. هدف در این پروژه دست یابی به یک فضای ویژگی بهینه جهت تفکیک فعالیت های ذهنی می باشد. یکی از راهکارهایی که برای طراحی چنین فضای ویژگی مفید به نظر می رسد، استفاده از الگوریتم تجزیه به مدهای تجربی (emprical mode decomposition) است. این الگوریتم به دلیل تطابق خصوصیات غیرخطی و غیرایستان آن با ماهیت سیگنال های eeg و سوابق روشن آن در سیگنال های حیاتی ایده مناسبی برای تدوین فضای ویژگی مذکور به شمار می رود. فضای ویژگی مورد نظر با استفاده از تعریف چند نوع از ویژگی های آماری و طیفی بر روی خروجی تبدیل emd طراحی شده است.

فعالیت های شناختی بخشی از فعالیت های مغزی است که در طی کارهایی مانند تشخیص و شناسایی ورودی های حسی، تمرکز و ... بروز می کند. یکی از روش های پرکاربرد در مطالعات مربوط به این فعالیت ها، ثبت پیوسته پتانسیل های الکتریکی مغز (الکتروانسفالوگرافی eeg) است. پتانسیل های وابسته به رخداد (erp)، نوعی از سیگنال eeg است که درشرایط اعمال تحریک به شخص و یا وقوع یک رخداد ظهور می کند. در اکثر مطالعات p300 به عنوان برجسته ترین مولفه شناختی در سیگنالهای مغزی معرفی شده است. با توجه به ارتباط تنگاتنگی که بین بروز این مولفه و فعالیت شناختی مغز وجود دارد، در بسیاری از تحقیقاتی که به نحوی با جنبه شناختی فعالیت مغز سر و کار دارند، مانند سیستم های واسط مغز و رایانه و دروغ سنجی، از این مولفه استفاده شده است. در این پایان نامه هدف، توسعه روش های بازشناسی آماری الگو در تشخیص مولفه p300 است. برای این منظور پس از مطالعات اولیه بر روی مبانی فیزیولوژیکی بروز p300، کارهای قبلی در این حوزه مورد مطالعه قرار گرفت تا زمینه برای معرفی سیستم پیشنهادیِ آشکارساز مولفه p300 فراهم گردد. این سیستم از چهار بلوک اصلی پیش پردازش، استخراج ویژگی، انتخاب ویژگی و طبقه بندی کننده تشکیل شده است که برای هر بلوک روش های مختلفی پیشنهاد و کارایی آنها ارزیابی شد تا روش های بهینه انتخاب گردند. در همین راستا در مرحله استخراج ویژگی شش دسته ویژگی شامل قطعه بندی، ضرایب موجک، الگوهای مکانی مشترک، ویژگی های شکلی- زمانی، ویژگی های فرکانسی و دسته ویژگی ترکیبیِ الگوهای مکانی مشترک و قطعه بندی، تعریف شدند که برخی از این ویژگی ها (مانند ویژگی های قطعه بندی، الگوهای مکانی مشترک و ترکیبی) تا کنون یا مستقیماً برای آشکارسازی p300 به کار نرفته بودند یا در موارد بسیار معدودی از آنها استفاده شده بود. سپس با معیارهای مختلفی ویژگی ها به صورت تک تک و گروهی مورد ارزیابی قرار گرفتند و نهایتاً ترکیبی بهینه از مجموع این ویژگیها به طبقه بندی کنند تحلیل تفکیک خطی گام به گام داده شد. به این ترتیب صحت سیستم حاصل 05/97% شد که در قیاس با نتایج مطالعات قبلی در این حوزه، نتیجه برتری است.

بازشناسی چهره در سال های اخیر به دلیل کاربردهای زیادی که در زمینه های مختلف مانند تشخیص هویت، کنترل دسترسی و ... داشته است به یکی از زمینه های تحقیقاتی گسترده تبدیل شده است. امروزه در سیستم های بازشناسی الگو به طور عام و سیستم های بازشناسی چهره به طور خاص برای دستیابی به نتایج بهتر، ضمن استفاده از چند طبقه بندی کننده متفاوت، نتایج به دست آمده از این طبقه بندی کننده ها به طور مناسب ادغام می شوند. یافتن ترکیب بهینه طبقه بندی کننده ها، به نوبه خود مسئله پیچیده ایست. از طرفی لازم است طبقه بندی کننده هایی که به صورت تکی عملکرد بهتری دارند، سهم بیشتری در تصمیم گیری داشته باشند و از طرف دیگر بایستی بین طبقه بندی کننده هایی که سهم بیشتری در تصمیم گیری دارند، حداقل همبستگی وجود داشته باشد. در این پژوهش ادغام طبقه بندی کننده ها به روش های آموزشی و غیرآموزشی انجام شده است که روش غیرآموزشی به کار رفته در این پژوهش متوسط گیری ساده و روش های آموزشی شامل متوسط گیری وزن دار و ماشین بردار پشتیبان بوده است. ملاحظه گردید روش های آموزشی نسبت به روش متوسط گیری ساده نتایج مطلوب تری دارد. از آنجاکه گزینه های ممکن برای انتخاب طبقه بندی کننده ها و پارامترهای سیستم فضای جستجوی گسترده ای را ایجاد می کند برای انتخاب ترکیب بهینه طبقه بندی کننده ها از الگوریتم ژنتیک استفاده نموده ایم. در روش متوسط گیری وزن دار، وزن های مناسب طبقه بندی کننده ها، توسط الگوریتم ژنتیک تعیین گردید. همچنین با بکارگیری ماشین بردار پشتیبان جهت ادغام طبقه بندی کننده ها از الگوریتم ژنتیک جهت انتخاب ترکیب بهینه طبقه بندی کننده ها که به ازای آن کمترین خطای ارزیابی حاصل می-شود، استفاده شده است. ملاحظه گردید که با به کار بردن الگوریتم ژنتیک برای انتخاب طبقه-بندی کننده ها بهبود چشمگیری در نتایج حاصل می شود

در مهندسی زمین شناسی بدست آوردن خصوصیات گسستگی ها اهمیت بسزایی دارد. عدم دسترسی آسان و مناسب به دامنه های سنگی مهمترین مشکل در دست یابی و ارزیابی خصوصیات زمین شناسی دامنه های سنگی است. در برخی موارد، قسمت بزرگی از رخنمون سنگ دور از دسترس بوده و برداشت آن خطرناک است. بنابراین دستیابی به روشی سریع و ایمن جهت بدست آوردن پارامترهای هندسی ناپیوستگی ها ضرورت دارد. پردازش تصاویر دیجیتالی ابزاری دقیق، کامل و سریع جهت اتوماتیک کردن روش های دستی است. در این تحقیق، با استفاده از تصاویر دیجیتالی بدست آمده از رخنمون توده سنگ روشی خودکار برای شناسایی و تعیین خصوصیات ناپیوستگی ها ارائه می شود. در روش پیشنهادی، ابتدا با استفاده از فرآیند یکنواخت سازی هیستوگرام و اعمال فیلترهای هموارسازی به تصویر، شدت روشنایی تصویر اصلاح شده و اثر شکاف های ریز موجود برطرف می شود. سپس با اعمال آشکار ساز کنی، لبه های موجود آشکار شده و با استفاده از روش ماکزیمم سازی تابع هدف، جهت لبه ها نیز آشکارسازی می شود. پس از آن با بکارگیری روشی نوین ضمن ترکیب اطلاعات حاصل از موقعیت و جهت لبه ها خطوط موجود در تصویر شناسایی شده و محل درزه ها تعیین می شود. پس از آن با درنظر گرفتن خصوصیت زاویه درزه ها، درزه ها با استفاده از روش خوشه بندی کاهشی و خوشه بندی فازی دسته بندی می شوند و سپس فاصله داری و طول درزه ها در هر دسته درزه محاسبه می شود. با توجه به تعداد دسته درزه ها و فاصله داری میانگین شاخص مقاومت زمین شناسی بدست می آید، همچنین با در نظر گرفتن مسیر حفاری می توان شاخص کیفیت سنگ را محاسبه نمود. در نهایت با استفاده از تابع توزیع فیشر و بکارگیری الگوریتم بهینه سازی ژنتیک برای هر دسته درزه شناسایی شده جهت داری میانگین و ثابت فیشر که بیانگر میزان پراکندگی جهت داری حول میانگین آن است بدست می آید.

ادغام تصویر یک فرآیند تجمیع اطلاعات تصویری با استفاده از چندین تصویر مرجع است که تصویر حاصله قابلیت تفسیری بیشتری دارد . بر این اساس ، ادغام تصویر به طور وسیعی در پردازش تصاویر پزشکی ونقشه برداری های زمین با ماهواره استفاده می شود . هدف از این پروژه ، مقایسه روشهای مختلف ادغام تصاویر و در صورت امکان ارائه روشی نوین مبتنی بر نمونه برداری فشرده ( cs ) در ادغام داده های تصویری است .

در مناطقی که آلودگی و رطوبت هوا زیاد است شرکت های برق منطقه ای و توزیع عموماً با مشکل قطع ناخواسته فیدر توسط رله ها به علت فلاش زدن جریان (flashover) از روی سطح مقره مواجه هستند. این قطع فیدر باعث کاهش قابلیت اطمینان شبکه و افزایش میزان انرژی توزیع نشده می گردد. مشکل از آنجا ناشی می شود که آلودگی هوا که بر روی سطح مقره قرار گرفته اند با رطوبت موجود در هوا ترکیب شده و با کاهش مقاومت الکتریکی مقره، مسیری برای هدایت جریان برقرار می سازد و نهایتاً اتصال کوتاه رخ می دهد. برای رفع این مشکل مقره ها با فواصل زمانی مناسب شسته می شوند. شستشو معمولاً با آب مقطر و در حالت خطوط گرم با هزینه های زیاد انجام می شود. از آنجا که زمان شستشو معمولاً صورت تجربی تعیین می گردد، چنانچه به دلیل شرایط جوی و محیطی آلودگی مقره ها قبل از زمان شستشوی تجربی افزایش یابد این امر باعث وقوع اتصال کوتاه و قطع فیدر خواهد شد و چنانچه مقره ها، قبل از زمان مناسب شستشو شوند، تعداد دفعات شستشو زیاد خواهد شد و این امر باعث افزایش هزینه خواهد شد. لذا تعیین زمان شستشوی مقره ها اهمیت می یابد. به همین منظور در این پایان نامه هدف تعیین شاخص میزان آلودگی مقره های فیدر می باشد. از آنجا که جرقه های ناشی از جریان نشتی مقره ها دارای فرکانس بالا می باشند، به منظور دست یابی به شاخص مناسب، نیاز به ثبت اطلاعات جریان فیدر می باشد. به منظور ثبت اطلاعات جریان، یک فیدر نمونه kv20 که علاوه بر آلودگی محیطی دارای آلودگی هارمونیکی ناشی از بارهای صنعتی هم می باشد انتخاب گردید. با استفاده از دستگاه ثباتqualistarplus c.a 8335، با فرکانس نمونه برداری khz 6، طی 8 ماه اقدام به ثبت اطلاعات جریان سه فاز در ابتدای فیدر شد. به منظور استخراج و انتخاب ویژگی های مناسب از تبدیل موجک پاکت، (pwt)، و روش آنالیز مولفه های اصلی (pca) استفاده گردید و در نهایت شاخص مرتبط با میزان آلودگی مقره های فیدر تعیین شد. نتایج بدست آمده دقّت بالای شاخص بدست آمده را برای تعیین میزان آلودگی مقره های فیدر نشان می دهند.

در سال های اخیر، واسط مغز – رایانه (bci)، به عنوان وسیله ای جدید برای ارتباط بین مغز انسان و محیط اطرافش مورد توجه قرار گرفته است. به منظور راه اندازی چنین سیستمی، همکاری چند بلوک از جمله بلوک های ثبت، پردازش سیگنال و رابط کاربری مورد نیاز است. بلوک پردازش سیگنال شامل بلوک های پیش پردازش و شناسایی الگو است و بلوک شناسایی الگو شامل دو مرحله استخراج ویژگی و طبقه بندی می باشد. در این پروژه روش های مبتنی بر نمایش تنک در بلوک طبقه بندی مورد بررسی قرار گرفته است. طبقه بندی مبتنی بر نمایش تنک (src)، شامل دو مرحله اساسی طراحی ماتریس دیکشنری و یافتن پاسخ تنک داده ورودی می باشد. در این پژوهش برای طراحی ماتریس دیکشنری که از مرحله استخراج ویژگی بدست می آید، از الگوریتم الگوهای مکانی مشترک (csp) استفاده شده است و معایب این الگوریتم، حساسیت به نویز و مسئله فرایادگیری می باشد. در این مطالعه، برای رفع معایب csp، از الگوریتم های الگوهای مکانی مشترک تنظیم شده (rcsp) استفاده شده است. در مطالعات قبلی برای یافتن پاسخ تنک از الگوریتم استاندارد bp استفاده شده، که از معایب این الگوریتم پیچیدگی محاسباتی و زمان بر بودن آن می باشد. برای رفع معایب این روش، در این پروژه، الگوریتم جدیدی با نام نرم صفر هموار شده (sl0)، استفاده شده است. نتایج حاصله نشان می دهد، الگوریتم های rcsp در مواردی که داده های آموزشی کمی موجود بوده است توانسته اند معایب csp را به خوبی برطرف کنند و به طور میانگین با استفاده از این روش ها 7/78% بهبود نسبت به csp حاصل شد. هم چنین استفاده از sl0 به جای bp، علیرغم کاهش قابل ملاحظه زمان پردازش، در صحت تشخیص معادل با الگوریتم bp عمل کرده است.

هنگام انتقال سیگنال های ویدئوئی از طریق کانال های مستعد خطا، داده های ویدئو در معرض خطاهای کانال قرار گرفته و قسمت هایی از تصویر یا تعدادی از بلاک های حاوی اطلاعات تصویر، تخریب می شوند. این تخریب باعث می شود که کیفیت آن در حد نامطلوبی قرار گیرد. در این هنگام انجام اقداماتی برای اصلاح و بهینه کردن تصاویر دریافتی، مد نظر قرار می گیرد. در حال حاضر روش های گوناگونی برای اختفای تخریب ایجاد شده بر روی تصاویر دریافتی از کانال های مستعد خطا وجود دارد. یکی از روش ها ی موجود، روش اختفای خطا در حوزه ی مکان می باشد. یکی از وظایف مهم در عصر حاضر و در بسیاری از برنامه های کاربردی ویدئویی، تخمین نمونه اطلاعات ناپدید شده از نمونه های مفید و موثر شناخته شده در اطراف بلاک خراب می باشد. تا کنون روش های متعددی برای حل مسئله اختفای خطای مکانی پیشنهاد گردیده است که هر کدام از روش ها، شرایط خاصی را برای حل مسئله فوق ارائه کرده اند. مهمترین موارد مطرح شده فرض های آماری است، که به ارتباط آماری بین پیکسل های تصویر اشاره می کنند و از آن ارتباط و همبستگی برای اصلاح تصاویر آسیب دیده استفاده می کنند. در این پروژه تحقیقاتی با در نظر گرفتن موقعیت پیکسل گم شده، فرآیند بازسازی انجام می گیرد. انتخاب پیکسل های مرجع به گونه ای است که در شدت روشنایی و امتداد خط لبه همبستگی داشته باشند. روش پیشنهاد شده قادر است که کارآیی اختفای خطا را تا حدی در حوزه مکان ارتقاء بخشد. نتایج شیبه سازی حاکی از آن است که روش های پیشنهادی کیفیت ویدئوی دریافتی را از لحاظ کیفیت عینی و ذهنی بهبود می بخشند، به طوریکه میانگین حداکثر نسبت سیگنال به نویز (psnr) تصاویر مورد آزمایش برای روش اول حدود db5 نسبت به روش های مرجع و روش دوم نسبت به روش اول حدود db3/1 افزایش می یابد

امروزه سیستم¬های بازشناسی چهره نقش مهمی در سامانه های امنیتی و کاربردهای اجرای قانون دارند. در سیستم¬های تایید چهره، رزولوشن تصویر یکی از فاکتورهایی است که بر روی فرآیند بازشناسی چهره تاثیر مهمی دارد. تصاویر چهره رزولوشن پایین، کارآیی این سیستم ها را کاهش می دهد. در این پژوهش بهبود فرآیند استخراج ویژگی از تصاویر رزولوشن پایین مورد توجه قرار گرفته است. برای این منظور دو روش مختلف ارائه شده است. در روش اول، از الگوریتم تجزیه و تحلیل همبستگی متعارف (cca) استفاده می نماییم. بدین ترتیب که در مرحله ی آموزش سیستم با استفاده از ویژگی های تصاویر رزولوشن بالا و تصاویر رزولوشن پایین، نگاشت بین این ویژگی ها را محاسبه نموده و سپس در مرحله آزمایش سیستم، ویژگی های رزولوشن بالای متناظر با ویژگی های رزولوشن پایین را بدست آورده و در سیستم تایید چهره برای بازشناسی استفاده می کنیم. نتایج آزمایش های انجام شده موید آن است که این روش باعث افزایش دقت سیستم می شود. در روش دوم از روش بازسازی سوپر رزولوشن تک تصویر با استفاده از نمایش تنک داده¬ها به¬عنوان یک مرحله¬ی پیش¬پردازش بر روی تصاویر رزولوشن پایین چهره بهره می¬گیریم. استفاده از تصاویر رزولوشن بالای بازسازی شده در سیستم¬های تایید هویت باعث بهبود عملکرد این سیستم¬ها می¬شود. با توجه به آزمایش¬های انجام شده مشاهده می¬شود که روش بازسازی تصاویر بوسیله¬ی نمایش تنک نسبت به روش بازسازی ویژگی¬ها با استفاده از تجزیه وتحلیل همبستگی متعارف منجر به خطای کمتری می-شود اما روش بازسازی با تجزیه وتحلیل همبستگی متعارف از نظر سرعت و سادگی نسبت به روش بازسازی تصاویر بوسیله¬ی نمایش تنک اولویت دارد.

هدف این پروژه پیاده سازی عملی شبکه های عصبی جهت شناسایی و کنترل بوده است تا نقاط قوت و ضعف این روش از نظر عملی بررسی گردد. بر این اساس یک دستگاه آزمایشگاهی و تجهیزات لازم جهت اتصال آن به رایانه تهدید شد. دستگاه مورد نظر شامل یک دهنده هوا و گرمکن برقی بوده و هدف کنترل دمای خروجی از دستگاه بوسیله شبکه های عصبی است. از آنجا که شبکه های عصبی با دیدگاه جعبه سیاه به شناسایی فرآیند می پردازند، هر تجهیز فرآیندی می تواند جانشین این دستگاه شده و در کلیات شناسایی و کنترل آن تفاوتی ایجاد نمی نماید. بر این اساس، ابتدا دستگاه مورد نظر مدلسازی شد تا متغییرهای دخیل در فرآیند مشخص شوند. بعد از تعیین متغیره داده برداری انجام گرفت. از داده ها جهت آموزش شبکه عصبی استفاده و رفتار فرآیند توسط شبکه شناسایی شد. در گام بعد بوسیله مدل بدست آمده از دستگاه دو نوع کنترل کننده عصبی (معکوس مستقیم و مدل مرجع) طراحی و از آن ها جهت کنترل دستگاه استفاده شد.همچنین برای مقایسه، کنترل کننده pid نیز جهت کنترل دستگاه به کار رفت. روش های کنترلی مورد نظر با میانگین خطای متوسطی در حدود 0.5 درجه، دمای خروجی دستگاه را کنترل نمودند که با توجه به منابع خطای موجود، اختلاف حاصله مقداری قابل قبول می باشد.

در این تحقیق شبیه سازی و بهینه سازی راکتور صنعتی هیدروژناسیون استیلن مورد بررسی قرار گرفته است. تاکنون مدل های سینتیکی مختلفی برای فرآیند هیدروژناسیون استیلن پیشنهاد شده است اما به علت پیچیدگی واکنش های هیدروژناسیون استیلن، هیچ یک از سینیتیک های پیشنهاد شده توسط محققین مختلف نمی تواند سینتیک کاملا دقیق فرآیند تلقی شود. یکی از روش های قابل اعتماد در تعیین سینتیک فرآیند، انجام شبیه سازی فرآیند و سپس حداقل کردن اختلاف داده های واقعی با نتایج شبیه سازی به کمک روش های بهینه سازی برای بازه ای معین از شرایط عملیاتی می باشد. در این تحقیق ابتدا پنج مدل سینتیکی قانون توانی، گودینز، لانگ مایر، باس و منشچیکف انتخاب شده و سپس راکتور هیدروژناسیون استیلن در نرم افزار hysys شبیه سازی شده است. از طریق اتصال نرم افزار hysys و matlab، بهینه سازی پارامترهای سینتیکی مدل با الگوریتم ژنتیک در matlab به صورت همزمان به گونه ای انجام شده تا حد اقل خطا بدست آید.تخمین پارامترهای سینتیکی واکنش هیدروژناسیون استیلم بر روی کاتالیست صنعتی مورد بررسی قرار گرفته و بهترین پارامترهای سینتیکی برای این واکنش در شرایط عملیاتی صنعتی یک پتروشیمی نمونه برای بازه یک ساله بدست آمده است. باتوجه به وجود نقاط محلی زیاد در فضای حل مساله و غیر خطی بودن تابع هدف، الگوریتم ژنتیک برای بهینه سازی پارامترهای سینتیکی واکنش، به کار گرفته شده است. هم چنین تاثیر پارامترهای موثر بر بازده الگوریتم ژنتیک برای این مساله، بررسی شده و بهترین پارامترهای اجرای الگوریتم ژنتیک در حل چنین مسائلی تعیین گردیدند.

در این پایان نامه، مدل سازی دانه کاتالیست در سنتز فیشر تروپش (fts)، که قلب فرآیند تبدیل گاز به مایع (gtl) می باشد، اگر چه تحقیقات بسیاری در زمینه گسترش راکتورهای بستر ثابت بر پایه تکنولوژی فیشر-تروپش صورت پذیرفته است. اطلاعات درباره توصیف واکنش پذیری و گزینش پذیری در قسمت دانه ناکافی و یا حتی کمیاب می باشد. این اطلاعات به علت پیچیدگی ذاتی سیستم fts اهمیت حیاتی برای مقیاس رآکتور و توسعه کاتالیست دارند. به علت نفوذ مواد به درون دانه های کاتالیستی متخلخل و به علت انجام واکنش ها در قسمت های فعال کاتالیست، گرادیان و مقاومت های بالای جرم و دما بوجود می آیند. در اثر این گرادیان های غلظت و دما واکنش ها در سرعت های مختلفی، بسته به وضعیت مکان ماده فعال کاتالیست در طول پایه متخلخل، اتفاق می افتند. آز آن جا کاه ماده کاتالیستی اغلب گرانترین جزء ساختار کاتالیست پایه دار است، چگونگی و انواع توزیع آن در طول پایه و اثر آن در مدل سازی دانه به منظور یافتن عملکرد بهینه کاتالیست، در این تحقیق مورد مطالعه قرار گرفته است. تابع توزیع غیر یکنواخت ماده فعال به شکل پیوسته و یا پله ای است که در هر دو حالت ماده فعال، نزدیک به سطح دانه، یا در میانه دانه و یا نزدیک به مرکز دانه می تواند قرار گیرد. در نهایت، با انجام یک آنالیز حساسیت، اثر پارامترهای مختلف مانند دما و فشار توده سیال، نسبت h2 به co، اندازه و شکل دانه، و انواع مختلف توزیع فعالیت بر روی بهره بنزین تولید شده، مشخص گردید که با انتخاب تابع توزیع فعالیت به شکل لایه ای در مرکز دانه، بیشترین مقدار بهره بنزین تولیدی بر حسب مشخصات فیزیکی دانه کاتالیست، پارامترهای مهم عملیاتی اشاره شده در بالا و انواع توزیع غیر یکنواخت ماده فعال، ابتدا طراحی آزمایش برای 500 ترکیب مختلف از عوامل موثر فوق الذکر انجام شد. به وسیله جعبه ابزار mbc (calibration model-based) در نرم افزار matlab انواع مختلف مدل ها جهت به وجود آوردن یک رابطه بین بهره بنزین و تمام عوامل موثر بر روی آن برازش شدند.سپس انتخاب بهترین مدل به وسیله مقایسه چندین معیار مختلف آماری صورت گرفت و طبق نتایج حاصه،بهترین مدل یک شبکه عصبی با 15 گره در دو لایه پنهان تعیین شد. در آخر با تعریف یک مسئله بهینه سازی برای مدل کلی به دست آمده، با به کاربردن دو الگوریتم استاندارد sqp و gps، حد اکثر مقدار بهره بنزین، در شرایطی مشابه برای هر دو الگوریتم، 24/4% پیش بینی شد.

هدف از این پایان نامه شمارش تعدادسلول های موجود در تصاویر میکروسکوپی بافت کبد موش می باشد. برای رسیدن به این هدف پردازش تصاویر در چهار مرحله ی متمایز یعنی پیش پردازش،ناحیه بندی، پس پردازش و جداسازی هسته ای به هم چسبیده انجام شده است.

حرکت دوربین در دنباله های ویدئو، معمولاً شامل حرکت های مطلوب و غیر مطلوب می باشد. حرکت های نامطلوب سبب کاهش کیفیت ویدئو می شود. پایدارسازی ویدئو، فرآیندی است که به منظور حذف حرکت های ناخواسته از دنباله های ویدئو انجام می شود. روش های پایدارسازی ویدئو، به دو گروه مکانیکی و الکتریکی تقسیم می شود. با توجه به این که پیاده سازی روش های مکانیکی بسیار هزینه بر می باشد، معمولا از روش های الکتریکی به جای آن استفاده می شود. به طور کلی، روش های الکتریکی، شامل سه مرحله می شوند. تخمین بردار حرکت، تخمین حرکت عمدی و جبران سازی حرکت های ناخواسته. در این پژوهش، از پایدارسازی ویدئوی مبتنی بر ویژگی استفاده شده است. به این صورت که ابتدا نقاط ویژگی توسط الگوریتم sift استخراج می شوند و نقاط متناظر آن ها در فریم بعدی محاسبه می شوند. استفاده از نقاطی که مستقل از حرکت دوربین جابه جا می شوند، سبب خطا در تخمین بردار حرکت می شود. برای حذف این نقاط، از دسته بندی فازی استفاده می شود. به این صورت که با استفاده از الگوریتم em، دوران های ویژگی دسته بندی می شوند. به هرکدام از این دوران ها، یک مقدار عضویت نسبت به هر گروه اختصاص داده می شود. سپس یکی از گروه ها به عنوان بهترین گروه انتخاب می شود. نقاطی که مقدار عضویت شان به بهترین گروه، از یک حد آستانه بیشتر باشد، انتخاب و از سایر نقاط صرف نظر می شود. دوران روی نقاط باقیمانده اعمال می شود و مقدار انتقال نقاط بعد از اعمال دوران محاسبه می شود. مشابه قبل کار دسته بندی، این بار روی انتقال ها انجام می شود و تعداد بیشتری از نقاط حذف می شوند. با استفاده از مجموعه ی نهایی نقاط، بردار حرکت بین فریمی تخمین زده می شود. از آنجایی که تنها حرکت های ناخواسته باید جبران سازی شوند، در مرحله ی بعد، حرکت عمدی و غیر عمدی از هم جدا می شوند. با استفاده از فیلتر کالمن، حرکت عمدی تخمین زده می شود. در نهایت، با جبران سازی حرکت های ناخواسته، دنباله ی ویدئوی موردنظر پایدار می شود. نتایج شبیه سازی نشان می دهد که ویدئوی پایدارشده با این روش، از لحاظ معیارهای کمی و کیفی، به طور قابل توجهی از ویدئوی اولیه بهتر است.

الگوریتم الگوهای مکانی مشترک (csp)، به عنوان یکی از موفق ترین الگوریتم های استخراج ویژگی در سیستم bci شناخته می شود. در این پروژه به دنبال راه هایی برای بهبود استفاده از الگوریتم csp در سیستم های bci هستیم. از این جهت روش های انتخاب کانال های بهینه مورد بررسی قرار گرفته و روشی برای بهبود نتایج حاصل از استفاده الگوریتم csp ارائه شده است. در این روش به جای اعمال csp بر روی همه کانال ها، ابتدا کانال ها را دسته بندی کرده سپس csp بر روی دسته ها اعمال می¬شود. سه روش مختلف برای دسته بندی کانال ها، بر اساس موقعیت قرارگیری کانل ها بر روی سر و خوشه بندی ارائه شد. میزان درصد صحت طبقه-بندی کننده با دسته¬بندی کانال¬ها به طور میانگین 11تا 15 درصد افزایش داشت و جداسازی بهتر انجام شد. در اینجا برای انتخاب کانال های بهینه از الگوریتم ژنتیک و میزان تأثیر هر دسته بر روی درصد صحت طبقه بندی کننده استفاده شد. با این روش میانگین تعداد کانال ها از 118 کانال به کمتر از نصف این مقدار کاهش یافت با اینکه درصد صحت طبقه¬بندی کننده ثابت بود. یکی از محدودیت های الگوریتم csp این است که قابلیت جداسازی فقط دو کلاس را دارد و برای استفاده در حالت چندکلاسه باید مسأله را به چند مسأله دو کلاسه تبدیل کرد. روش های گوناگون تبدیل یک مسأله چندکلاسه به چند مسأله دو کلاسه بررسی شد. با روش های سلسله مراتبی ارائه شده ، بهبودی در دقت عملکرد سیستم حاصل نشد اما میزان حجم محاسبات به طور قابل ملاحظه ای کم شد. .

در سامانه های بینایی ماشین جهت استخراج ویژ گی های تصویری عموماً از سه محتوای رنگ، بافت و شکل استفاده می شود. در این پایان نامه، ویژگی بافت تصویر مورد توجه قرار گرفته و از آن، برای افزایش کارایی و دقت طبقه بندی داده های تصویری استفاده شده است. روش های استخراج ویژگی بافت، به چهار دسته عمده ی آماری، ساختاری، مبتنی بر مدل و مبتنی بر تبدیل های تصویری تقسیم می شود. اخیراً روش های مبتنی بر نمایش تنک سیگنال، از مباحث تئوری بهینه سازی نرم صفر نیز به حوزه بینایی ماشین وارد شده است. استفاده از نمایش تنک سیگنال در مسائل طبقه بندی نتایج موفقیت آمیزی به همراه داشته است. اما در مواردی که داده های هر طبقه تنوع زیادی داشته ویا ابعاد داده ها در مقایسه با تعداد داده های آموزشی زیاد باشد، کیفیت عملکرد آن کاهش می یابد. بنابراین استخراج مناسب ویژگی ها در چنین چارچوبی اهمیت زیادی دارد. در این پژوهش، برای طبقه بندی دادگان بافت، ابتدا ویژگی های متنوع و کارآمدی از جمله الگوی باینری محلی، الگوی باینری گابور، تبدیل فوریه پاسخ فیلترگابور و ماتریس هم رخداد استخراج می گردد. سپس با درنظرگرفتن هر ویژگی به صورت مجزا، با بکارگیری طبقه بند پیشنهادی مبتنی بر نمایش تنک داده ها طبقه بندی می شود. طبقه بند پیشنهاد شده را می توان نوعی طبقه بند مبتنی بر نمایش تنک دانست که قاعده تصمیم گیری آن ترکیب ایده های مطرح در جمع ضرایب نمایش تنک و طبقه بند k نزدیک ترین همسایه است. جهت ارزیابی عملکرد روش پیشنهادی از سه پایگاه داده معروف بافت brodatz، curet وkylberg استفاده شده است. مقایسه نتایج حاصل از شبیه سازی، بیانگر عملکرد بهتر روش پیشنهادی نسبت به روش های مطرح قبلی است.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

نویز و انعکاس مهمترین عوامل محیطی موثر در تخریب سیگنال گفتار محسوب می شوند. هدف از این تحقیق بررسی یکی از پرکاربردترین ساختارهای بهسازی گفتار با نام حذف کننده لوب های فرعی (gsc) در مقابله با نویزهای جهت دار محیط است.به دنبال کاربردهای زیاد ساختار gsc برای حذف نویزهای جهت دار در حوزه سیگنال های باندباریک (همچون رادار، سونار و ...)، استفاده از این ساختار با هدف مقابله با نویزهای باندوسیع موجود بر روی سیگنال گفتار رایج شده است.در این پایان نامه، ضمن معرفی شکل دهنده های پرتو مقیّد از جمله lcmv و frost، هر یک از بلوک های ساختار gsc که تعمیمی از دو ساختار قبل است و بررسی نقش هر یک از این بلوک ها در حذف نویز پرداخته شده است. در ادامه نیز ساختارهای ترکیبی مرتبط با ساختار gsc برای کاربرد بهسازی سیگنال گفتار به همراه مقایسه نقاط ضعف و قوّت هر یک بررسی شده است.از آنجایی که اکثر سیگنال های نویز از طیف فرکانسی باندوسیع برخوردار هستند، شکل دهنده های پرتو باندباریک (از جمله ساختار gsc) نمی توانند نقش موثری در پاکسازی سیگنال گفتار از آن ها ایفا کنند. بر این اساس، با هدف ارتقای کیفیت بهسازی، ساختارهایی مانند شکل دهنده های پرتو مستقل از فرکانس (cdb) و ساختارهای زیرآرایه ای بررسی شده است. در ادامه، با تعمیم کارهای قبلی، ساختارهای ترکیبی cdb-gsc و cdgsc برای بهبود فرایند بهسازی سیگنال گفتار ارائه شده است.در پایان، به منظور ارزیابی ساختارهای پیشنهادی، به پیاده سازی آن ها و سنجش کارآیی آن ها بر روی دو دسته دادگان شبیه سازی شده و دادگان واقعی (ضبط شده در آزمایشگاه پردازش گفتار دانشگاه یزد) پرداخته شده است.نتایج حاصل از آزمایش های صورت گرفته روی سیگنال های گفتار (با طیف فرکانسی 400 تا 8000 هرتز) و منابع نویزی مختلف، بیانگر عملکرد مناسب ساختارهای پیشنهادی در بهسازی سیگنال گفتار و مقابله با نویزهای محیط است.

اوره بوسیله واکنش مایع آمونیاک و گاز دی اکسید کربن طی دو مرحله تولید می شود. در اولین واکنش دی اکسید کربن و آمونیاک به آمونیوم کربامات تبدیل می شود که این واکنش سریع و گرمازا است. در واکنش دوم که هم آهسته و هم گرماگیر است آمونیوم کربامات به اوره و آب تبدیل می شود. در راکتور دو فازی تولید اوره (با جریان همسو)، اثر برگشت جریان ‏‎(back-mixing)‎‏ همانند دیگر پدیده ها (انتقال جرم و انرژی بین دو فاز و سینتیک شیمیایی) با اهمیت می باشد. جهت کنترل برگشت جریان از سینی های سوراخدار در راکتور استفاده می شود. گاز خروجی از سینی ها بصورت حباب درمی آید. محاسبه اندازه حبابها جهت تخمین سطح موثر انتقال جرم بین دو فاز لازم می باشد. در این پروژه، با استفاده از نرم افزار ‏‎matlab‎‏ و روابط ترمودینامیکی، مکانیک سیالات، سینتیک و معادلات جرم و انرژی، شبیه سازی دینامیکی راکتور صنعتی تولید اوره انجام گرفته است. با استفاده از برنامه کامپیوتری شبیه سازی راکتور، می توان اثر تغییر پارامترهای مختلف ورودی (دما، فشار، دبی جرمی مایع، دبی جرمی گاز و درصد مولی مولفه ها در فاز گاز و مایع) را در پارامترهای خروجی از راکتور پیش بینی کرد.

در این پروژه یک ستون تقطیر آکنده با استفاده از نرم افزار ‏‎simulink‎‏ شبیه سازی شده است و با نصب الگوریتمهای کنترلی مختلف بر روی مدل، ویژگیها و کیفیت هر یک مورد بررسی قرار گرفته است. با وجود تعداد زیاد فرضیات، پاسخهای بدست آمده از این شبیه سازی در توافق نسبتا خوب با مقادیر تجربی میباشند. در این شبیه سازی اثر پارامترهای مختلف بر روی کیفیت کنترل مورد بررسی قرار گرفته است، سپس ستون تقطیر موجود در آزماشگاه عملایت واحد با استفاده از نرم افزار ‏‎genie‎‏ بصورت کامپیوتری کنترل شده است و کنترلرهای مختلفی مانند ‏‎on-off, p, pi, gmc‎‏ بدین منظور مورد استفاده قرار گرفته اند و نتایج بدست آمده از این الگوریتمها با یکدیگر مقایسه شده اند.