیک پذیری نظیر انواع روشهای تخمین اطلاعات و الگوریتم های مختلف درونیابی از روی تک تصویرِ ورودی منجر به تصویری مات بدون افزودن اطلاعاتی اضافه به تصویر می شوند. ضعف این الگوریتم ها عدم توانایی تولید اطلاعات اضافی که همان جزئیات و ویژگیهای چهره هستند، در قالب فرکانسهای بالای تصویر می باشد. این رساله روشی جدید در افزایش تفکیک پذیری تصاویر چهره (ابر وضوح ) به کمک وصله های موقعیتی؛ و برگرفته از زوج تصاویر چهره کیفیت بالا – کیفیت پایین را ارائه می دهد. از تصویر کیفیت پایین ورودی وصله ای جدا می شود. این وصله با معادل آن وصله در تصاویر پایگاه داده آموزش یافته با کیفیت پایین مقایسه می گردد. سپس به هر وصله کیفیت پایین وزنی اختصاص داده می شود. پس از تخمین مقدار وزن مناسب، از معادل کیفیت بالای آن وصله در بهبود وضوح و هالوسینه کردن تصویر کیفیت بالا استفاده می گردد. تصویر کیفیت بالای چهره نهایی از تجمع وصله های کیفیت بالای تخمین زده (هالوسینه شده) تشکیل می گردد. از یک طرف مقایسه عددی از طریق روش های نرخ پیک سیگنال به نویز و شباهت ساختاری؛ و از طرف دیگر مقایسه از طریق چشم انسان از نتایج تجربی، نشان دهنده بهبود وضوح و بهبود تفکیک پذیری تصاویر چهره در حدی فراتر از انتظار و قابل رقابت با روشهای موجود می باشد.

تشخیص به موقع سرطان پستان یکی از مهمترین مسائلی بوده است که محققان همیشه در پی آن بوده اند . با توجه به هزینه های بالای درمان وگسترش بیماری بین بانوان، شناسایی به موقع این عارضه ، گام مهمی در کاهش عوارض اجتماعی و سلامتی جامعه خواهد شد. با توجه به نکات ارائه شده در این تحقیقات بر آن شدیم که به وسیله روشی نوین در تشخیص سرطان پستان که در سالهای اخیر دردنیا در حال پیشرفت می باشد این هدف را محقق نماییم. در این روش که به صورت عملی انجام می پذیرد با استفاده ازتصویر برداری حرارتی به کمک دوربین ir و اِعمال تصاویر ذخیره شده به نرم افزار طراحی شده که شامل مراحل هوش مصنوعی وپردازش تصویر می باشد شناسایی سرطان پستان را محقق می نماییم. مهمترین ملاک این روش عدم اسیب های جسمی و تشعشعی به بیمار می باشد. سه روش در این تشخیص ارائه شده است که می توانند هر یک راه تشخیص را بهبود بخشند و حتی در صورت وجود مشکل برای یکی از آنها، روش بعدی جایگزین خواهد گشت. پیشنهادات شامل روش عدم تقارن که روشی بهبود یافته تر و هوشمندانه تر می باشد. روش دوم الگوی حرارتی تصویر و روش سوم از طریق فازی k-means ارائه شده است. روش فازی بیشتر برای مد نظر قرار دادن و بر اورده شدن نظر دیداری تصویر بوسیله پزشک پیشنهاد شده است. علاوه بر روش های پیشنهادیِ ارائه شده نکات تصویر برداری و تشخیص ظاهری سرطان از روی تصاویر که در حین انجام آزمایشات تحقیقی حاصل شده است را در مطالب پایان نامه ارائه گردیده است که می تواند پزشکان را در تشخیصی بهتر یاری رساند.

چکیده تعقیب اهداف متحرک به وسیله چشم از جمله قابلیت های سیستم بینایی در انسان و سایر موجودات می باشد. چنین عملکرد در بینایی ماشین توسط یک سیستم ردیابی تصویری حاصل می شود. ردیابی هدف متحرک به مفهوم تعقیب هدف متحرک در یک سری تصاویر متوالی است. ردیابی هدف متحرک در تصاویر ویدئویی شامل آشکارسازی هدف متحرک و تعقیب و ردیابی هدف آشکارشده در تصاویر متوالی می باشد. روش های مختلفی برای ردیابی هدف متحرک در تصاویر متوالی، مانند روش های شار نوری، روش های تطبیق مشخصه و روش های کانتور فعال پیشنهاد شده است. در روش های شار نوری بردارهای حرکت برای کلیه نقاط تصویر و یا هدف محاسبه می گردند. ولی در روش های تطبیق مشخصه، بردارهای حرکت تنها برای مشخصه های قوی هدف محاسبه شده و از روی این بردارهای حرکت، حرکت کل هدف تخمین زده می شود.روش های کانتورفعال از روش های دیگر ردیابی هدف متحرک می باشند. در این پایان نامه، یک روش ترکیبی برای آشکارسازی و ردیابی هدف متحرک در تصاویر ویدئویی با فیلتر کالمن معرفی شده است. سیستم ابتدا به مشکل آشکارسازی اهداف متحرک در دنباله ای از تصاویر می پردازد. که در مرحله اول برای افزایش عملکرد الگوریتم طراحی شده برای آشکارسازی و ردیابی اهداف متحرک از هیستوگرام رنگی هدف و مقایسه آن با هیستوگرام رنگی نواحی اطراف هدف با یک تخمین اولیه از مکان هدف استفاده شده است. بعد از اینکه هدف متحرک با استفاده از هیستوگرام رنگ و تشخیص لبه آشکارسازی شد، وارد مرحله ردیابی می شود. با در دست داشتن تخمین موقعیت مکانی هدف با استفاده از روش ekf(extended kalman filter) عمل ردیابی برای موقعیت مکانی هدف را انجام می دهیم تا اینکه هدف گم شود و در این حالت سیستم دوباره وارد مرحله آشکارسازی می شود. در این روش دوربین ویدیویی هم ثابت و هم متحرک فرض شده و هدف اصلی در این پایان نامه طراحی روشی بوده است که بتواند در یک سیستم ردیاب واقعی مورد استفاده قرار گیرد. بنابراین در طراحی الگوریتم، عواملی مثل وجود نویز در تصاویر متوالی و تغییرات شدت روشنایی محیط در نظر گرفته شده است. همچنین با توجه به حرکت دوربین و تغییر زاویه دید دوربین ممکن است که شکل ظاهری هدف تغییر کرده و قسمت های جدیدی از هدف در تصویر ظاهر گردند. کم بودن حجم محاسباتی الگوریتم از عوامل دیگری هست که ما سعی کردیم در طراحی الگوریتم های ردیابی آن را در نظر بگیریم.

هدف تحقیق حاضر شناسایی اعمال انسانی در تصاویر ویدئویی است که بدین منظور از بیان محلی تصاویر ویدئویی بهره گرفته ایم. یکی از راهکارهای ارائه شده در این پایان نامه تلفیق توصیفات ظاهری و بیان های حرکتی است که نهایتاً به یک توصیف کننده مکان-زمان محلی منجر می گردد. تا کنون ویژگی های محلی گوناگونی به منظور بیان اطلاعات ظاهری ارائه شده اند. ما با به کارگیری توصیف کننده جدیدی که حاصل توصیف محلی phog بر روی نقاط حاصل از آشکارساز هریس می باشد، توانستیم از مزایای توصیف کننده های دوبعدی به خوبی بهره ببریم. علاوه بر این استفاده از آشکارساز و توصیف کننده دوبعدی دیگری با نام سیفت نیز در قالب توصیف کننده های مکان-زمان محلی جهت مقایسه و ارزیابی بهتر روش پیشنهادی به طور جداگانه بیان گردیده است. برای توصیف زمانی اعمال انسانی نیز از بیان هیستوگرامی بردارهای شار نوری استفاده نمودیم و با تلفیق این دو بیان، به یک توصیف کننده واحد دست یافتیم که هم اطلاعات مکانی و هم زمانی مربوطه را شامل می شود. در ادامه با انتقال این توصیف کننده ها به فضای بسته ای از کلمات تصویری، به هیستوگرام هایی متناظر با هر ویدئو دست می یابیم که در واقع ورودی مرحله آموزش و دسته بندی خواهند بود. نتایج ارزیابی سیستم شناسایی مذکور بر روی دو پایگاه داده معروف از اعمال انسانی ارائه گردیده است. هر یک از این پایگاه های داده تعدادی عمل مختلف را شامل می شوند که توسط چندین عامل انسانی و در شرایط متفاوت انجام گرفته اند. نتایج به دست آمده نشان دهنده برتری روش به کاربرنده ویژگی محلی harris-phog در مقایسه با روش سیفت است. همچنین در مقایسه ای که با نتایج دیگر مراجع مرتبط صورت گرفت، راهکار پیشنهادی یعنی به کارگیری توصیف کننده های مکان-زمان محلی توانست به نتایج برتر و یا قابل قیاس با برترین نتایج موجود دست یابد.

هپاتیت های ویروسی یکی از مهمترین معضلات بهداشتی است و در بین آنها هپاتیت های منتقله از راه خون از جمله بیماری هایی هستند که سهم قابل توجهی از مرگ و میر، ناتوانی، بار اقتصادی، اجتماعی و روانی را به خود اختصاص داده و موارد مزمن این بیماری ها در حال حاضر مشکلات و تبعات بسیاری را بر جامعه تحمیل نموده است.هپاتیت اگر بدون درمان رها شود، می تواند منجر به نارسایی کبد یا سرطان کبد شود. بر آورد می شود بیش از 2 میلیارد نفر در جهان در معرض ویروس بیماری هپاتیت قرار دارند. هر سال 5 / 1 میلیون نفر بر اثر بیماری هپاتیت جان خود را از دست می دهند. در حال حاضر، در کشورمان حدود ? میلیون نفر به ویروس هپاتیت b آلوده هستند و بین ??? تا ??? هزار نفر نیز هپاتیت c دارند. بیشتر مبتلایان در کشور پهناور چین و تایوان به سر می برند. شیوع این بیماری در برخی از نواحی آسیا و آفریقا بسیار بالاست و حتی به 20 درصد نیز می رسد. هپاتیت ویروسی در اثر ویروس های مختلفی ایجاد می‏شود که منجر به تورم و گاهی از بین رفتن کبد می‏شوند. بسیاری بلای قرن را هپاتیت می دانند، نه ایدز.از مشکلات اساسی آن عدم تشخیص به موقع و صحیح آن است. تشخیص اولیه آن، با استفاده از آزمایش خون انجام می پذیرد. به منظور تشخیص درست و با ضریب اطمینان بالا، وجود یک سیستم دقیق و هوشمند ضروری به نظر می آید.از این رو دیدگاه طراحی یک سیستم مبتنی بر تکنیک های هوش مصنوعی و داده کاوی برای تشخیص سریع و دقیق بیان گردید.در این تحقیق برای آموزش سیستم پیشنهادی یک سری آزمایشات که مربوط به آزمایشات کبد ، هپاتیت b ، هپاتیت c وآزمایشات مربوط به حاد و مزمن بودن هپاتیت می باشد از آزمایشکاه بیمارستان واسعی و کلینیک تخصصی دانشگاه علوم پزشکی سبزوار گرداوری شد،استفاده گردیده است.برای تشخیص نوع هپاتیت از دو روش قوی کلاسه بندی،svm و nn استفاده شد و پس از مشخص شدن نوع هپاتیت اگر هپاتیت نوع b باشد شدت آن نیز یعنی نوع حاد یا مزمن بود آن نیز با تکنیک fcm شناسایی می شود.

سالیانه هزاران نفر از سالمندان بر اثر زمین خوردگی با صدمات جبران ناپذیری همچون شکستگی مفاصل، استخوان ها و حتی مرگ مواجه می شوند. در این رساله بر مبنای تحلیل تصاویر اخذ شده از حرکت سالمندان، سیستمی کارآمد طراحی شده که در فاز نخست، با ترکیب چندین ویژگی با اهمیت نظیر تخمین زاویه بدن شخص و برآورد دامنه و راستای سرعت، وقوع زمین خوردگی با تکیه بر تغییرات آناتومیکی بدن شخص سالمند و نمایش حافظه حرکت صورت می پذیرد. در فاز دوم این رساله، با دریافت رشته های ویدیوئی دربردارنده راه رفتن سالمندان و ردگیری حرکت آنان، الگوی انباشتگی حرکتی آنان مدل می شود تا موقعیت مفاصل درگیر حین حرکت را بیابد. با استفاده از قوانین بیومکانیک حرکت و تخمین زوایای مفاصل، قالب اسکلتی بر تصویر نگاشت می شود و در نهایت این قالب به فضای سه بعدی انتقال می یابد. داده ها، مجموعه ای از 126 رشته ویدیوئی پایگاه casia، نمونه های زمین خوردگی سالمندان در سرای سالمندان فرزانگان شهر مشهد و سرای مادر شهر سبزوار است. پیاده سازی سیستم بر مجموعه ای شامل 57425 فریم تصویری دریافت انجام شد. رشته ها به دسته های مشخص clip با فرمت avi با رزولوشن 120×160 پیکسل و نرخ تصویربرداری 15 فریم بر ثانیه تبدیل شدند. دقت متوسط (aac)، نرخ آشکار سازی (dr) و نرخ هشدار اشتباه (far) سیستم پیشنهادی در سطح قابل قبولی به ترتیب 24/91%، 23/88% و 83/7% می باشد و در مقایسه با تکنیک های نظیر شبکه های سنسوری و لرزش سنج ها از حساسیت و ویژگی مناسب تری برخوردار است. حساسیت 90% و ویژگی 92% نشان دهنده توانایی مطلوب سیستم در جداسازی وقایع مشکوک به زمین خوردگی و زمین خوردگی های واقعی است. در فاز مدلسازی زوایای مفاصل، میزان انحراف زاویه تخمین زده شده از زاویه واقعی مفصل قابل قبول بوده و خطای در حدود 12% داشته است. سرعت بالای الگوریتم در پردازش داده ها سبب شده تا سیستم متمایز شود و به کارگیری آن در مراکز نگهداری سالمندان و منازل مسکونی، نظارت هوشمند و بلادرنگ افراد را در زمان زمین خوردگی به دنبال داشته باشد.

شناسایی و ردیابی انسان یکی از مهم ترین موضوعات در بینایی ماشین می باشد که در کاربردهایی نظیر نظارت ویدئویی، تحلیل جمعیت، تحلیل حرکت و رفتار انسان و تعامل انسان و کامپیوتر استفاده می شود. برای اینکه شناسایی بهتر و دقیق تر صورت گیرد، زوایای دید بیشتر و همچنین فن آوری بهتر نیاز است. افزایش تعداد دوربین های ناظر و فن آوری در سامانه شناسایی و ردیابی لزوم استفاده از یک سامانه شناسایی و ردیابی خودکار را بیش از پیش نشان می دهد. یکی از مهم ترین چالش ها در ردیابی خودکار انسداد یا هم پوشانی اشیاء می باشد. روش های مختلفی برای حل این مسئله ارائه شده است. یکی از روش های قدرتمند استفاده از دوربین های سه بعدی (استریو)است. این دوربین ها از صحنه تصویری می دهند که با توجه به فاصله شیء تا دوربین، روشنایی تصویر آن متغیر است، یعنی هر چه شیء نزدیک تر به دوربین باشد روشن تر است. در این پژوهش روشی جدید و کارا برای شناسایی و ردیابی انسان با استفاده از دوربین استریو که محیط را نظارت می کند، ارائه شده است. در ابتدا پیش زمینه از پس زمینه تفریق می شود. سپس پردازش های اولیه روی تصویر به دست آمده انجام می شود تا نویزهای احتمالی را حذف شود. با استفاده از روش لبه گیری (canny)، لبه های ناحیه ها را به دست می آوریم. با استفاده از الگوریتم شناسایی نواحی (افراد) را شناسایی می شوند. در مرحله بعد افراد شناسایی شده را بر اساس نزدیکی به دوربین مرتب می کنیم تا ردگیری بهتر صورت گیرد. ردگیری با استفاده از تابع توزیع گوسی صورت می گیرد. برای اینکه ردگیری دقیق تر صورت گیرد از اطلاعات شدت روشنایی نیز استفاده می شود. در نهایت افراد با توجه به فاصله شان نسبت به دوربین با یک کادری که متناسب با این کمیت است، نشان داده می شود.

روش های سنتی جراحی(جراحی های باز) شدیداً تهاجمی هستند و اکثر آن ها نیاز به شکافتن پوست و بافت زیر آن برای رسیدن به محل مورد نظر را دارند. برای اجتناب از این مشکلات امروزه جراحی های با حداقل تهاجم بیش از پیش مورد استقبال قرار گرفته اند. در جراحی های با حداقل تهاجم ابزار جراحی از طریق سوراخ های کوچکی بر روی پوست و یا از طریق حفرات و مجاری، وارد بدن می شوند و عمل مورد نظر را به انجام می رسانند. اما مشکل اصلی در انجام چنین جراحی هایی از بین رفتن دید جراح برای اطلاع یافتن از موقعیت آندوسکوپ و یا سایر ابزار جراحی در داخل بدن است. برای حل این مشکل و آگاهی یافتن جراح از موقعیت ابزار در داخل بدن در سال های اخیر سیستم های راهبری جراحی ساخته شده اند. برای تعیین موقعیت آندوسکوپ در داخل مجاری و بدنبال آن بر روی تصاویر قبل از جراحی توسط سیستم های راهبری جراحی دو روش متداول وجود دارد. روش اول مبتنی بر سیستم های ردگیری کننده است که اگرچه این روش سرعت بسیار بالایی برای تعیین موقعیت آندوسکوپ دارد اما دقت آن نسبتا پایین است. روش دوم برای تعیین موقعیت آندوسکوپ از اطلاعات موجود در تصاویر قبل از جراحی و تصاویر آندوسکوپی در حین جراحی استفاده می کند و به روش انطباق مبتنی بر تصویر معروف است که اگرچه دقت بالاتری نسبت به روش مبتنی بر ردگیری دارد اما از سرعت پایینتری برخوردار است. با توجه به اینکه سرعت و دقت دو فاکتور مهم در جراحی های انجام شده توسط سیستم های راهبری جراحی هستند هدف اصلی این طرح ارائه روشی نوین برای ترکیب ویژگی های دو روش انطباق مبتنی بر سیستم های ردگیری و انطباق مبتنی بر تصویر برای دستیابی به حداکثر سرعت و دقت در چنین سیستم هایی است.

امروزه سیستم های اسکادا از نقش حساسی در کنترل و پردازش سیستم های اطلاعاتی و صنعتی مدرن برخوردارند و نقشی حیاتی در زیرساخت های حساس کشورها پیدا کرده اند. نیروگاه های تولید برق، نیروگاه های هسته ای و سیستم های کنترلی عبور و مرور مترو در شهرهای بزرگ از نمونه های بارز استفاده از این سیستم ها می باشد. به دلیل نقش مهم این سیستم ها، امنیت داده ها و کنترل دسترسی های مختلف به این سیستم ها از مهمترین چالش های هر دولتی برای بخش های حساس کنترلی خود می باشد. از ابتدای پیدایش سیستم های اسکادا تا کنون کارهای زیادی در زمینه های مختلف بر روی امنیت آن ها صورت گرفته است که هرکدام به بخشی از موارد امنیتی سیستم پرداخته اند. اما امروزه با گسترش شبکه های کامپیوتری، محیط کاری این سیستم ها از یک محیط ایزوله، به شبکه های بزرگ تری از جمله اینترنت ارتقا یافته است. به این دلیل مباحث جدیدی در زمینه امنیت این سیستم ها مطرح شده است. یکی از برجسته ترین راهکار های امنیتی در این زمینه، استفاده از سیستم های تشخیص نفوذ است. سیستم های تشخیص نفوذ فعلی برای سیستم های اسکادا، اکثراً با پروتکل های اسکادا آشنا نبوده و از هوشمندی و پویایی لازم برخوردار نیستند؛ به این دلیل کارایی لازم برای جلوگیری از نفوذ به این سیستم ها را ندارند. در این پایان نامه سعی شده است تا سیستم تشخیص نفوذ هوشمند پویایی ارائه شود که بر مبنای روش فیلترینگ بر اساس حالات بحرانی به همراه دسته بندی حالات برای کاهش تأخیر سیستم و دخیل کردن نظر کاربر برای دقت بیشتر، عمل نماید. در نهایت پس از تست سیستم پیشنهادی با روش های قبلی، بهبود متوسط 80 درصدی در تأخیر وارد شده به سیستم مشاهده می گردد که با توجه به بلادرنگ بودن سیستم های اسکادا این میزان کاهش تأخیر موفقیت بزرگی محسوب می شود.

صرع یک اختلال شدید در سیستم عصبی مرکزی است که فرد را مستعد تشنج های مکرر می کند. تشنج، ناهنجاری موقتی در فعالیت الکتریکی مغز است که علائم فیزیکی مختل کننده ای همچون وقفه در حافظه و هوشیاری، اختلال حواس یا لرزش تمام بدن را به دنبال دارد. در این راستا، سیستم خودکاری که بتواند شروع تشنج را تشخیص یا پیش بینی کند، امری ضروری به نظر می رسد. این پایان نامه، الگوریتمی جهت آشکارسازی شروع تشنج صرع مبتنی بر تحلیل سیگنال های الکتریکی مغز (eeg) به تنهایی یا با ترکیب سیگنال های الکتریکی قلب و مغز ارائه می دهد. الگوریتم پیشنهادی با انتخاب ویژگی های موثر از سیگنال های تشنج و غیر تشنج هر فرد و طبقه بندی آن ها در دو کلاس، شروع تشنج را به طور سریع و با حساسیت بالا تشخیص می دهد. در این الگوریتم، ایپاک های l ثانیه ای از سیگنال ها با اعمال تبدیل ویولت به صورت یک تنسور مرتبه سه در فضای مکانی، طیفی و زمانی نمایش داده می شوند. سپس با اعمال آنالیز تفکیک کننده تنسور عام (gtda) بر روی تنسورها و محاسبه ماتریس نگاشت، بردارهای ویژگی استخراج می گردند. gtda، اطلاعات تفکیک شده از سیگنالهای eeg را بدون حذف اطلاعات در مقادیر موثر ذخیره می کند که یک مزیت نسبت به روش های رایج همچون pca است و موجب افزایش حساسیت الگوریتم می گردد. سر انجام از طبقه بند نزدیک ترین همسایگی (knn) جهت طبقه بندی ویژگی های انتخابی، استفاده می شود. نتایج شبیه سازی الگوریتم بر روی مجموعه داده های استاندارد eeg نشان داد که الگوریتم قادر است 98 درصد از تشنج ها را با میانگین تاخیر 7/4 ثانیه و نرخ خطای آشکارسازی متوسط، سه خطا در هر 24 ساعت، تشخیص دهد.

مات زدایی مکانی را اغلب با فرض تغییر ناپذیر بودن با شیفت کرنل ماتی، معرفی می کنند اما برای ماتی حرکت در ویدئو این فرض مناسب نیست. با توجه به این موضوع و اینکه در حالت کلی ویدئو شامل انتقال های چند لایه ای و پیچیده است، مات زدایی در ویدئو اغلب بر اساس دیکانولوشن فریم به فریم انجام می شود. اما یک مشکل مهم این است که مات زدایی حرکت از یک تک فریم زمانی که صحنه شامل انسداد حرکت است، بسیار مشکل است. در این پایان نامه بجای مات زدایی فریم های ویدئویی به صورت جداگانه، یک مات زدایی سه بعدی برای کاهش ماتی حرکت و دیفوکوس از یک ویدئوی مات ارائه می شود. برای ارتقاء این روش، با استفاده از روش l-curve پارامتر تنظیم ساز به صورت بهینه انتخاب می شود. در مات زدایی پیشنهادی، برخلاف روش های موجود، نیازی به اطلاعات حرکت های محلی نیست. مات زدایی سه بعدی، با توجه به طبیعت وفقی محلی اش قادر است به صورت خودکار و بدون نیاز به قطعه بندی به مات زدایی دنباله ویدئویی بپردازد. این روش بر روی سایر قسمت ها در حوزه ی زمان_مکان، که مات نیستند، اثری نمی گذارد. الگوریتم پیشنهادی دو گامه است: ابتدا ویدئوی ورودی، بدون هیچ گونه تخمین صریحی از حرکت محلی، در مکان و زمان upscale می شود، سپس برای به دست آوردن دنباله بهبود یافته، مات زدایی سه بعدی انجام می شود.

اهمیت مراقبت از سلامتی در هر مکان و زمانی برای هر فرد سالم و بالاخص بیماری با هر شرایط سنی و هر وضعیت شغلی نیاز ضروری به پایش و اندازه گیری علائم حیاتی بدن دارد . در این فعالیت سعی شده یک سیستم کنترل سلامتی همراه ، که متمرکز بر عارضه ی قلبی است، ارائه گردد. در طراحی این سیستم، سیگنال ecg که به عنوان پارامتر حیاتی بیمار می باشد، پس از دریافت از سنسورها، تقویت شده و برای انتقال به ایستگاه مرکزی ، در قالب های استاندارد، بسته بندی می شوند. به این منظور، بعد از بررسی ماژول های ارتباطی موجود، ماژول های bluetooth را به عنوان رابط بی سیم انتخاب نمودیم. برای کنترل و نظارت بر نحوه شارش اطلاعات نیز، از خانواده میکرو کنترلرهای avr استفاده نمودیم که توانستند کارآیی خود را به درستی نمایش دهند. داده ها به واسطه شبکه های محلی و نیز اینترنت، از ایستگاه مرکزی به ایستگاه پرستاری منتقل می شوند و پزشک یا پرستار از وضعیت و نیز شرح حال بیمار اطلاع می یابد. برای دست یابی به این هدف، با کمک مجموعه نرم افزار visual studio.net 2008 و زبان برنامه نویسی c# .net نرم افزارهای مورد نیاز سیستم را طراحی نمودیم. دلیل استفاده از این زبان برنامه نویسی، قدرت و نیز آسان بودن کارکرد آن می باشد. نرم افزار تولید شده دارای محیطی مناسب جهت برقرار نمودن ارتباط با کاربر است.از اهداف دیگر این فعالیت، کاهش هزینه های راه اندازی سیستم خواهد بود که برای اثبات این دو مدعا، به پیاده سازی سیستم برای سیگنال ecg اقدام نمودیم و به تحلیل ویژگی های آن پرداختیم. با توجه به نحوه کارکرد سیستم، که به مدت 24 ساعت تحت آزمایش قرار گرفت و توانست به درستی از عهده ارسال داده ها به صورت آنی و پیوسته برآید، کارآیی سیستم تأیید گردید.

مالتیپل اسکلروز یا ام اس (ms) یک بیماری التهابی سیستم اعصاب مرکزی است. در اطراف فیبرهای عصبی یک بافت چربی به نام میلین وجود دارد که هدایت الکتریکی پالس های عصبی توسط فیبرهای عصبی تسریع می کند. ام اس هنگامی در بدن آغاز می شود که گلبول های سفید که نقش دفاعی در بدن دارند، به میلین که نقش حفاظتی برای رشته های عصبی دارد، بجای یک عامل بیگانه، حمله می کنند. وقتی میلین یا خود فیبر عصبی، آسیب دیده یا تخریب می شود، توانایی اعصاب در هدایت ایمپالس های الکتریکی از مغز به اندام و بالعکس دچار اختلال می گردد. یکی از مهمترین وسیله های تشخیص و پیگیری پیشرفت این بیماری و بررسی اثربخشی درمان در بیماران مبتلا به ام اس استفاده از mri می باشد. با این روش می توان از وجود پلاک های جدید و یا افزایش اندازه و تعداد آن ها در بیمار مطلع شد. اما بررسی و تفسیر تعداد بسیار زیادی از تصاویر mr کاری بسیار دشوار و زمانبر، برای پزشک بوده و در این راه احتمال وقوع خطاهای انسانی بسیار زیاد است. همچنین بررسی میزان پیشرفت بیماری و مقایسه دو تصویر برداری mri بسیار دشوار است. لذا امروزه نیاز به استفاده از روشهایی که بتوانند به صورت خودکار به جداسازی ضایعات مغزی بیماری ms بپردازد، بسیار احساس می شود. در این مطالعه سعی خواهد شد تا به شرح مختصری از انواع روشهای موجود برای تشخیص و ناحیه بندی ضایعات مغزی بیماری ام اس پرداخته شود. تاریخچه مختصری از کارهای انجام شده در این زمینه تا کنون ارائه و روش پیشنهادی به طور کامل شرح داده شود و کارایی روش ارائه شده با سایر روشهای موجود مقایسه شود.

تشخیص هویت براساس الگوی رگهای زیر پوستی یکی از جدیدترین بیومتریکهایی است که اخیرا بسیار مورد توجه قرار گرفته است. روش پیشنهاد شده در این تحقیق استفاده از الگوی رگهای خونی پشت دست افراد می باشد. در این پایان نامه ابتدا به معرفی بیومتریکهای مختلفی که تا کنون مورد استفاده بشر قرار گرفته اند پرداخته و نقاط قوت و ضعف آنها بررسی شده است که می تواند منبع کاملی برای افراد علاقه مند به تحقیق در این زمینه باشد. در ادامه پس از مقایسه اجمالی بین آنها به موضوع اصلی بازگشته و ابتدا روشی جدید و ارزان قیمت، جهت گرفتن تصاویر رگهای پشت دست معرفی می کنیم. پس از آن در فصل پیش پردازش مراحل مورد نیاز جهت آماده کردن عکس برای استخراج ویژگی، معرفی می شود. از آنجا که یکی از مشکلات موجود این روش، چرخش و جابجایی دست در زمان تصویربرداری می باشد، در این فصل یک روش کاملا جدید جهت استخراج ناحیه مطلوب (roi) از تصویر اصلی معرفی شده که در آن با تغییر طول و زاویه بین اضلاع roi، اثرات نامطلوب چرخش کاملا کنترل شده است. همچنین در ادامه، جهت استخراج کامل الگوی رگ با توجه به دقیق نبودن نتایج روشهای آستانه سازی معرفی شده تاکنون، روش آستانه سازی مربعی را معرفی نموده که در آن با مقایسه میانگین شدت روشنایی همسایگی5×5 با همسایگی 9×9 برای هر پیکسل، موفق به استخراج کامل الگوی رگ شدیم. در فصل مقایسه جهت بالا بردن ضریب اطمینان از روش mfe استفاده شده است که در آن ابتدا عمل مقایسه ویژگیهای استخراج شده توسط هر روش، بصورت مستقل از یکدیگر انجام و سپس نتایج بوسیله الگوریتمی که معرفی می شود، با هم ترکیب و نتیجه نهایی حاصل می شود. در فصل هفتم به ارانه نتایج و مقایسه با کار های انجام شده تا کنون پرداخته شده و در فصل پایانی نتیجه گیری کلی از این تحقیق آورده شده است .

زخم¬پای دیابتی یکی از شایع ترین عوارض مربوط به دیابت است که بیش از 15 درصد افراد دیابتی را مبتلا می¬سازد. از سوی دیگر بدلیل مشکلات موجود در سیستم ایمنی بدن افراد دیابتی ترمیم این زخم¬ها معمولاً به کندی صورت می¬گیرد و این امر احتمال گانگرن شدن پا، قطع اندام و حتی مرگ را بطور چشمگیری افزایش می¬دهد. روش¬های مرسوم برای تشخیص نواحی در معرض زخم که بر اساس معاینه و لمس کردن پوست می¬باشند، معمولا نمی¬توانند تغییرات مربوط به یکپارچگی پوست را در زمان مناسب آشکار کرده تا از ایجاد زخم جلوگیری شود. بنابراین در سال¬های اخیر تصویربرداری حرارتی از اندام بعنوان یک روش جدید در تشخیص زودهنگام ناحیه در معرض زخم مورد توجه قرار گرفته است. این روش¬ها بر اساس مقایسه دمای کف پای چپ و راست برای شناسایی ناحیه التهاب صورت می¬گیرد. روش¬ها: در این تحقیق از 25 نفر از شرکت کنندگان در آزمایشگاه پردازش تصویر دانشگاه حکیم سبزواری در شرایط استاندارد تصاویر حرارتی گرفته شده است و سپس الگوریتمی کاملا خودکار بمنظور مقایسه دقیق تصاویر حرارتی و استخراج نواحی پرحرارت از ماتریس دمایی برای مقایسه نظیر به نظیر درجه حرارت پای چپ و راست افراد به منظور شناسایی ناحیه دارای التهاب پنهان طراحی شده است. یافته ها: سیستم پسشنهادی طراحی شده براساس تکنیک¬های پردازش تصویر و بینایی ماشین موفق به یافتن دو مورد التهاب در بین افراد شرکت کننده در این پژوهش شد. میزان دقت ، حساسیت و ویژگی الگوریتم به ترتیب برابر با 90 %، 100%، 88% بدست آمد. نتیجه¬گیری: بر خلاف تحقیقات گذشته که بیشتر به صورت کیفی بر روی تصاویر حرارتی عمل می کردند، ما موفق به طراحی سیتمی کاملاً هوشمند که به مقایسه کمی نقاط نظیر به نظیر در کف پای چپ و راست افراد به منظور شناسایی ناحیه التهاب شدیم. این در حالی است که به گفته¬ی محققان زمانی که یک بیمار آزمایش مونوفیلمان را حس نمی کند و نمی تواند دمای کف پای خود را متوجه شود، در واقع تنها روش پیش¬بینی و پیشگیری از ایجاد زخم پا در یک پای بدون حس، تشخیص تفاوت دما است که الگوریتم طراحی شده در این تحقیق به خوبی و با دقت، صحت و مقبولیت مناسب این خواسته را برآورده می کند.

بیماری آلزایمر شایع‏ترین نوع زوال عقل میان افراد سالخورده است که به تدریج وخیم می‏شود. این بیماری با کاهش حافظه و اختلال در قدرت تشخیص و دیگر نواقص شناختی در علائم رفتاری مشخص می‏گردد. تشخیص قطعی آلزایمر نیازمند نمایش خاص از تغییرات آسیب شناختی در بافت مغزی بواسطه کالبد شکافی است. در این زمینه، پیشرفت تکنیک های غیرتهاجمی برای تشخیص اولیه و دسته بندی انواع مختلف زوال عقل ارزشمند خواهد بود. آنالیز احساسات گفتار و گفتار خودبه‏خودی پتانسیل خوبی برای تشخیص تغییرات ساختار مغز انسان دارد. چرا‏که بیمار چنین تکنیکی را به عنوان یک آزمایش پراضطراب درک نمی‏کند. بعلاوه، این تکنیک‏ها خیلی کم هزینه بوده و نیازمند تجهیزات پزشکی وسیع نیستند. همچنین آن‏ها در دادن اطلاعات سریع، آسان و ارزان عمل می‏کنند. در این پایان نامه، برای تشخیص آلزایمر از آنالیز سیگنال گفتار خودبه خودی استفاده شده است. ویژگی‏های استخراج شده از گفتار عبارتند از: ویژگی های اکوستیک و غیرخطی نمایِ لیاپانوف. اما، استفاده از روش‏های پردازش سیگنال گفتار انسانی برای تشخیص آلزایمر چندین مشکل به همراه دارد. زیرا زبان گفتاری ممکن است ویژگی‏های طیفی یا زمانی گفتار انسان را یکسان به اشتراک نگذارد. بنابراین باید انتخاب بهینه از طول فریم با تخمین بهترین ویژگی‏ها یکپارچه شود. از این جهت، برای محاسبه مطمئن بهترین ویژگی، تعیین طول بهینه فریم برای قطعه از یک سیگنال گفتار مورد نیاز است. برای غلبه بر این محدویت، این پایان نامه یک الگوریتم اِزدحام ذرات برای پیدا کردن طول فریم بهینه از سیگنال گفتار مبنی‏بر تشخیص بیماری آلزایمر به منظور برآورد بهترین ویژگی‏ها برای دستیابی به حداقل میزان خطا طبقه بندی پیشنهاد داده است. طبقه بندی‏کننده اَنفیس به عنوان ارزیاب برای تابع ارزیابی الگوریتم اِزدحام ذرات استفاده شده است. طبق بررسی‏های صورت گرفته سیستم پیشنهادی دقت بالایی دارد. بعلاوه، افزودن مرحله انتخاب طول فریم بهینه گفتار توسط الگوریتم اِزدحام ذرات برای محاسبه ویژگی‏ها از نوآوری‏های این کار محسوب می‏شود.

در حال حاضر چندین روش برای اندازه گیری چربی زیرپوستی بدن در حوزه های بالینی وجود دارد ، مانند : magnetic resonance imaging(mri)، (computer tomography(ct، ultrasound imaging(us) ، dual energy x-ray absorptiometry(dexa). این روش ها بطور وسیعی در حوزه های بالینی به عنوان وسایل دقیق و مفید ، مورد استفاده قرار می گیرند. به هر حال این روش ها محدودیت های زیادی مانند هزینه بالا و یا خطر تابش اشعه را دارا می باشند. علاوه بر این ، استفاده از این روش ها برای اندازه گیری چربی زیرپوستی در طول عمل جراحی که نیازمند بررسی وضعیت چربی زیرپوستی می باشد ، مانند عمل لیپوساکشن آسان نمی باشد. بنابراین روش ارائه شده در این مقاله به عنوان یک روش غیر تهاجمی و مقرون به صرفه برای اندازه گیری ضخامت چربی زیرپوستی بدن مورد توجه قرار می گیرد. مطالعه ی حاضربر روی 100 نفر (50 زن ، 50 مرد) صورت گرفت و ضخامت چربی زیرپوستی آنهادر ناحیه خط وسط شکم(از ناحیه گزیفوئید تا پوبیس) و فلانک(از ناحیه دنده تا کرست ایلیاک) بر اساس الگوی حرارتی و استفاده از روش های کلاستربندی k-means و fcm و همچنین استفاده از recursive connected components algorithm محاسبه شد. تمام اندازه گیری های انجام شده بر روی تصاویر حرارتی ،در جهت اندازه گیری بیشترین ضخامت چربی زیرپوستی توسط روش پیشنهادی، با سونوگرافی مقایسه شد ، که نتیجه این مقایسه یکسان دانستن این اندازه گیری ها با تقریب قابل قبول(حداکثر اختلاف 2 میلیمتر) از نظر پزشک رادیولوژیست نسبت به سونوگرافی بود.

بهبود کیفیت تصاویر شبکیه چشم جهت استخراج عروق خونی و دیگر شاخص های شبکیه از جمله دیسک نوری و ماکولا برای تشخیص رتینوپاتی دیابتی .هر تصویر ورودی دارای 3 تصویر خروجی میشود و دقت و سرعت در این کار بالا رفته و همچنین شاخص های استخراج شده با بهترین شکل استخراج شده است.

در سیستم های بازیابی تصویر بر اساس محتوا، مقوله بازیابی معنایی تصویر یکی از چالشهای مهم وکنونی محسوب می شود. در این پایان نامه ، ساختاری برای یک سیستم بازیابی تصویر پیشنهاد شده است که بر مبنای تلفیق ویژگی های دیداری و معنایی، در راستای کاهش فاصله معنایی عمل می کند. یک چالش اصلی در زمینه بازیابی تصویر ایجاد یک دسته بند معنایی به منظور حاشیه نویسی تصویر است. در این پایان نامه برای حاشیه نویسی تصاویر از الگوریتم خوشه بندی نیمه نظارت شده استفاده شده است. همچنین از ترکیب ویژگی های بصری رنگ، شکل و بافت به منظور توصیف محتوای تصاویر استفاده شده است. برای تعیین دقیق تر شباهت، معیار شباهت جدید wec پیشنهاد می شود که برای اندازه گیری فاصله، بطور همزمان وزن دهی و نرمال سازی ویژگی ها را انجام می دهد. برای پیش بینی وزن ویژگی هر خوشه، از تعداد کمی نمونه برچسب گذاری شده در ابتدای خوشه بندی استفاده شده است. علی رغم این، در سیستم خوشه بندی ممکن است به دلیل وجود فاصله معنایی، برخی تصاویر بصورت غلط حاشیه نویسی شوند. لذا برای کاهش فاصله معنایی، ترکیبی از سه مرحله بازخورد ارتباط بکار گرفته می شود. آزمایشات روی پایگاه داده نشان می دهد که در روش پیشنهادی، فاصله معنایی کاهش یافته و نتایج مطلوبی برای حاشیه نویسی تصاویر ایجاد کرده است.

وظیفه اصلی یک سامانه مدیریت نبرد تلفیق داده سنسورهای مختلف می باشد. یکی از مشهورترین مدل های تلفیق داده در این سامانه (joint director of laboratories(jdl)) نام دارد. ارزیابی تهدید یکی از حیاتی ترین مراحل بخش تلفیق داده در مدل مذکور است. از پرکاربردترین روش های کلاسیک و هوشمند موجود برای ارزیابی تهدید در سیستم های تلفیق داده می توان به تئوری دمپستر- شافر و مجموعه های فازی اشاره نمود. عیب هر دو روش ناتوانی در محاسبه مقدار عدم قطعیت در اطلاعات بدست آمده از سنسورها و قابلیت اطمینان ضعیف سیستم است. در این رساله به منظور برطرف نمودن این عیوب در سیستم ارزیابی تهدید، تئوری دمپستر- شافر فازی به عنوان تلفیق دو تئوری دمپستر شافر و تئوری مجموعه های فازی را پیشنهاد کرده و صحت عملکرد آن را به همراه سنجش دقت و قابلیت اطمینان در تعیین مقدار تهدید اهداف هوایی از طریق تعیین میزان عدم قطعیت سیستم مورد بررسی قرار می دهیم. در این رساله نتایج به دست آمده از شبیه سازی مدل جدید را به صورت رتبه بندی اهداف از حیث خطرناک ترین و کم خطرترین هدف ارائه کرده ایم. همچنین به منظور مقایسه مدل جدید با مدل فازی طراحی شده، عدم قطعیت موجود در دو مدل را محاسبه و نتایج را جهت تأیید و برتری مدل پیشنهادی جدید ارائه می دهیم.

صنعت کاشی یکی از پردرآمدترین صنایع و با ارزش ترین تولیدات در ساخت و سازها می باشد. مصرف کنندگان، ویژگی های با کیفیت از قبیل نوع، استحکام و ظاهر کاشی را در نظر می گیرند؛ در این پایان نامه بررسی روش های تشخیص عیوب بر روی سطوح کاشی و سرامیک مورد توجه قرار گرفته است که این روش ها شامل نظارت مداوم بر عملیات تولید کاشی و حل مشکلات مربوطه می باشند. برای نظارت بر کیفیت تولید، تصاویر فرآیند تولید کاشی وسرامیک و فنون پردازش تصویر به کار گرفته شدند. بر روی تصاویر گرفته شده از سطوح کاشی عملیات کاهش نویز، پردازش های مقدماتی، استخراج ویژگی ها، طبقه-بندی و مقایسه با پایگاه داده مورد استفاده قرار گرفتند و در نهایت فرمان های لازم برای تشخیص عیوب بر روی سطوح کاشی و سرامیک ارایه شد. هدف از این مقاله بررسی تشخیص و جداسازی بافت های آسیب دیده از بافت های سالم توسط به کارگیری فیلتر گابور، شبکه ی عصبی اسیلاتوری و الگوریتم glcm است که می تواند کیفیت بهتر کاشی ها را در فرآیند تولید تامین کرده و نرخ تولید آن ها را نسبت به دیگر روش های تشخیص عیب به خوبی بهبود ببخشد. بررسی های انجام شده بر روی تصاویر به دست آمده از سطوح کاشی و سرامیک نشان داد که روش ارایه شده دارای مزایای متعدد است. از جمله مزایای آن، بهبود نرخ شناسایی و تشخیص عیب و کاهش نرخ خطا با استفاده از روش های کلاس بندی و استخراج ویژگی استفاده شده، سادگی و افزایش سرعت محاسبات و کاهش یافتن زمان تشخیص عیب در روش ارایه شده نسبت به روش های پیشین می باشد. مشکل الگوریتم ارایه شده عدم تشخیص و شناسایی عیب لعاب بر روی سطح کاشی و سرامیک بوده که برای حل این مشکل می توان از الگوریتم های دیگر تشخیص بافت یا دیگر روش های خوشه بندی و استخراج ویژگی استفاده کرد.

در بسیاری از شرایط پزشکی درد علامت مهمی است و به میزان قابل توجهی با کیفیت زندگی یک فرد و عملکرد کلی او در ارتباط است. پیش بینی ها نشان می دهد که به واسطه بالا رفتن نسبت بیماری ها، در سال 2020 رقم افرادی که درد همراهشان است به دو برابر این میزان افزایش یابد.

هدف این پایان نامه کمک به بیماران als و دیگران بیماران نورون ها حرکتی که موجب تخریب پیش رونده و غیرقابل ترمیم در دستگاه عصبی مرکزی، مغز، نخاع و دستگاه عصبی محیطی می شود و قادر به فرمان عضلات و ماهیچه برای کنترل اعضای بدن مانند دست و پا برای انجام امور روزمره نیستند، می باشد. این افراد به یک کانال ارتباطی که وابسته به کنترل ماهیچه ها نباشد، نیاز دارند. در واقع، این کانال ارتباطی نباید وابسته به مسیرهای خروجی معمول مغز مانند ماهیچه ها و اعصاب جانبی برای بیان خواسته های بیماران باشد. این کانال ارتباطی می تواند راه جدید برای اجرای دستورات صادر شده از مغز بدون راه های واسط ماهیچه ایی،بوجود آورد. این راه ها میتوانند ارتباط مغز با کامپیوتر (bci)، ارتباط مغز با ماشین (bmi) باشند. برای پروتزهای مصنوعی, حرکت دادن ویلچر و یا صرفًا برای انتقال نیازهای شخص به اطرافیان مورد استفاده قرار گیرد.در این پایان نامه هدف ایجاد یک کانال ارتباطی ساده و قابل حمل بین چشم و ویلچر با تحلیل وآنالیز سیگنال الکتروانسفالوگرام(eeg) می باشد. برای دریافت سیگنال eeg از هدست emotiv که دارای 14 الکترود خشک می باشد استفاده کردیم. آنالیز و کلاس بندی دیتاها در زبان برنامه نویسی پایتون بر روی کامپیوتر تک بردی مانند raspberrypi2 بخاطر سایز کوچک و سرعت آنالیز بالایش، با دقت 89% انجام شد.

چکیده ندارد.

تعمیر و نگهداری پیشگیرانه یکی از استراتژیهای اصلی برای بهبود بهره وری و کارایی سیستمهای صنعتی است. دقت کم، هزینه بالا و صرف زمان زیاد ازعمده اشکالات روشهای فعلی تعمیر و نگهداری پیشگیرانه و عیب یابی در شرکتهای برق می باشد. در این پژوهش به منظور بهبود روشهای جاری تعمیر و نگه داری در صنعت برق و برای آشکارسازی هوشمند عیوب شبکه توزیع وانتقال سیستم قدرت از فن آوری ترموویژن استفاده شده است. در این پایان نامه روشی برای عیب یابی هوشمند تجهیزات الکتریکی پستهای شبکه توزیع برق با استفاده از svm به عنوان طبقه بندی کننده و ممان زرنیک به عنوان ویژگی تصویر معرفی می گردد. تصویر برداری حرارتی جهت مشخص شدن عیب بکار رفته است. در این پایان نامه هدف ما این است که به کمک روش ممان و با استفاده از مشخصات آماری تصاویر حرارتی تجهیزات الکتریکی به تشخیص نوع عیب بپردازیم. کارایی و دقت کلاسی فایر به مرتبه ممان استفاده شده بستگی دارد، برای کاهش پیچیدگی محاسبات مربوط به استخراج ویژگی، از الگوریتم ژنتیک برای انتخاب بهینه ترین مجموعه بردار ویژگی استفاده شده است. با توجه به عیب های مرسومی که در پستهای شبکه توزیع اتفاق می افتد چهار نوع از خرابیهای عمده که در پستهای زمینی و هوایی رخ می دهد، ازقبیل خرابی بوشینگ ترانسفورماتور، فیوز، کابلشو متصل به فیوز و محل اتصال هادی به سکسیونر انتخاب گردیده است. نتایج شبیه سازی به روی پایگاه داده های کاملا کاربردی که از تصاویر واقعی در شبکه های توزیع شمالغرب تهران می باشد اعمال گردیده است.

پروتئین به عنوان محصول اصلی ژن و عامل اصلی فعل و انفعالات سلول، می تواند کلید حل معمای سرطان باشد. از آنجا که شناخت پروتئینها، به منظور درک فرآیندهای متابولیکی جاری بدن لازم بوده و بسیاری از بیماری ها خود را در سطح پروتئینی نشان میدهد، و با توجه به اینکه مطالعه ژنوم به تنهایی برای درک عملکرد پروتئین ها کافی نیست، تحقیقات پروتئومیکس طی یک دهه گذشته، به طور چشمگیری مورد توجه واقع شده است. یکی از زمینه های کاربردی پروتئومیکس، تمایز پروتئین ها در نمونه های سالم و بیمار است. یکی از روشهای متداول برای شناسایی پروتئین های موجود در یک ترکیب طیف نگاری جرمی پروتئین است. در روش طیف نگاری جرمی فراوانی نسبی پروتئین های موجود در یک ترکیب بر حسب نرخ جرم به بار این پروتئین ها رسم میشود. طیف جرمی نمونه خون افراد، حداقل 15000 نقطه داده فراهم میکند که پردازش آن را دشوار و چالش برانگیز می سازد. در این رساله 4 روش جدید برای آنالیز طیف جرمی و طبقه بندی سرطان و یک روش جدید برای بصری سازی اطلاعات طیف جرمی پروتئومیک ارائه شده است. روش اول یک چهارچوب bpso/svm برای شناسایی نشانگرهای زیستی سرطان است که در پایگاه دادگان سرطان تخمدان، منجر به انتخاب 3 ویژگی و طبقه بندی 100% گردید. این نتیجه بهترین نتیجه موجود (از نظر کاهش ویژگیها و دقت) در مقایسه با روش های پیشین است. استفاده از bpso/svm برای انتخاب ویژگی برای اولین بار در این رساله مطرح و تشریح شده است. سه روش دیگر مبتنی بر نحوه جدید نمایش اطلاعات طیف جرمی، ارائه شده اند. روش بصری سازی جدید، طیف جرمی را بصورت یک تصویر شدت نمایش میدهد. دو مورد از روشهای مبتنی بر این نوع نمایش، از آنالیز الگوی پروتئومیک بجای بررسی نشانگرها استفاده میکنند. در نخستین روش از روشهای سه گانه مذکور، طبقه بندی کننده فاصله با مرجع تصویر میانگین کلاس ها استفاده شد و نرخ طبقه بندی متوسط 96.50% را به همراه داشت. در روش بعدی، همانند سیستم های سنتی شناسایی الگو، از تبدیل موجک گسسته و نیز تبدیل کسینوسی گسسته برای استخراج ویژگی از تصاویر طیف جرمی بهره گرفتیم. که دقت شناسایی متوسط در مورد اول 99.64% و در مورد دوم 98.94% بدست آمد. سومین روش مبتنی بر تصویر طیف جرمی، از یک الگوریتم جدید شناسایی قله برای استخراج نشانگرهای زیستی و طبقه بندی کننده svm، برای ارزیای عملکرد سیستم سود می برد. این روش منجر به کاهش ویژگیهای طیفی جرمی به 340 و نرخ شناسایی 100% گردید.

انرژی های فسیلی روزی به پایان خواهند رسید و انسان ناگزیر به استفاده از انرژی های تجدیدپذیر خواهد بود. هم چنین آلودگی های زیست محیطی ناشی از سوزاندن سوخت های فسیلی نیاز انسان به جایگزین کردن انرژی های پاک را لازم می سازد . در این پایان نامه سعی شده با استفاده از اطلاعات سرعت باد در سالهای گذشته، سرعت آن در روزهای آتی توسط شبکه های عصبی پیش بینی گردد و همچنین پتانسیل انرژی باد در ایستگاه سینوپتیک زابل مورد مطالعه قرار گیرد. در انجام قسمت اول که شامل پیش بینی سرعت باد توسط شبکه های عصبی است اطلاعات 31 ساله سرعت روزانه باد مورد استفاده قرار گرفت و تاخیر زمانی٣ و ٦ماهه با معماری٣ تا 8 نورون در لایه های پنهان نتایج مطلوب تری از دیگر معماری ها ارائه داد .در بخش دوم که ارزیابی پتانسیل انرژی باد است، اطلاعات 10 ساله سرعت باد با استفاده از روشهای آماری مورد ارزیابی قرار گرفت . در ایستگاه مذکور میانگین سرعت باد به سرعت در ارتفاع 50 متری از سطح زمین تبدیل گردید. میانگین سرعت در ارتفاع 50 متری 9/22 متر در ثانیه و چگالی توان باد 1168/74 وات در متر مربع و ضریب تغییرات باد 73/64 % بدست آمده است. قدرت نظری و عملی توربین بادی با قطر پره 4 متر در ارتفاع 50 متری و بدون محاسبه باد آرام به ترتیب 5562 و 66 /۱۵٣٨ وات در متر مربع بدست آمد. در ایستگاه مذکور عملا 2391 ساعت از 2918 ساعات مورد بررسی در طول سال ، توربین های بادی مفروض در ایستگاه تولید انرژی خواهدکرد و 527 ساعت از 2918 ساعات سال،توربین ها یا در حال سکون بوده و یا در صورت چرخش تولید انرژی نخواهد کرد.