کامپیوتر – MATLAB

فروش پروژه تشخیص چهره از تصاویر و تطبیق با رویکرد یادگیری عمیق و نگاشت های خودسازمانده آشوب ناک با نرم افزار MATLAB

کد پروژه: 2987

عنوان پروژه: فروش پروژه تشخیص چهره از تصاویر و تطبیق با رویکرد یادگیری عمیق و نگاشت های خودسازمانده آشوب ناک با نرم افزار MATLAB

قالب بندی: m- داکیومنت کامل

دسته: کامپیوتر – MATLAB

قیمت: 50.000 تومان

قابلیت اجرا در نرم افزار: MATLAB

شرح مختصر:

فروش پروژه تشخیص چهره از تصاویر و تطبیق با رویکرد یادگیری عمیق و نگاشت های خودسازمانده آشوب ناک با نرم افزار MATLAB

با توجه به این که سیستم های تشخیص هوشمند امروزه به عنوان یک مسئله مهم در بخش های گوناگون به خصوص امنیت، سیستم های تجاری، اداری، اقتصادی، نظامی، عمومی و غیره، به کار گرفته می شوند و دامنه وسیعی را پوشش می دهند، لذا ارائه راهکارهای جدید با رفع چالش های قبلی، یک مسئله مهم و حیاتی تلقی می شود. یکی از این سیستم های تشخیص هوشمند، سیستم شناسایی چهره از روی تصاویر یا ویدئوها می باشد که کاربر آن از سرگرمی های عامیانه در گوشی های همراه تا سیستم های فوق امنیتی، کاربرد خود را نشان می دهد. سیستم های شناسایی چهره به عنوان یک سیستم بیومتریک برشمرده می شوند، زیرا با خاصیت ها و ویژگی های چهره در ارتباط مستقیم هستند. همین طور این سیستم ها مبتنی بر اصول پردازش تصویر، بینایی ماشین و بعضا یادگیری ماشین هستند. می بایست یک مرز و تعریف مشخص از سیستم شناسایی چهره نیز ارائه کرد که این تحقیق به دنبال آن است. در واقع شناسایی چهره با تشخیص چهره متفاوت است. در شناسایی چهره، وجود یک یا چند چهره در تصویر یا ویدئو مورد نظر است و همین طور شناسایی دقیق ناحیه چهره، اما در سیستم های تشخیص چهره، بعد از شناسایی چهره، تطبیق چهره با سایر تصاویر از یک مجموعه داده انجام می شود. سیستم های شناسایی چهره که به عنوان حوزه کاری این تحقیق نیز به شمار می روند، دارای چالش های فراوانی می باشند. از جمله این چالش ها می توان به وجود چندین شخص در یک تصویر یا ویدئو اشاره نمود. هدف این است که تمامی تصاویر شناخته و شناسایی گردند. همین طور وجود پشت زمینه یا پس زمینه با ترکیب های مختلف رنگی و یا وجود اشیا، الگویی پیچیده در تصویر ایجاد می نماید که یک چالش جدید در شناسایی چهره را ایجاد می کند. در نظر گرفتن ناحیه چهره افراد و شناسایی آن ها، نیاز به یک سری ویژگی ها دارد که بر اساس سیستم های پردازش تصویر، حاصل می گردند. برای این منظور عملیات تقطیع تصویر، امری لازم است تا ویژگی ها، خود را بیشتر نمایش بدهند. در واقع با تقطیع تصویر، می توان یک تصویر را به ویژگی ها و اجزای تشکیل دهنده آن، تقسیم بندی نمود. از جمله این مولفه های لازم و ضروری در سیستم های شناسایی تصویر در فاز تقطیع، شدت روشنایی و لبه ها هستند. شناسایی ویژگی های اصلی برای شناسایی دقیق ناحیه چهره، نیازمند شناسایی یک سری ویژگی ها مانند ناحیه صورت، چشم، بینی، لب، گونه ها، گوش، ابرو، داشتن سبیل یا ریش، داشتن موهای بلند یا تاس بودن، پیشانی و نواحی دیگر چهره است. همین طور یک سری چالش های دیگر از جمله پوشیده بودن صورت و یا داشتن عینک بر روی چشم، کار شناسایی چهره را کمی دشوارتر می کند. وجود دوربین در زوایای مخلف و عکس برداری، یک مسئله پُرچالش دیگر در سیستم های شناسایی چهره به شمار می رود. اکثر روش های شناسایی چهره، دارای دقت نسبتا نامناسب در شناسایی ناحیه چهره هستند که منجر می شوند در مراحل بعدی مانند تشخیص و تطبیق تصویر و یا سیستم های تشخیص احساسات از تصویر، اشتباهاتی رخ بدهد. همین طور پیچیدگی محاسباتی بالا، می تواند زمان اجرا و کارایی این سیستم ها را تحت تاثیر قرار بدهد. رویکردی که این تحقیق ارائه می دهد، سعی در برطرف سازی مشکلات و چالش های نام برده را دارد. این رویکرد که به صورت سه گام انجام می شود، شامل مرحله پیش پردازش، تقطیع و استخراج ویژگی به همراه شناسایی ناحیه چهره است. در فاز پیش پردازش، کاهش نویز با فیلتر میانه انجام می شود و سپس متعادل سازی هیستوگرام برای بهسازی تصویر صورت می پذیرد. سپس جهت شناسایی ویژگی ها از تقطیع مبتنی بر الگوریتم شبکه عصبی نگاشت خودسازمانده به صورت آشوب ناک استفاده می شود. در فاز تقطیع تصویر، ویژگی ها مشخص می شوند و در این مرحله از مولفه های شدت روشنایی و لبه در تصویر استفاده می گردد. سپس نیاز به آموزش ویژگی هایی است که نمایان شده اند که با استفاده از عملیات یادگیری ماشین مبتنی بر یادگیری عمیق انجام می شود. مدل فرکتال برای مشخص کردن ناحیه چهره به صورت دقیق بعد از تقطیع با هدف استخراج ویژگی ها و سپس آموزش برای شناسایی دقیق چهره در تصویر با شبکه عصبی کانولوشن انجام می گیرد. رویکرد پیشنهادی بر روی مجموعه داده های مختلف شامل LFW، JAFFE، UCCSFace و BioID، مورد سنجش واقع شده است که در هر کدام از این مجموعه داده ها، با مقایسه با روش های پیشین در شرایط یکسان، بهبود نسبی را نشان می دهد.

عكس خروجی برنامه

عکس 1

عکس 2

عکس 3

عکس 4

عکس 5

 

 

برای خرید این پروژه با شماره 09360703858

یا آدرس ایمیل nn4e@aol.com در تماس باشید.

فروش پروژه ریزپهنه بندی آسیب پذیری شهرهای اطراف کرمانشاه با نرم افزار MATLAB

کد پروژه: 2986

عنوان پروژه: فروش پروژه ریزپهنه بندی آسیب پذیری شهرهای اطراف کرمانشاه با نرم افزار MATLAB

قالب بندی: m- داکیومنت کامل

دسته: کامپیوتر – MATLAB

قیمت: 50.000 تومان

قابلیت اجرا در نرم افزار: MATLAB

شرح مختصر:

فروش پروژه ریزپهنه بندی آسیب پذیری شهرهای اطراف کرمانشاه با نرم افزار MATLAB

زمین لرزه به عنوان یک بلای طبیعی، اثرات مخرب بسیاری دارد. در تمام این تحقیق، به بررسی زمین لرزه در ابعاد و زوایایی مختلف در کشور ایران پرداخته شد و اثرات خرابی آن ها بر بخش های مختلف، مورد بررسی واقع گردید. سپس سعی در استفاده از یک مجموعه داده واقعی برای بررسی پهنه بندی آسیب پذیری شد که در شهر کرمانشاه در اثر زمین لرزه، حاصل گردید. اثرات حوزه نزدیک و دور بر طیف خطر در چند قالب مورد بررسی قرار گرفت که مهمترین آن، امتداد گسل ها بود. شبیه سازی در محیط MATLAB و Excel به صورت ترکیبی برای تحلیل احتمالی و آماری انجام شد. در ابتدا به رسم نمودارهای فراوانی به بزرگی زمین لرزه، نمودار فراوانی پراکنش های زمین لرزه و نمودار فراوانی عمق پراکنش زمینه لرزه ها از داده های موجود و ثبت شده کرمانشاه در بازه زمانی 1917 الی 2018 میلادی پرداخته شد. سپس تحلیل احتمالی با کدنویسی در محیط MATLAB انجام گرفت که در ابتدا احتمال رویداد زمین لرزه مورد بررسی قرار گرفت که نشان می داد می توان نرخ آسیب پذیری و زمین لرزه را در یک منطقه مشخص مانند کرمانشاه تا حدی تخمین زد. سپس تحلیل دینامیکی زمین لرزه با روش میرایی ویسکوز انجام گرفت که نشان می داد شتاب زلزله ها در ابعاد زمین لرزه به بزرگی 5 ریشتر در شهر کرمانشاه بر اساس داده های موجود رخ می دهد. طیف خطر یکنواخت برای امتداد پذیری گسل های شهر کرمانشاه با زاوایا و گام های مختلف در دو مرحله گوناگون نمایش و سپس به نمایش محدوده انتهایی طیف خطر یکنواخت پرداخته شد. نمایش تناوب پالس بر حسب بزرگی، نمایش بیشترین حد جابجایی بر مقاومت، تحلیل اثر جنس خاک و استفاده از تکنیک SIMQKE برای ریزپهنه بندی آسیب پذیری در زمین لرزه در شهر کرمانشاه نیز در ادامه صورت گرفت که حاکی از توانمندی رویکرد پیشنهادی در نمایش ریزپهنه بندی آسیب پذیری در شهر کرمانشاه در برابر زمین لرزه را نشان می دهد.

عكس خروجی برنامه

عکس 1

عکس 2

عکس 3

 

 

برای خرید این پروژه با شماره 09360703858

یا آدرس ایمیل nn4e@aol.com در تماس باشید.

فروش پروژه کنترل تطبیقی برج تقطیر صنعتی با استفاده از یادگیری عمیق با نرم افزار MATLAB

کد پروژه: 2985

عنوان پروژه: فروش پروژه کنترل تطبیقی برج تقطیر صنعتی با استفاده از یادگیری عمیق با نرم افزار MATLAB

قالب بندی: m- داکیومنت کامل

دسته: کامپیوتر – MATLAB

قیمت: 80.000 تومان

قابلیت اجرا در نرم افزار: MATLAB

شرح مختصر:

فروش پروژه کنترل تطبیقی برج تقطیر صنعتی با استفاده از یادگیری عمیق با نرم افزار MATLAB

امروزه صنعتی نفت به عنوان یکی از مهمترین عناصر در هر کشوری به شمار می رود. وجود سیستم های برج تقطیر، یکی از ضرورت های هر پالایشگاهی به شمار می رود. شناسایی پارامترهای مهمی که با بهبود آن ها می توان کارایی برج تقطیر را تا اندازه ای سامان داد، یک ضرورت به شمار می رود، زیرا نتایج هر بخش از فرایندهای آن، به بخش بعدی، تاثیر می گذارد. یکی از مهمترین این بخش ها، مصرف انرژی، پایداری در برابر نویز و کارایی در برابر اغتشاشات می باشد. استفاده از کنترل کننده ها می تواند نیلی به این اهداف را ارائه دهد. اما استفاده از کنترل کننده ای که مقاوم در برابر خطاها باشد، امری ضروری است تا به فرایندهای آتی، تاثیر منفی نداشته باشد. این تحقیق به استفاده از کنترل کننده مبتنی بر شبکه عصبی عمیق به عنوان ساختاری تخمین زن به همراه یک روش آماری جهت بهبود مصرف انرژی، پایداری در برابر نویز و کارایی در برابر اغتشاشات می پردازد. شبیه سازی در محیط MATLAB انجام می پذیرد و انتظار می رود که بهینه سازی در سه هدف نام برده، به بهترین شکل ممکن، صورت پذیرد.

 

عكس خروجی برنامه

عکس 1

عکس 2

عکس 3

عکس 4

 

برای خرید این پروژه با شماره 09360703858

یا آدرس ایمیل nn4e@aol.com در تماس باشید.

فروش پروژه دسته بندی پیکسل مبتنی بر قطعه بندی رنگی تصویر با Quaternion Exponent Moments با نرم افزار MATLAB

کد پروژه: 2983

عنوان پروژه: فروش پروژه دسته بندی پیکسل مبتنی بر قطعه بندی رنگی تصویر با Quaternion Exponent Moments با نرم افزار MATLAB

قالب بندی: m – داکیومنت کامل

دسته: کامپیوتر – MATLAB

قیمت: 70.000 تومان

قابلیت اجرا در نرم افزار: MATLAB

شرح مختصر:

فروش پروژه دسته بندی پیکسل مبتنی بر قطعه بندی رنگی تصویر با Quaternion Exponent Moments با نرم افزار MATLAB

قطعه بندی تصویر یک مساله مهم اما همچنان دشوار برای حل باقی مانده است زیرا این مساله وابسته به برنامه بوده که معمولا اطلاعات در دسترس مرتبط در خصوص ساختار تصویر وجود ندارد. در سال های اخیر، الگوریتم های قطعه بندی تصویر بسیاری توسعه یافته اند، اما این الگوریتم ها اغلب بسیار پیچیده هستند و اغلب نتایج نامطلوبی می دهند. در این پروژه، ما قطعه بندی تصویر رنگی مبتنی بر دسته بندی پیکسل با استفاده از لحظات نمایی چهارگانه  (quaternion exponent moments) ارائه می دهیم. در مرحله اول، ویژگی تصویر پیکسل-سطح مبتنی بر لحظات چهارگانه نمایی (QEMs) استخراج شده است که به طور موثر می تواند بافت پیکسل تصویر را با توجه به ارتباط بین کانال های رنگی مختلف ثبت کند. سپس، ویژگی تصویر پیکسل-سطح به عنوان ورودی دسته بندی ماشین بردار پشتیبانی دو قلو (TSVM) استفاده می شود، و مدل TSVM با انتخاب نمونه های آموزشی با آستانه آنتروپی Arimoto آموزش داده می شود. در نهایت، تصویر رنگی با مدل TSVM آموزش داده شده دسته بندی شده است. این طرح پیشنهادی دارای مزایای زیر است: (1) QEMs کارا برای توصیف بافت پیکسل تصویر رنگی معرفی شده است که همبستگی بین کانال های رنگی مختلف را در نظر می گیرد، (2) بهترین دسته بندی TSVM استفاده شده است که دارای زمان محاسباتی کمتر و دقت دسته بندی بالاتری است. نتایج تجربی نشان می دهد که روش پیشنهادی ما عملکرد قطعه بندی بسیار امید بخشی در مقایسه با پیشرفته ترین روش های قطعه بندی که اخیرا در ادبیات تحقیق ارائه شده دارد.

عكس خروجی برنامه

عکس 1

عکس 2

عکس 3

عکس 3

عکس 4

 

 

برای خرید این پروژه با شماره 09360703858

یا آدرس ایمیل nn4e@aol.com در تماس باشید.

فروش پروژه تشخیص احساسات از متون فارسی با شبکه عصبی المن بازگشتی با نرم افزار MATLAB

کد پروژه: 2982

عنوان پروژه: فروش پروژه تشخیص کمربند رانندگان از تصاویر گرفته شده در اتوبان ها برپایه ریخت شناسی تصویر با نرم افزار MATLAB

قالب بندی: m – داکیومنت کامل

دسته: کامپیوتر – MATLAB

قیمت: 125.000 تومان

قابلیت اجرا در نرم افزار: MATLAB

شرح مختصر:

فروش پروژه تشخیص احساسات از متون فارسی با شبکه عصبی المن بازگشتی با نرم افزار MATLAB

بی شک مهمترین مولفه انسان، حالات و احساسات اوست که با برقراری ارتباط با محیط پیرامون در تعامل است. احساسات یک فرد را می توان از رفتارهای خروجی او مانند حالات چهره، حرکت اعضای بدن، لحن سخن گفتن و نوشتن متن، تشخیص داد. تشخیص احساسات از روی متون فارسی نوشته شده، یک روش علمی – روان شناسانه جهت ارزیابی و درک شخصیت افراد تلقی می گردد که کمک شایانی به شناخت روحیات افراد در زمان نوشتن می کند. روش ارائه شده در این تحقیق بر پایه روش شبکه عصبی المن به صورت بازگشتی (Recurrent Elman Neural Network) است که نمونه ها را آموزش می بیند. سپس از رگرسیون لاجیستیک به منظور تشخیص احساس متون فارسی و از معیارهای ارزیابی هم چون دقت، میانگین مربعات خطا به منظور ارزیابی و تضمین روش پیشنهادی، استفاده شده است. بهترین نرخ تشخیص احساسات، با استفاده از ترکیب همه ویژگی ها، قابل دست یابی است.

عكس خروجی برنامه

عکس 1

عکس 2

عکس 3

عکس 4

عکس 5

عکس 6

 

برای خرید این پروژه با شماره 09360703858

یا آدرس ایمیل nn4e@aol.com در تماس باشید.

فروش پروژه تشخیص کمربند رانندگان از تصاویر گرفته شده در اتوبان ها برپایه ریخت شناسی تصویر با نرم افزار MATLAB

کد پروژه: 2981

عنوان پروژه: فروش پروژه تشخیص کمربند رانندگان از تصاویر گرفته شده در اتوبان ها برپایه ریخت شناسی تصویر با نرم افزار MATLAB

قالب بندی: m – داکیومنت کامل

دسته: کامپیوتر – MATLAB

قیمت: 100.000 تومان

قابلیت اجرا در نرم افزار: MATLAB

شرح مختصر:

فروش پروژه تشخیص کمربند رانندگان از تصاویر گرفته شده در اتوبان ها برپایه ریخت شناسی تصویر با نرم افزار MATLAB

امروزه با توجه به رشد حمل و نقل و خودروهای در تردد در جاده ای شهری و بین شهری، شناسایی عواملی که ممکن است بر جان رانندگان تاثیر بگذارید و به آن ها با جریمه گوشزد گردد، امری حیاتی و مهم به شمار می رود. زیرا کاهش تصادفات جاده ای نشان دهنده آگاه بودن رانندگان از قوانین موجود است. امروزه دوربین های نظارتی مختلفی در سطح شهر و اتوبان های بین شهری قرار گرفته است که رانندگان متخلف را با شناسایی پلاک هایشان جریمه می کند. اما یکی از بخش هایی که به شدت بر سلامت رانندگان و نفر سرنشین کنار راننده تاثیر دارد، بستن کمربند ایمنی است. از این رو، تحقیق پیش رو سعی در ارائه یک روش موثر در تشخیص کمربند رانندگان از تصاویر را دارد. روش پیشنهادی جهت برطرف سازی روش های پیشین شامل کاهش پیچیدگی محاسباتی، افزایش دقت و سرعت بیشتر، ارائه گردیده است. رویکرد این تحقیق مبتنی بر عملیات پردازش تصویر است، بدین صورت که شامل پنج مرحله اساسی می باشد، یعنی پیش پردازش، تشخیص ناحیه پلاک خودرو، تشخیص ناحیه پنجره جلویی، تشخیص فرد در خودرو و یافتن موقعیت کمربند در راننده. این عملیات مبتنی بر تقطیع بوده و از روش لبه یابی مبتنی بر عملگر کانی بهبود یافته مبتنی بر روش اتوماتای یادگیر سلولی با یک مرحله بزرگ نمایی بعد از قطعه بندی و در نهایت استفاده از پردازش ریخت شناسی مبتنی بر منطق فازی جهت تشخیص بسته بودن یا نبودن کمربند ایمنی، انجام می شود. افزایش دقت و حساسیت، از مهمترین معیارهای ارزیابی این تحقیق به شمار می رود.

عكس خروجی برنامه

عکس 1

عکس 2

عکس 3

عکس 4

عکس 5

 

برای خرید این پروژه با شماره 09360703858

یا آدرس ایمیل nn4e@aol.com در تماس باشید.

فروش پروژه تشخیص و تصحیص قرمزی چشم در تصاویر مبتنی بر منطق فازی و اصول پردازش تصویر با نرم افزار MATLAB

کد پروژه: 2980

عنوان پروژه: فروش پروژه تشخیص و تصحیص قرمزی چشم در تصاویر مبتنی بر منطق فازی و اصول پردازش تصویر با نرم افزار MATLAB

قالب بندی: m – داکیومنت کامل

دسته: کامپیوتر – MATLAB

قیمت: 100.000 تومان

قابلیت اجرا در نرم افزار: MATLAB

شرح مختصر:

فروش پروژه تشخیص و تصحیص قرمزی چشم در تصاویر مبتنی بر منطق فازی و اصول پردازش تصویر با نرم افزار MATLAB

وجود نواحی قرمز رنگ در ناحیه شبکه در زمان عکس برداری، یکی از مشکلات و چالش های قابل توجه می باشد. با توجه به این که دلیل این قرمزی چشم، تشدید نور و ناگهانی بودن برخرود آن با چشم است و انعکاس قرمزی رگ‌ های خونی در ناحیه شبکیه چشم را منجر می شود، نیاز است تا در تصاویر، تا جای ممکن کاسته و یا حذف شود. تشخیص و حذف قرمزی چشم یکی از مسائل جالب توجه سالیان اخیر در حوزه پردازش تصویر بوده است. تا جایی که روش های متنوعی برای آن ارائه و تدوین شده اند، اما هم چنان نقاط ضعف مختلفی در آن باقی مانده است. شناسایی الگوهای چشم شامل بافت، رنگ و شدت نور، می تواند ویژگی های اصلی سیستم های تشخیص و حذف قرمزی تلقی شود. در این تحقیق از عملگرهای ریخت شناسانه برای تقطیع تصاویر و مشخص کردن ویژگی ها مبتنی بر منطق فازی استفاده شده است و در مرحله بعدی، از رشد ناحیه ای برای تصحیح کردن نواحی قرمز استفاده گردیده است. در این سیستم، ابتدا شناسایی وجود چهره در تصویر نیز شکل گرفته است که در فاز تقطیع، ویژگی های چهره مدنظر قرار گرفته است. دقت رویکرد پیشنهادی برای تصحیح و حذف قرمزی چشم 98.52 % بوده است که عملکردی بهتری نسبت به روش های مشابه پیشین را نشان می دهد.

عكس خروجی برنامه

عکس 1

عکس 2

عکس 3

عکس 4

عکس 5

عکس 6

عکس 7

عکس 8

 

برای خرید این پروژه با شماره 09360703858

یا آدرس ایمیل nn4e@aol.com در تماس باشید.

فروش پروژه حذف نویز از تصاویر سی تی اسکن با استفاده از تبدیل موجک بهینه با نرم افزار MATLAB

کد پروژه: 2978

عنوان پروژه: فروش پروژه حذف نویز از تصاویر سی تی اسکن با استفاده از تبدیل موجک بهینه با نرم افزار MATLAB

قالب بندی: m

دسته: کامپیوتر – MATLAB

قیمت: 150.000 تومان

قابلیت اجرا در نرم افزار: MATLAB

شرح مختصر:

فروش پروژه حذف نویز از تصاویر سی تی اسکن با استفاده از تبدیل موجک بهینه با نرم افزار MATLAB

حذف نویز از تصاویر مختلف می تواند ابعاد جدیدی از تصویر را نمایان سازد. در حوزه پزشکی نیز این قضیه می تواند تحلیل یک دکتر از تصویر گرفته شده را بهبود بدهد تا اشتباهات پزشکی را کاهش دهد. حذف نویز در تصاویر سی تی اسکن، از جمله رویکردهایی است که در سالیان اخیر، محققان فراوانی را به سمت خود جلب کرده است. به دلیل وجود نویز بعد از نویز زدایی، هم چنان کاهش و حذف نویز در تصاویر سی تی اسکن در مجامع علمی به عنوان یک موضوع داغ و حیاتی، مورد بررسی و تحقیق است. این پژوهش نیز سعی بر ارائه یک روش نوین و جدید با هدف حذف نویز از تصاویر سی تی اسکن با بالاترین دقت و نرخ حساسیت با در نظر گرفتن معیارهایی چون اوج نسبت سیگنال به نویز و نسبت سیگنال به نویز و معیارهای دیگر، بنیان شده است. روش ارائه شده مبتنی بر ترکیب تبدیل موجک و منطق فازی است تا با قوانین فازی بتوان در حذف نویزها، گامی جدید را برداشت و چالش های موجود در این حوزه را مرتفع ساخت.

عكس خروجی برنامه

عكس 1

عكس 2

عکس 3

عكس 4

عکس 5

عکس 6

 

برای خرید این پروژه با شماره 09360703858

یا آدرس ایمیل nn4e@aol.com در تماس باشید.

فروش پروژه تشخیص رنگ پوست با شبکه عصبی MLP مبتنی بر PSO با نرم افزار MATLAB

کد پروژه: 2977

عنوان پروژه: فروش پروژه تشخیص رنگ پوست با شبکه عصبی MLP مبتنی بر PSO با نرم افزار MATLAB

قالب بندی: m

دسته: کامپیوتر – MATLAB

قیمت: 150.000 تومان

قابلیت اجرا در نرم افزار: MATLAB

شرح مختصر:

فروش پروژه تشخیص رنگ پوست با شبکه عصبی MLP مبتنی بر PSO با نرم افزار MATLAB

تشخیص رنگ پوست انسان، یک چالش جدید در دنیای پردازش تصویر و بینایی ماشین تلقی می شود که به عنوان یک پیش پردازش اولیه برای اهداف بزرگتری چون سیستم های تشخیص چهره و هویت از پوست، می تواند مورد استفاده تجاری و صنعتی واقع شود. همین طور سیستم های تشخیص رنگ پوست، می توانند برای شناسایی و تشخیص بیماری های پوستی از جمله سرطان پوست و یا تغییر شکل دادن پوست و رنگ آن، مورد استفاده قرار بگیرند. در این پژوهش، به رویکردی جدید از عملیات تقطیع رنگ پوست پرداخته می شود. ورودی چنین سیستم هایی اصولا تصاویر می باشد. هر تصویر وارد شده به چنین سیستمی، دارای یک فضای رنگی است که بعضا دارای سطح خاکستری، RGB، YCbCr، HSV و غیره است. رویکرد پیش رو به پردازش در فضای رنگی LAB تاکید دارد. ضمن معرفی و نحوه تبدیل از فضای RGB به فضای LAB، استفاده از روش ترکیبی شبکه عصبی و الگوریتم ازدحام ذرات بهینه نیز پیشنهاد شده است. نوع شبکه عصبی از نوع پرسپترون چند لایه است که هدف آن، ناحیه بندی و تقطیع رنگ پوست است. الگوریتم ازدحام ذرات بهینه نیز با هدف بهبود ناحیه بندی یا تقطیع و ایجاد کلاس های بهینه در تصویر و استخراج ناحیه پوست از سایر بخش ها، مورد استفاده واقع می شود. رویکرد ارائه شده دارای معیارهای ارزیابی ای چون میانگین مربعا خطا، اوج نسبت سیگنال به نویز، نسبت سیگنال به نویز، دقت، حساسیت و نرخ ویژگی است که نتایج قابل قبولی از روش ارائه شده برای هر معیار، به دست آمده است.

عكس خروجی برنامه

عكس 1

عكس 2

عکس 3

عكس 4

عکس 5

 

برای خرید این پروژه با شماره 09360703858

یا آدرس ایمیل nn4e@aol.com در تماس باشید.

فروش پروژه بهینه سازی کنترل تطبیقی فعال سازه های مرتفع به صورت مقاوم مبتنی بر رویکرد ترکیبی Q-PDC-LMI با نرم افزار MATLAB

کد پروژه: 2974

عنوان پروژه: فروش پروژه بهینه سازی کنترل تطبیقی فعال سازه های مرتفع به صورت مقاوم مبتنی بر رویکرد ترکیبی Q-PDC-LMI با نرم افزار MATLAB

قالب بندی: m

دسته: کامپیوتر – MATLAB / عمران – MATLAB

قیمت: 100.000 تومان

قابلیت اجرا در نرم افزار: MATLAB

شرح مختصر:

فروش پروژه بهینه سازی کنترل تطبیقی فعال سازه های مرتفع به صورت مقاوم مبتنی بر رویکرد ترکیبی Q-PDC-LMI با نرم افزار MATLAB

وقوع زلزله­ هاي اخير در ايران و ديگر مناطق جهان كه سبب خرابي و كشته شدن انسان ­هاي بي شماري شده است، مبين عدم كفايت ساختمان ­ها در تحمل نيروهاي مخرب زلزله مي­ باشد. لذا در دهه اخير، موسسات مختلف در كشورهاي زلزله خيز، مبادرت به تهيه دستورالعمل ­هاي خاص آن كشور بر اساس ملاحظات اقتصادي، اجتماعي و فني خود  نموده ­اند. وقوع زلزله در مناطق شهری و روستايي، به دليل عدم استحكام بناهاي موجود كه اكثرا فاقد سيستم سازه ­اي مقاوم در برابر زلزله هستند، همواره با خسارت­ هاي جبران ناپذير جاني همراه بوده است. كارايي يك ساختمان در مقابل حركات زلزله، تابع نحوه اتصال اعضای سازه ­اي و نيز سختي­ و انعطاف پذيري آن ها مي ­باشد. بنابراين جزئيات تعمير و تقويت در دو قسمت تقويت اعضای سازه ­اي ساختمان ­هاي بنايي و بهبود يكپارچگي سازه ­اي ساختمان­ هاي بنايي جداگانه طبقه بندي مي شود. در تقويت اعضای سازه ­اي، مي توان به مواردي از قبيل تقويت كلاف­ هاي افقي و عمودي، يا افزايش مقاومت جانبي ديوارهاي بنايي اشاره نمود.

در صورت عدم ­امكان تقويت اعضا در سازه­ هايي با اسكلت سازه­ اي، مي توان با كاربرد ميراگرهاي انرژي، از استهلاك انرژي در خود اعضای سازه و آسيب رسيدن به آن ها جلوگيري كرد. در بحث بهبود يكپارچگي سازه­ اي نيز مي توان با افزايش يكپارچگي، در حفظ كليت سازه ­اي و پايداري آن اقدام نمود. از جمله مي توان به بستن كف­ ها و ديوارها به همديگر توسط كلاف هايي در نقاط مختلف سازه اشاره نمود. در حال حاضر ساختما­ن­ هاي ساخته شده با مصالح بنایی (به خصوص ساختمان­ هاي آجري) درصد بالایی از ساختمان­ هاي موجود یا در حال احداث در کشور ی مانند ایران را تشکیل می ­دهد. علیرغم تعداد و وسعت ساختمان ­هاي بنایی در کشور و علم به این مسئله که بیشترین خسارت در زلزله­ هاي متوسط و نسبتا شدید مربوط به این ساختمان ­ها است، اما متاسفانه در کشور، کارهاي تحقیقاتی زیادي در این زمینه انجام نشده است. از طرف دیگر مسئولین امر، تاکنون به طور جدي پیگر این بحث یعنی مقاوم سازي سازه­ هاي بنایی نبوده اند. لذا استفاده از فولاد در ساختمان ها، علاوه بر معایبی که دارد، مزایایی هم خواهد داشت. دیوارهاي بنایی به دو دسته سازه­ اي و غیرسازه­ اي تقسیم می­شوند. دیوارهاي سازه­ اي به دیوارهایی اطلاق می ­شود که بارهاي ثقلی و جانبی را در امتداد و عمود بر صفحه خود تحمل می­کنند. این دیوارها از واحدهاي بنایی شامل آجر و بلوك سیمانی همراه باملات ماسه سیمان، باتارد و ماسه آهک تشکیل شده­ اند. دیوارهاي بنایی غیرسازه ­اي یا تیغه­ ها، دیوارهایی هستند که هیچ گونه سهمی از بارهاي ثقلی و لرزه­ اي ساختمان به آن ها نسبت داده نمی­ شود و به عنوان اجزاي غیرسازه ­اي تلقی و باید براي ضوابط مربوطه کنترل گردند.

در صورت عدم امكان تقويت اعضا در سازه ­هايي با اسكلت سازه­ اي، مي توان با كاربرد ميراگرهاي انرژي، از استهلاك انرژي در خود اعضای سازه­ و آسيب رسيدن به آن ها جلوگيري كرد. در بحث بهبود يكپارچگي سازه­اي نيز ميتوان با افزايش يكپارچگي، در حفظ كليت سازه­اي و پايداري آن اقدام نمود. از جمله مي توان به بستن كف ها و ديوارها به همديگر توسط كلاف هايي در نقاط مختلف سازه اشاره نمود. به صورت کلی می توان با جمع آوري روش ­هاي نوين و در عين حال كاربردي مورد استفاده در كشورهاي پيشرفته دنيا در مقاوم سازي سازه­ هاي خشتي، سنگي و آجري، راهکارهای مختلفی از جمله كاربرد ميراگرهاي XADAS غيرفعال در انواع سازه ­هاي بنايي به عنوان افزاينده ميرايي و سختي و مطالعه ميزان تاثير آن در كاهش شاخص ­هاي كارايي سازه ­اي از جمله تغيير مكان­ هاي نسبي بين طبقات در ساختمان های مرتبغ، زمينه كارهاي علمي جهت تحقيقات ­و تدوين مباني جامع جهت مقاوم سازي بناهاي موجود در ايران در آينده فراهم آورده شود.

در مواردي كه سازه بنايي موجود داراي كلاف ­هاي افقي ­و عمودي باشد، ولي از نظر سازه اي براي مقابله با نيروهاي جانبي ضعيف تشخيص داده شود، مي توان با به كار بردن تكنيك هاي جديد، مقاومت اين گونه سازه ها را بهبود بخشيد. يكي از روش هاي مقاوم سازي سازه هاي بنايي كلاف دار، استفاده از ميراگرهايي مي باشد كه در افزايش سختي جانبي و ميرايي اين سازه ها كاربرد دارند. به كارگيري اين گونه ميراگرها كه با نام ADAS مشهور هستند، اثرات بسيار مفيدي در تقويت انواع سازه ها دارند. ميراگرهاي XADAS كه نوع خاصي از ميراگرهاي ADAS مي باشند، متشكل از صفحات فولادي موازي ضربدري  X) شكل( مي باشند كه با استفاده از خاصيت تغييرشكل پلاستيك فولاد در جذب انرژي ورودي به سازه و اتلاف آن كارايي دارند. اين ميراگرها  همچنين به همراه مهاربندي هاي جناقي نگهدارنده آن ها در افزايش سختي جانبي سازه نقش به سزايي ايفا مي كنند. اين ميراگرها كه از پایين توسط مهاربندي هاي جناقي به زمين يا طبقه پایين محكم شده و از بالا به كلاف افقي طبقه وصل مي شوند، با حركت جانبي طبقه مورد نظر و ايجاد تغيير شكل غيرالاستيك، باعث جذب و اتلاف انرژي وارده از طرف زمين لرزه به سازه شده و نهايتا از ورود انرژي به اعضاي اصلي سازه جلوگيري مي نمايند. با نصب اين ميراگرها مي توان كاهش چشمگيري در شاخص هاي مهم كارايي ساختمان از قبيل جابجايي طبقات، تغييرمكان نسبي طبقات و برش طبقات ايجاد نمود. اما یک جنبه مهم در طراحی سازه های مهندسی عمران، کاهش مقادیر پاسخ مانند سرعت، انحراف و نیروهایی است که ناشی از بارهای پویای محیطی (یعنی باد و زلزله) ایجاد می شود. روش های کنترلی، ساختاری جدید برای این منظور هستند که می توانند به عنوان روش کنترل فعال، نیمه فعال، منفعل و غیرفعال طبقه بندی شوند. در سه دهه اخیر، کاهش پاسخ ساختاری ناشی از اثرات پویا، تبدیل به موضوع تحقیقاتی شده است و بسیاری از مفاهیم کنترل ساختاری در عمل پیاده سازی شده اند. دمپرهای جرمی تنظیم شده یا TDM قدیمی ترین دستگاه های کنترل لرزش ساختاری موجود هستند. مفهوم کنترل لرزش با استفاده از یک دمپر جرم به سال 1909 باز می گردد، زمانی که Frahm یک دستگاه کنترل لرزش به نام جاذب ارتعاش پویا را اختراع کرد. سیستم های مانع جرمی فعال تنظیم شده یا ATMD نیز در دهه های اخیر به عنوان یک زمینه محبوب تحقیقاتی بوده است و پیشرفت قابل توجهی در این زمینه در طی این سال ها انجام شده است. این سیستم به عنوان قسمتی از تحقیقات شناخته شده است که در آن حرکت یک ساختار با استفاده از عملکرد یک سیستم کنترل از طریق برخی از منبع انرژی خارجی کنترل یا اصلاح می شود.

 یک سیستم ATMD به طور موثری پاسخ ساختاری را کاهش می دهد، اما نیروهای کنترل خارجی لازم در مورد ساختمان های عظیم و بزرگ می توانند بسیار بزرگ باشند. از طرف دیگر، این سیستم ها در هنگام تحریک زلزله به یک منبع تغذیه مداوم و یک سیستم رایانه ای دیجیتال احتیاج دارند که تهیه آن در طول زمین لرزه های شدید ممکن است دشوار باشد. در نتیجه این محدودیت ها، از سیستم های کنترل فعال در عمل به اندازه سیستم های منفعل استفاده نمی شود. اگرچه کنترل منفعل به طور گسترده ای در عمل مورد استفاده قرار می گیرد، در گذشته به دلیل دستیابی به کنترل بالاتر پاسخ، تحقیقات گسترده ای در زمینه کنترل فعال سازه ها انجام شده است. علاوه بر این، الگوریتم های کنترل توسعه یافته برای کنترل فعال، مستقیما برای توسعه سایر استراتژی های کنترل ضعف مانند کنترل نیمه فعال مفید بوده اند. بنابراین، با وجود برخی از مشکلات بارز اجرای استراتژی کنترل فعال برای کاربردهای زلزله، تحقیقات در زمینه کنترل ساختاری فعال همچنان ادامه دارد.

 سنتز نظارت بر سلامت ساختاری با کنترل ارتعاش مقرون به صرفه و برای توسعه ساختارهای هوشمند سودمند است. یائو برای اولین بار به طور رسمی کاربرد تئوری کنترل را برای کنترل ساختاری فعال معرفی کرد. در این سیستم، نیروی کنترل به صورت بیرونی بر روی سازه اعمال می شود تا پاسخ آن کاهش یابد. انواع مختلفی از مکانیزم های کنترل فعال به طور گسترده در ادبیات این زمینه گزارش شده است. ساختمان کیوباشی سیوا، اولین اجرای کامل فناوری کنترل فعال است که به صورت یک ساختمان 11 طبقه با مساحت 423 متر مربع است. سیستم کنترل این ساختمان از دو دستگاه ATMD تشکیل شده است که ATMD اولیه برای حرکت عرضی استفاده می شود و دارای وزن 4 تن است، در حالی که ATMD ثانویه دارای وزن 1 تن است و برای کاهش حرکت چرخشی استفاده می شود.

الگوریتم های مختلف کنترل کلاسیک و مقاوم برای کاهش پاسخ های ساختمان بلند اخیر پیشنهاد شده اند. رایج ترین این روش های کنترلی شاملLQR ، LQG، کنترل کننده قطع شده، کنترل کننده بنگ بنگ، کنترل کننده H بی نهایت، کنترل کننده حالت کشویی یا لغزشی، کنترل کننده انتساب قطب، کنترل فضای مدل مستقل یا IMSC است. برای این که بتوان به ساختارهای کانالی در کنترل دسترسی داشت، اخیرا از منطق فازی با هدف بهینه سازی کنترل فعال در سازه های مهندسی عمران به وفور استفاده می شود. منطق فازی در چنین کاربردی، دارای یک سری مزایا است که می توان به موارد ذیل اشاره نمود:

  • منطق فازی از معدود رویکردهای مدل آزاد ریاضی برای شناسایی و کنترل سیستم است که باعث می شود سیستم ساده تر از طراحی یک مدل ریاضی دقیق از سیستم ساختاری مورد نیاز برای طراحی سیستم کنترل استفاده کند. این امر می تواند با استفاده از تجربه و تخصص انسانی برای اجرای کنترل کننده فازی انجام شود.
  • منطق فازی می تواند عدم قطعیت داده های ورودی از تحریکات باد یا زلزله و حسگر لرزش ساختاری را تحمل کند، در نتیجه منجر به یک سیستم کنترل کننده با استحکام ذاتی کافی می شود.
  • کنترل کننده فازی، توانایی کنترل رفتار غیرخطی سازه ناشی از جابجایی های بزرگ یا غیرخطی بودن و آسیب دیدن اجزا را دارد که ساختار این تحقیق نیز به صورت غیرخطی در نظر گرفته خواهد شد.
  • کنترل کننده فازی با اصلاح قوانین یا عملکردهای عضویت و استفاده از تکنیک های یادگیری می تواند سازگار باشد.

بیشتر روش های طراحی کنترل براساس تکنیک بهینه سازی حداکثر عملکرد سیستم از طریق به حداقل رساندن انرژی کنترل تحت محدودیت های خاص یا به حداقل رساندن مقادیر پاسخ سازه ها انجام می شود. روش بهینه سازی را می توان به طور خلاصه به عنوان تنظیم پارامترهای سیستم کنترل کننده توصیف کرد. اکثر روش های بهینه سازی مورد استفاده در طراحی کنترل روش های جستجوی مبتنی بر شیب سنتی هستند. برخلاف روش بهینه سازی سنتی، الگوریتم های ژنتیک به طور موثر یک راه حل بهینه از فضای راه حل پیچیده و احتمالا ناپیوسته پیدا می کنند. الگوریتم های ژنتیکی به عنوان تکنیک های جستجوی موثر در بسیاری از زمینه های مسائل بهینه سازی استفاده شده است. این روش برای به دست آوردن کنترل کننده ای بهینه، موفقیت هایی را در سال های اخیر به دست آمده است که از حمله مهمترین این بهینه سازی ها می توان به کاهش ترتیب کنترل کننده بازخورد، تنظیم وزن کنترل کننده های عصبی و تنظیم و بهبود پارامترهای کنترل کننده فازی اشاره نمود ]20[. اما الگوریتم های خانواده تکاملی، دارای یک سری ضعف ها هستند که می توان به تصادفی بودن آن ها در بهینه سازی اشاره نمود. البته سرعت اجرا و همگرایی سریع آن ها، در مسائل بسیاری مشاهده شده است، اما برای تبدیل مسائل خطی به غیرخطی، به عنوان یک روش نامناسب هستند، زیرا ممکن است به دلیل عدم تنظیم صحیح عملگرهایی هم چون جمعیت اولیه، جهش، ترکیب، انتخاب و تابع برازش، در بهینه محلی به دام بیفتند. به همین دلیل، یافتن یک روش آموزش دهنده که قابلیت کنترل و بهینه سازی مقاوم را نیز داشته باشد، امری ضروری است که در این بین، این تحقیق به رویکرد یادگیری تقویتی می پردازد که از تکنیک Q-Learning استفاده خواهد شد.

در کنترل فعال سازه های مرتفع به صورت بهینه و مقاوم، مسئله همزمان بودن و همین طور آنلاین بودن یک مسئله مهم است تا بتوان به صورت بلادرنگ، کنترل سازه را در مسائل مختلف در نظر گرفت. از سویی دیگر، در این تحقیق سازه به صورت غیرخطی در نظر گرفته می شود. لذا به استناد به این موارد، نیاز به یک ساختار از کنترل کننده به صورت تطبیقی وجود دارد. کنترل کننده تطبیقی، کنترل کننده ای است با پارامترهای قابل تنظیم همراه با مکانیزمی برای تنظیم پارامترها در راستای  اهداف کنترل که چنین کنترل کننده ای به دلیل وجود مکانیزم تنظیم، غیرخطی است، لیکن دارای ساختار ویژه ‌ای است. در چنین کنترل کننده ای بايد معادلات حاكم بر سيستم را شناسايي كرد و سپس براي مدل به دست آمده ،کنترل کننده مناسبی طراحي نمود. در این صورت در مقابل تغييرات مدل کنترل کننده، تغييراتي خواهد داشت تا عملكرد سيستم حلقه بسته بهبود يابد. به اين دليل آن را  کنترل تطبیقی مي گويند. دلیل اولیه مطرح شدن کنترل تطبیقی، رسیدن به کنترل کننده هایی بود که بتوانند با تغییر دینامیک ‌های فرآیند و مشخصه‌ های اغتشاش به روز رسانی شوند و در مقابل این تغییرات شرایط، فرمان‌ های کنترل متفاوتی ارسال کنند. این حقیقت ثابت ‌شده است که روش‌ های تطبیقی برای تنظیم خودکار کنترل کننده ها در برابر اغتشاش های داخلی و خارجی، آنلاین بودن، همزمان و بلادرنگ بودن، به صورت به روز شده در هر لحظه قابل ‌استفاده هستند. لذا نیاز به طراحی یک ساختار کنترل کننده مقاوم تطبیقی است که قابلیت های نام برده را دارا باشد. از این رو، به دلیل عدم قطعیت در سیستم های کنترلی غیرخطی، منطق فازی دارای کاربرد بالایی است که بتواند مدل فضای حالت از دنیای عدم قطعیت را به حالت قطعیت، ارائه بدهد. شماتیک فازی برای طراحی قوانین کنترلی بازخورد حالت، نیاز به مدلی دارد که مزیت کنترل کننده در حالت آنلاین از طریق تکنیک تنظیم کننده درجه دوم تعیین شود که به صورت غیرخطی باشد. علاوه بر این، ساختار فازی سیستم با استفاده از ناقل های پایدار و عملکرد در سطح مقیاس به منظور غلبه بر سوئیچینگ ناپیوسته در سیستم کنترل غیرخطی طراحی می شود که از این رو، نیاز به استفاده از یک سیستم استنتاج فازی با شرایط نام برده را دارد. از این رو، مدل منطق فازی برای مشاهده فضای حالت، به صورت فازی نوع دوم خواهد بود. قوانین کنترل به صورت جبران سازی توزیع موازی یا PDC  هستند که در اصل کنترل کننده دارای یک ساختار بازخورد پویای غیرخطی است. مشکلات همگام سازی کنترل کننده به عنوان مسئله نابرابری ماتریس خطی یا LMI فرموله شده است. یعنی می توان گفت که پارامترهای کنترل کننده PDC از مجموعه ای از شرایط LMI به دست می آیند و با ساختار فازی نوع دوم، برای تعیین فضای حالت کنترل کننده مدنظر قرار می گیرد و بهینه سازی کنترل کننده با روش Q-Learning انجام می شود.

به صورت کلی، در این تحقیق، ترکیبی از روش Q-Learning و کنترل کننده ترکیبی LMI و PDC مبتنی بر ساختار منطق فازی نوع دوم در ميراگرهاي XADAS برای ساختمان های مرتفع ارائه شده است. به منظور اطمینان از ایمنی ساختاری که اساسا به پاسخ جابجایی ساختمان بستگی دارد، یک کنترل کننده منطق فازی نوع دوم برای ارزیابی نیروی کنترل فعال در یک سیستم کنترل کننده ATMD بر اساس دریافت حداکثر کاهش در پاسخ جابجایی بالای ساختمان طراحی شده است. در طراحی سیستم منطق فازی نوع دوم، بهترین پاسخ جابجایی و سرعت پاسخ ساختمان به عنوان بازخورد سیستم فازی در نظر گرفته می شود. پارامترهای مختلفی در سیستم منطق فازی نوع دوم، بهینه سازی می شوند که به عنوان مثال می توان به نسبت میراییATMD ، نسبت فرکانس، نسبت جرم، پارامترهای همپوشانی در توابع عضویت (پارامترهای ورودی و خروجی) و غیره اشاره نمود که با استفاده از روش Q-Learning، بهینه می شوند تا حداکثر کاهش در پاسخ ساختمان را به دست آورد. برای مطالعه عددی در این تحقیق، یک ساختمان 11 طبقه با یک سری داده های زلزله و تاثیرات بر روی آن، انتخاب شده است که به عنوان یک قاب برشی، مدل سازی می شود و مشکل در فضای حالت حل می شود. ساختار به عنوان یک سیستم غیرخطی در نظر گرفته شده است. همچنین، سیستم کنترلی، یک کنترل کننده ترکیبی LMI و یک کنترل کننده PDC برای کنترل پاسخ ساختمان طراحی شده اند. رویکرد ارائه شده در این تحقیق می تواند برای سیستم های ترکیبی یا سوئیچینگ اعمال شود.

عكس خروجی برنامه

عکس 1

عکس 2

عکس 3

عکس 4

عکس 5

عکس 6

عکس 7

عکس 8

عکس 9

 

 

برای خرید این پروژه با شماره 09360703858

یا آدرس ایمیل nn4e@aol.com در تماس باشید.