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.

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.

تومورهای مغزی یکی از مهمترین موارد مرگ و میر در انواع سرطان¬ها می¬باشند، بنابراین مطالعه تومور¬های مغزی مهم می¬باشد. تصاویر تشدید مغناطیسی در تشخیص تومورهای مغزی استفاده می¬شوند. تحلیل تومورهای مغزی توسط پزشکان صورت می¬گیرد اما پزشکان روشی برای پیدا کردن تومورهای مغزی که بتواند به صورت استاندارد مورد استفاده قرار گیرد، دراختیار ندارند. رادیولوژیست¬ها از تصاویر mr اطلاعاتی نظیر مکان تومور را بدست می¬آورند که یک راه آسان برای تشخیص تومور جهت ارائه طرحی برای جراحی و پرتودرمانی برای رفع تومور می¬باشد. روش¬های گوناگونی برای ناحیه¬بندی به منظور پیدا کردن تومور معرفی شده¬اند که هر کدام نتایج گوناگونی روی هر تصویر دارند. بنابراین نیاز به روشی برای پیدا کردن تومورها از تصاویر تشدید مغناطیسی مغزی که بتواند به صورت منحصر به فرد عمل کند، می-باشد. در این پایان نامه سه الگوریتم ناحیه بندی که نتایج رضایت بخشی روی تصاویر تومور مغزی می¬دهند ارائه شده است. روش¬های پیشنهادی شامل چندین مرحله برای تشخیص و استخراج ناحیه تومور می¬باشند. در دو روش پیشنهادی اول از آستانه گذاری به یک روش متداول و یک روش مبتنی بر الگوریتم گروه ذرات برای ناحیه بندی استفاده شده است. در روش پیشنهادی سوم، نخست حذف نویز به عنوان پیش پردازش بر روی تصاویر mrمغزی اجرا می¬گردد، ویژگی¬های بافتی از تصاویر mrبدون نویز استخراج می¬شوند. مرحله بعدی دسته بندی به کمک یک طبقه بند فازی بر اساس ویژگی¬های استخراج شده است. بعد از آن تعدادی عملگر* مورفولوژی برای رسیدن به نتایج مورد نظر اعمال شده است. این روش¬ها بر روی داده¬های گوناگونی که از مرکز mri بعثت کرمان دریافت شده¬اند آزموده شده¬اند. نتایج ما نشان داد که این روش¬ها توانایی حل مسائل مشکل ناحیه بندی، مکان¬یابی و اندازه¬گیری تومورها را دارند.

امروزه در سیستم های مخابراتی پهن باند و کاربردهایی که نیاز به تقویت کنندگی در باند وسیع با فاز خطی دارند، از روش های مداری مختلفی برای طراحی تقویت کننده ها استفاده می شود. رایج ترین آن ها، تقویت کننده های با ساختار توزیع شده می باشد. این نوع تقویت کننده ها دارای دو بخش اصلی در ساختار خود هستند، اول خطوط انتقال آن ها که باعث ایجاد یک پهنای باند وسیع می شود و دوم قطعات فعال که به منظور افزایش بهره از آن ها استفاده می شود .امروزه استفاده از فناوری cmos، به دلیل دارا بودن هزینه ی ساخت کمتر و همچنین در برگرفتن سطح تراشه کمتر، در تقویت کننده ها رواج زیادی پیدا کرده است. استفاده از خط انتقال مرکب در ساختار تقویت کننده های توزیع شده، قابلیت استفاده از بهره ی مستقیم و بهره ی معکوس تقویت کننده را به طور همزمان به دست می دهد.در این پایان¬نامه، اولین تقویت کننده طراحی شده¬ی پیشنهادی، یک تقویت کننده¬ی دو بانده با استفاده از خط انتقال مرکب crlh می باشد. در این طراحی، با استفاده از سری کردن یک تقویت کننده توزیع شده متداول با تقویت کننده ی دوبانده بهره ی تقویت کننده به طور چشمگیری افزایش یافته است. در طراحی دوم با استفاده از کسکید ترانزیستورها به عنوان سلول بهره تقویت کننده دو بانده، بهره ی مدار افزایش بیشتری داشته و همچنین با استفاده از این ساختار عدد نویز مدار نسبت به طراحی قبل کاهش یافته است. اما در طراحی سوم، از خط انتقال dcrlh در ساختار تقویت کننده استفاده شده است که عملکرد جدیدی به دست می دهد و باندهای فرکانسی متفاوتی ایجاد می کند. در این طراحی نیز برای افزایش بهره از ساختار کسکید سه طبقه استفاده شده است و همچنین به منظور افزایش پهنای باند در باندهای فرکانسی مستقیم و معکوس از سلف lm و خازن cm استفاده شده است. ویژگی مهم این تقویت کننده، دارا بودن بهره ی بالا و در عین حال توان مصرفی پایین می باشد. همه ی شبیه سازی¬های مدارات فرکانس بالا، با استفاده از نرم افزار ads و توسط مدل ترانزیستورهای bsim3 و tsmc_cm018rf انجام می شود. به منظور افزایش دقت در محاسبات، یک مدل ساده برای رفتار این ترانزیستورها پیشنهاد شده است. همچنین برای افزایش دقت مدل پیشنهادی، پارامترهای آن با استفاده از الگوریتم بهینه سازی جستجوی گرانشی، بهینه شده¬اند.

تقاضای رو به رشد برای افزایش حجم و سرعت تبادل اطلاعات از چالش¬های اساسی است که همواره گریبان¬گیر طراحان سیستم¬های ارتباطی مدرن بوده است. در پاسخ به این مهم طراحان مجبور به ترقی دادن هر چه بیشتر سرعت انتقال اطلاعات¬اند. افزایش نرخ تبادل داده طراحان سیستم¬های ارتباطی را وادار به، تامین پهنای باند هر چه وسیع¬تر ضمن حفظ مشخصات مهم طراحی از قبیل هزینه، فضای پرتی، توان مصرفی و ... می¬کند. یک روش جذاب در طراحی نیازهای بهره - پهنای باند وسیع، مدارات مجتمع توزیع شده است. به طور ساده، روش توزیع شده رویکردی ست که به موجب آن چندین سیگنال موازی به نحوی با هم جمع می¬شوند که ضمن به دست دادن بهره¬ی مناسب پهنای باند وسیعی نیز فراهم می¬آورد. بنابراین تمرکز این پایان نامه بر طراحی تقویت¬کننده¬ها¬ی توزیع شده در فناوری cmos است. این پایان نامه در هفت فصل به ترتیب زیر تنظیم شده است: فصل اول به ضرورت به کارگیری مدارات فرکانس بالا و معرفی مفهوم مدارات توزیع شده می¬پردازد. فصل دوم کلیات و مفاهیم ضروری در طراحی مدارات فرکانس بالا را بحث می¬کند. فصل سوم ساختار تقویت¬کننده-ی توزیع شده، تحلیل تئوری عملکرد بهره¬ی توان و نیز تحلیل نویز این بلوک را بحث می¬کند. فصل چهارم به مروری بر ساختارهای متداول و نیز کارهای انجام شده در زمینه تقویت¬کننده¬ی توزیع شده و تقویت¬کننده¬ی توزیع شده بهره¬ متغیر می¬پردازد. نوآوری¬های ارائه شده در این پایان نامه¬ی به دو فصل تقسیم می¬شود: فصل پنجم شامل معرفی سه تقویت¬کننده¬ی توزیع شده نوین با بهره¬ی متغیر است و فصل ششم نیز شامل سه تقویت¬کننده¬ی توزیع شده جدید در راستای بهبود هر چه بیشتر پارامترهای این بلوک می¬باشد. طرح¬های پیشنهادی فصل پنجم به ترتیب زیر است: اولین طرح پیشنهادی، تقویت¬کننده¬ی توزیع شده جدیدی بر مبنای ترکیبی از یک تقویت¬کننده¬ی توزیع شده¬ی با سلول بهره¬ی آبشاری تنظیم شده است، که سیگنال خروجی آن توسط یک تقویت¬کننده¬ی سورس مشترک ترقی داده می¬شود. طرح پیشنهادی دوم یک تقویت¬کننده¬ی بهره متغیر فراپهن باند بر مبنای سلول بهره¬ی آبشاری فعال تفاضلی و افزاینده¬ی القایی ست. طرح پیشنهادی سوم بر مبنای اتصال متوالی دو طبقه شامل یک طبقه تقویت¬کننده¬ی توزیع شده به منظور دستیابی به بهره متغیر و یک تقویت¬کننده¬ی توزیع شده¬ی تک طبقه به منظور تقویت قابل توجه بهره است. همچنین طرح¬های پیشنهادی فصل ششم پایان نامه به ترتیب زیر است: طرح پیشنهادی اول، تقویت¬کننده¬ی توزیع شده¬ی فراپهن باند با توان مصرفی کم و بهره بالاست. عملکرد مذکور در ازای پیشنهاد سلول بهره¬ی متوالی به صورت القایی متصل شده از یک طبقه تقویت¬کننده¬ی سورس مشترک و یک طبقه آبشاری تنظیم شده به دست آمد. طرح پیشنهادی دوم، یک تقویت¬کننده¬ی توزیع شده¬ی فراپهن باند، نویز پایین، با بهره¬ی به نسبت بالاست. عملکرد مذکور در ازای اصلاح سلول بهره¬ی آبشاری تنظیم شده به دست آمده است. طرح پیشنهادی سوم، بهبود یافته¬ی طرح پیشنهادی دوم، به لحاظ عملکرد بهره، و پهنای باند بالاست. فصل هفتم به نتیجه¬گیری از پایان¬نامه می¬پردازد. منابع مورد استفاده هم¬چنین پیوست¬ها نیز در انتهای پایان نامه آورده شده¬اند.

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.

یکی از بلوک های چالش برانگیز گیرنده های رادیویی تقویت کننده کم نویز است. مهم ترین وظیفه این بلوک فراهم کردن بهره کافی باحداقل نویز ممکن است. درمصالحه بودن پارامترهای مهم طراحی، روابط پیچیده و اثرات غیر خطی المان های مدارطراحی تقویت کننده کم نویز راپیچیده می کند. لذا برای برآوردن اهداف طراحی، نخست انتخاب مناسب توپولوژی مدار و در درجه دوم بهینه سازی المان های آن بسیار اهمیت دارد. ‎در این پایان نامه بر هر دو گام ذکر شده در طراحی پرداخته می شود. ابتدا روش های رایج در طراحی تقویت کننده های کم نویز مرور می شود. سپس برای تسهیل و تسریع بهینه سازی المان های مدار، ابزارهای کامپیوتری معرفی می شود. در ادامه دو ساختار جدید در کاربرد های فراپهن باند پیشنهاد می شود. همچنین الگوریتمcgsa پیشنهاد می شود که با استفاده از ابزارهای کامپیوتری برای بهینه سازی تقویت کننده کم نویز به کار گرفته می شود.

تا کنون روش های زیادی برای خوشه بندی تومور و پیدا کردن لبه های آن در بخش های مختلف بدن و از جمله تومور ریه ارائه شده است. هر کدام از این روش ها دارای معایب و مزایایی می باشند. یکی از این روش ها که دقت و سرعت مناسبی دارد روش رشد ناحیه است که در این پروژه ما بر روی آن تمرکز کرده ایم. پایه الگوریتم جدیدی که برای خوشه بندی تومور ریه ارائه شده است بر اساس همین روش می باشد اما چندین مورد اساسی برای بهبود آن ارائه شده است که صحت و دقت نتیجه نهایی را به شکل مطلوبی افزایش می دهد. نتیجه نهایی تحت عنوان الگوریتم بهبودیافته رشد ناحیه ارائه شده است. الگوریتم پیشنهادی بر روی تصاویر ct ده بیمار اعمال شده است و نتایج حاصل از مراحل مختلف آن بر روی بهبود خوشه بندی مورد بررسی قرار گرفته اند.

در این پایان نامه برای هر یک از مراحل سامانه برآورد جریان ترافیک، روش موثری ارائه شده است. روش پیشنهادی شامل سه قسمت می باشد. الف) تشخیص پیش زمینه از پس زمینه با استفاده از روش گوسی، ب) جداسازی وسیله نقلیه از سایر اشیاء تصویر با استفاده از شبکه عصبی و ج) دنبال کردن خودرو با استفاده از جستجوی درشت به ریز. در قسمت اول، با استفاده از روش گوسی یک مدل برای پس زمینه و جداسازی اشیاء متحرک ارائه می شود. سپس شبکه عصبی مصنوعی آموزش داده شده با الگوریتم پیش خور و بر اساس بردار ویژگی های اشیاء برای تشخیص خودرو به کار گرفته می شود. پس از آن، وسیله نقلیه پس از تشخیص توسط شبکه، با استفاده از جستجوی درشت به ریز تا خارج شدن از تصویر ردیابی می شود.

چکیده ندارد.