Y. Dorjsuren, L. Tumenbayar, J. Tsevegmid
دسته:
Uncategorized, تئوری جامع ماشین های الکتریکی, شبیه سازی مقاله, ماشین
های الکتریکی, مهندسی برق, مهندسی برق قدرت برچسب: پروژه آماده تئوری جامع
ماشین های الکتریکی, پروژه آماده ماشین الکتریکی, پروژه برق قدرت, شبیه
سازی ماشین القایی, شبیه سازی مقاله
A Single-Stage LED Driver With High-Performance Primary-Side-Regulated Characteristic
Yijie Wang ; Shu Zhang ; J. Marcos Alonso ; Xiaosheng Liu ; Dianguo Xu
عنوان
فارسی: درایور LED یک طبقه با مشخصه‌ی تنظیم (ثابت نگه‌داشتن جریان خروجی
تحت شرایط تغییر بار) سمت اولیه (ورودی) با عملکرد بالا
دسته:
پروژه الکترونیک قدرت, ترجمه مقاله, شبیه سازی مقاله, مهندسی برق, مهندسی
برق قدرت برچسب: الکترونیک صنعتی, پروژه الکترونیک صنعتی, پروژه الکترونیک
قدرت, پروژه اماده برق قدرت, مقاله شبیه سازی شده برق قدرت
درایور LED یک طبقه با مشخصه‌ی تنظیم (ثابت نگه‌داشتن جریان خروجی تحت شرایط تغییر بار) سمت اولیه (ورودی) با عملکرد بالا
چکیده_
درایور قدیمی LED فلای بک با عملکرد پایین آن محدود می‌شود که معمولاً با
الزامات ضریب توان (PF) و کل اعوجاج هارمونیک(THD) مطابق با Energy Star
یا IEC61000-3-2 مطابقت ندارد. حلقه کنترل از سمت ثانویه (خروجی) به سمت
اولیه (ورودی) دارای قابلیت اطمینان کمی است و اجزای بیشتری را بکار
میگیرد که چگالی توان سیستم را کاهش می‌دهد و هزینه را افزایش می‌دهد.
به‌طور خلاصه، بر اساس مبدل سلفی اولیه تک سر یک طبقه (SEPIC) و مبدل فلای
بک، درایور LED یک طبقه با مشخصه‌ی تنظیم سمت اولیه (ورودی) جهت بهبود
عملکرد سیستم پیشنهاد می‌شود. باکار در حالت هدایت ناپیوسته، مدار SEPIC
به‌طور طبیعی تصحیح ضریب توان را تشخیص می‌دهد. برای مبدل فلای بک، روش
پیشنهادی تنظیم سمت اولیه (ورودی)، چگالی توان را بهبود می‌دهد و کنترل
دقیق جریان خروجی را تضمین می‌کند. یک نمونه اولیه ۱۰۰ وات مبتنی بر
SEPIC-فلای بک برای بررسی آنالیز ساخته شد و نتایج تجربی با نتایج آنالیز
به‌طور مطلوبی منطبق بودند.
کلمات کلیدی- عملکرد بالا، درایور LED، تنظیم سمت اولیه (ورودی).
I . مقدمه
در
مقایسه با منابع روشنایی قدیمی مانند لامپ‌های فلورسنت و لامپ‌های
رشته‌ای، LED ها دارای مزایای منحصربه‌فرد خود هستند [۱]: عمر طولانی،
صرفه‌جویی در مصرف انرژی، شدت روشنایی بالا و غیره؛ بنابراین LED ها در
بسیاری از کاربردها مانند روشنایی عمومی، نور پس‌زمینه LCD، چراغ تزئینی و
غیره، استفاده‌شده‌اند. به‌منظور اطمینان از بازده خوب LED ها، درایور LED
با کارآمدی و قابل‌اعتماد بالا با خروجی جریان ثابت، ضروری است.
در
کاربردهای کوچک و متوسط توان، مبدل فلای بک به دلیل سادگی و مشخصه
جداسازی آن، یک توپولوژی رایج است [۲]. برای برآوردن الزامات ضریب توان و
کل اعوجاج هارمونیک مطابق با IEC 61000-3-2 و Energy Star، یک مدار تصحیح
ضریب توان طبقه اول ضروری است.
برای سلول تصحیح ضریب توان، مبدل‌های
بسیاری وجود دارند که می‌توانند به‌عنوان مدارهای تصحیح ضریب توان مانند
مبدل کاهنده، افزاینده و کاهنده-افزاینده، SEPIC و غیره، استفاده شوند.
دسته:
شبیه سازی مقاله, کنترل بهینه, کنترل غیرخطی, کنترل فازی, کنترل مدرن,
کنترل مقاوم, مهندسی برق, مهندسی برق کنترل برچسب: پروژه آماده فازی, پروژه
آماده کنترل غیر خطی, پروژه کنترل بهینه, پروژه کنترل فازی, پروژه کنترل
مقاوم, شبیه سازی مقاله, مهندسی برق, مهندسی کنترل
کنترل
فازی در مقایسه با کنترل کننده PID کلاسیک،دارای مزایای بسیار زیادی
میباشد.کنترل فازی بدون استفاده از مدل ریاضی قسمت کنترلی سیستم،میتواند
عملکرد بسیار مطلوبی از خود به نمایش بگذارد.علاوه بر این،پایداری بسیار
بالا و روباست بودن از ویژگی های کنترل فازی میباشد(یک سیستم کنترلی روباست
است اگر در مقابل اغتشاشات بیرونی و نیز تغییر ورودی ها،عملکرد مطلوبی از
خود نشان بدهد).با ترکیب کردن کنترل کننده ی PID و سیستم فازی،کنترل کننده
ی FUZZY PID به وجود می آید که دارای عملکرد بسیار مطلوب تری نسبت به PID
های قدیمی می باشد.در این مقاله در مورد تنظیم خودکار پارامترهای کنترل
کننده PID توسط سیستم فازی بحث میگردد.عملکرد این کنترل کننده با PID های
قدیمی مقایسه میگردد.نتایج به دست آمده نشان دهنده ی این موضوع هستند که
FUZZY PID بسیار روباست تر از PID کلاسیک میباشد.
کنترل
فازی بر مبنای تجربه بنا گردید.زبان فازی،بیان کننده ی نحوه ی تفکر انسان و
واکنش های ذهن او به اتفاقات پیچیده میباشد.بنابراین،کنترل فازی نواقص
کنترل کننده های کلاسیک را برطرف میسازد.به دلیل همین مزایا،کنترل فازی در
۲۰ سال اخیر پیشرفت بسیار چشمگیری داشته است.کنترل فازی در مقایسه با کنترل
کننده های کلاسیک،میتواند بدون نیاز به مدل ریاضی سیستم تحت کنترل،عملکرد
بسیار خوبی داشته باشد.با این روش،سیستم های کنترلی غیر خطی را نیز میتوان
به خوبی کنترل نمود.
کنتنرل
فازی در مقابل تغییرات پارامترهای سیستم تحت کنترل عملکرد بسیار خوبی
دارد(روباست است) و اغتشاشات خارجی وارد شده بر سیستم را نیز به نحو مطلوبی
دفع مینماید.بنابراین،کنترل فازی به دلیل اجزای ساده و روباست بودن،بسیار
مقبول و مطلوب است.
شبیه سازی مقاله A Maximum Principle for Optimal Control of Discrete-Time Stochastic Systems With Multiplicative Noise
استخراج قواعد فازی از داده ها با استفاده از ترکیب الگوریتم ژنتیک و ازدحام ذرات
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
۸۹,۰۰۰ 09367292276
شبیه سازی مقاله با عنوان
Design of fuzzy expert system for microarray data classification using a novel Genetic Swarm Algorithm
P.Ganesh KumarوT.Aruldoss Albert Victoireو P.Renukadeviو D.Devaraj
سال انتشار: 2012
مقاله ژورنال
مناسب برای ارائه به عنوان
پروژه آماده یادگیری ماشین (ماشین لرنینگ)
به همراه شبیه سازی در متلب
دسته:
کنترل فازی, مهندسی کامپیوتر, یادگیری ماشین برچسب: پروژه آماده فازی,
پروژه آماده یادگیری ماشین, شبیه سازی مقاله الگوریتم ژنتیک, شبیه سازی
مقاله فازی, شبیه سازی مقاله یادگیری ماشین
09367292276
09367292276
داده های استفاده شده در شبیه سازی مقاله:
مجموعه داده‌ی Alon et al. برای سرطان Colon به صورت زیر است:
شامل مقدا بیان ژن برای ۲۰۰۰ ژن و ۶۲ فرد نمونه است. از این ۶۲ نفر ۴۰ نفر بیمار هستند و ۲۲ نفر سالم.
سطر اول شماره ژن ها و ستون اول شماره نمونه هاست.
ستون آخر، برچسب نمونه‌ها را نشان می‌دهد. داده‌های با برچسب ۱- سرطانی
بودن را نشان می‌دهند و داده‌های با برچسب ۱ از کلاس نمونه‌های سالم هستند.
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
نکته:
چون گام Gene selection نمی‌خواد انجام بشه با توجه به محتویات جدول A1 در
مقاله به اون دیتاست Alon et al. و شامل دو هزار ژن بود، احتیاجی نیست.
چون اسم ژن ها تو اون دیتاست نبود ما با توجه به اسم ژن های انتخابی،
دیتاست رو دوباره وارد فایل اکسل کردیم. استخراج قواعد فازی از همین ده ژن
انتخابی در فایل csv ارائه شده کافی است.
توضیحات برای مجموعه داده :
اصل این دیتاست از مقاله Alon et al. 1999 برای داده‌های سرطان colon
استخراج شده که مشتمل بر مقادیر بیان ژن برای ۲۰۰۰ ژن از ۶۲ نمونه است.
ستون آخر این دیتاست گروه مربوط به هر نمونه است. ۱- نشانه بیمار(سرطانی)
بودن نمونه و ۱ نشانه سالم بودن نمونه است.
با توجه به بخش
۵.۲، ده ژن از میان ۲۰۰۰ ژنِ دیتاست اصلی انتخاب شده‌اند که در جدول A1
ضمیمه مقاله، آمده است. چون که روند اصلی پیاده‌سازی مقاله روی این ده ژن
انجام میگیرد از مجموعه داده‌ی اصلی دیتای مربوط به آنها را استخراج کردیم
و در ضمیمه فایل rar ارائه شده است. روند پیاده‌سازی شامل فازی کردن
داده‌ها (بخش ۴.۱ در مقاله) ، پیاده سازی الگوریتم ژنتیک و ازدحام ذرات
(۴.۲ و ۴.۳ و ۴.۴) و در نهایت استخراج قواعد؛ تنها برای همین مجموعه داده
بهبود الگوریتم smote بر پایه خوشه بندی k-means
۸۰,۰۰۰ 09367292276
بهبود الگوریتم smote بر پایه خوشه بندی k-means
بر اساس پایان نامه
Oversampling for Imbalanced Learning Based on K-Means and SMOTE
Felix Last, Georgios Douzas, Fernando Bacao
به همراه شبیه سازی در پایتون و فایل ویدئویی راهنمای اجرای برنامه
این کار قسمتی از پروژه پایانی کارشناسی ارشد مهندسی کامپیوتر بوده است.
دسته: Uncategorized, پایان نامه, شبیه سازی مقاله کامپیوتر اماده, مهندسی کامپیوتر
09367292276
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.
اولین نفری باشید که دیدگاهی را ارسال می کنید برای “بهبود الگوریتم smote بر پایه خوشه بندی k-means”
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *
امتیاز شما
1 2 3 4 5
دیدگاه شما *
نام *
ایمیل *
متن پایان نامه کارشناسی ارشد فناوری اطلاعات: بررسی تاثیر هوش تجاری بر اثربخشی سازمان
۳۲,۹۰۰ 09367292276
خرید و دانلود
متن پایان نامه کارشناسی ارشد رشته IT فناوری اطلاعات
موضوع
بررسی تاثیر هوش تجاری بر اثربخشی سازمان
در 55 صفحه ورد
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
دسته:
پایان نامه, تحقیق و سمینار آماده کامپیوتر, مهندسی کامپیوتر برچسب: پایان
نامه, سمینار آماده کامپیوتر, سمینار مهندسی کامپیوتر, مهندسی فناوری
اطلاعات, هوش تجاری
پروژه آماده طراحی وبسایت برای کتابخانه با استفاده از پایگاه داده
۳۵,۰۰۰ 09367292276
پروژه آماده طراحی سایت
پروژه ساخت وب سایت کتابخانه با قابلیت پایگاه داده و استفاده از PHP, html,css
دسته: پروژه طراحی سایت, مهندسی کامپیوتر برچسب: MYSQL, پایگاه داده, پروزه طراحی سایت, پروژه آماده طراحی سایت, طراحی وب
09367292276
09367292276
این وبسایت دو قسمت مهم دارد
۱- قسمت مدیریت که admin نام دارد
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
۲- قسمت کاربر
در قسمت admin که برای متصدی کتابخانه نوشته شده است
قابلیت ایجاد کتاب، تعریف ناشر و تحویل کتاب به کاربر و پس گرفتن کتاب وجود دارد
در قسمت کاربری می توان عضو کتابخانه شد و مشاهده کرد که چه کتابهایی را از کتابخانه قرض گرفته ایم.
نکته: کلیه متن هایی که در صفخاتی همچون صفحه اصلی، درباره کتابخانه
و راهنمای کاربران نوشته شده مفهومی نداشته و از سایت های کتابخانه کپی شده است.
برای ورود به قسمت مدیریتی باید آدرس
http://localhost/library/admin/main
چون وارد سیستم نشده ایم اجازه ورود به ما نداده و خودکار ما را به صفحه ورود می برد.
ایمل ورود
admin@admin.com
و رمز ورود
admin
است.
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
نکته: در قسمت مدیریتی ثبت نام نداریم چون معنی ندارد که هر کس خواست در سیستم به عنوان مدیر ثبت نام کند.
نکته
دو: یکی از مهمترین قسمت های هر کتاب ناشر آن است. ناشر ها به صورت جدولی
جدا طراحی شده اند. علت استفاده از این جدول اضافی بالا بردن پیچیدگی
برنامه برای کسب نمره بهتر است.
ولی به صورت منطقی هم می توان گفت در این کتابخانه می توان قابلیت جستجوی پیشرفته تعبیه کرد که البته الان نوشته نشده است.
ولی در آن صورت نیاز است تا کتاب ناشران مختلف را مشاهده کنیم. و این جدول برا آنجا مفید است.
در
قسمت اضافه کردن ناشر می توان ناشر جدیدی اضافه کرد و همچنین در پایین
صفحه لیستی از کلیه ناشرانی که قبلا اضافه شده اند را میتوان مشاهده کرد.
در نشخه فعلی نمی توان ناشران را حذف یا ویرایش کرد.
نکته دیگر توابع کار با پایگاه داده در پوشه classes و در فایل
connect.php در کلاس conn نوشته شده است.
در پایگاه داده ۴ کار اصلی می توان انجام داد:
ایجاد داده جدید:۱-
این کاربرددر ایجاد ناشر، کتاب استفاده شده.
برای امانت دادن کتاب نیز یک سطر جدید ایجاد می شود.
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
۲- حذف داده
این مورد در پس دادن کتاب با حذف رکورد مربوطه انججام می شود.
۳- ویرایش داه
در هنگام قرض دادن کتاب ، فیلد تعداد کتاب های موجود یکی کم می شود.
هنگام پس گرفتن یکی زیاد می شود
و این ویرایش داده هاست.
۴- بازیابی داده
در قسمت های نمایش لیست ناشران، نمایش لیست کتاب ها
و خیلی دیگر از جا ها داده بازیابی شده است.
نکات فنی:
برای طراحی ظاهر کار از چارچوب Css به نام bulma استفاده شده است.
سایت رسپانسیو است یعنی در موبایل نیز به خوبی نشان داده می شود.
علت استفاده از این چارچوب زیبایی و رسپانسیو شدن سایت است.
پوشه ها:
admin
کلیه فایل های مربوط به قسمت مدیریتی سایت
classes
کلاس کار با پایگاه داده
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
images
عکس و آیکون های استفاده شده
scripts
فایل های js که این فایل از چارچوب bulma کپی شده است.
styles
فایل های cSS
ریشه اصلی سایت
کلیه فایل های مربوط به کاربر سایت.
نام پایگاه داده library است
پایگاه داده localhost
نام کاربری root
پسورد ندارد
فایل پایگاه داده از wamp
export شده است
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
برای استفاده آن را در PHPMyadmin خود importکنید.
هیچ کتاب یا ناشری در سیستم تعریف نشده است.
لطفا هنگام ایجاد کتاب یا ناشر به نوع فیلد ها توجه
بخش بندی سه بعدی تصاویر پزشکی (قطعه بندی از تصاویر دوبعدی و بازسازی سه بعدی از اتصال آنها به هم
۵۵,۰۰۰ 09367292276
۴۵,۰۰۰ 09367292276
پروژه درس پردازش تصویر
مقدمه و اهمیت موضوع
هدف پژوهش
قطعه بندی دو بعدی
بازسازی سه بعدی از قطعه بندی های دو بعدی
بحث و نتیجه گیری
مقالات مرتبط با این پروژه
Vertebral
body segmentation in wide range clinical routine spine MRI data Georg
Hille a , ∗, Sylvia Saalfeld a , Steffen Serowy b , Klaus Tönnies a
Variability of manual lumbar spine segmentation Daniel J. Cook, MS a, David A. Gladowski, BS a, Heather N. Acuff a,
Matthew S. Yeager, BS a, Boyle C. Cheng, PhD a,b,*
Segmentation of Anatomical Structures of Spine using Active Contour Models for Assessing Spinal Disorders
Anitha H.1, G. K. Prabhu2,Karunakar A. K.3 and Dinesh K.V. N.4
Hybrid Level-Sets for Vertebral Body Segmentation in Clinical Spine MRI
Georg Hillea,∗, Sylvia Glaßera, Klaus T¨onniesa
دسته:
پردازش تصویر, پردازش تصویر, پردازش تصویر, مهندسی برق, مهندسی پزشکی,
مهندسی کامپیوتر برچسب: image processing, استخراج هندسه استخوان, الگوریتم
snake, پردازش تصویر, تصاویر پزشکی, روش کانتور فعال, قطعه بندی یا بخش
بندی (segmentation) تصاویر
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
پروژه درس پردازش تصویر
این
پک شامل فایل word راهنما، دو پوشه از نمونه تصاویر پزشکی CT با تعداد
اسلایس بالا، یک پوشه از برخی مقالات انگلیسی مرتبط با این پروژه، یک فایل
پاورپوینت به صورت ارائه و سه فایل کد matLab هست
توضیحات بطور کامل در فایل ورد راهنما هست
مربوط به زمینه های تحقیقاتی زیر می باشد:
بازسازی
سه بعدی تصاویر، مدلسازی سه بعدی از تصاویر دوبعدی، پردازش تصویر، استخراج
هندسه استخوان، تصاویر پزشکی (سی تی، رادیوگرافی)، قطعه بندی یا بخش بندی
(segmentation) تصاویر، روش کانتور فعال، الگوریتم snake (این سه مورد آخر
در واقع اشاره به روشهای تخصصی پردازش تصویر میپردازه)
استخراج قواعد فازی از داده ها با استفاده از ترکیب الگوریتم ژنتیک و ازدحام ذرات
۸۹,۰۰۰ 09367292276
شبیه سازی مقاله با عنوان
Design of fuzzy expert system for microarray data classification using a novel Genetic Swarm Algorithm
P.Ganesh KumarوT.Aruldoss Albert Victoireو P.Renukadeviو D.Devaraj
سال انتشار: 2012
مقاله ژورنال
مناسب برای ارائه به عنوان
پروژه آماده یادگیری ماشین (ماشین لرنینگ)
به همراه شبیه سازی در متلب
دسته:
کنترل فازی, مهندسی کامپیوتر, یادگیری ماشین برچسب: پروژه آماده فازی,
پروژه آماده یادگیری ماشین, شبیه سازی مقاله الگوریتم ژنتیک, شبیه سازی
مقاله فازی, شبیه سازی مقاله یادگیری ماشین
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
داده های استفاده شده در شبیه سازی مقاله:
مجموعه داده‌ی Alon et al. برای سرطان Colon به صورت زیر است:
شامل مقدا بیان ژن برای ۲۰۰۰ ژن و ۶۲ فرد نمونه است. از این ۶۲ نفر ۴۰ نفر بیمار هستند و ۲۲ نفر سالم.
سطر اول شماره ژن ها و ستون اول شماره نمونه هاست.
ستون آخر، برچسب نمونه‌ها را نشان می‌دهد. داده‌های با برچسب ۱- سرطانی
بودن را نشان می‌دهند و داده‌های با برچسب ۱ از کلاس نمونه‌های سالم هستند.
نکته:
چون گام Gene selection نمی‌خواد انجام بشه با توجه به محتویات جدول A1 در
مقاله به اون دیتاست Alon et al. و شامل دو هزار ژن بود، احتیاجی نیست.
چون اسم ژن ها تو اون دیتاست نبود ما با توجه به اسم ژن های انتخابی،
دیتاست رو دوباره وارد فایل اکسل کردیم. استخراج قواعد فازی از همین ده ژن
انتخابی در فایل csv ارائه شده کافی است.
توضیحات برای مجموعه داده :
اصل این دیتاست از مقاله Alon et al. 1999 برای داده‌های سرطان colon
استخراج شده که مشتمل بر مقادیر بیان ژن برای ۲۰۰۰ ژن از ۶۲ نمونه است.
ستون آخر این دیتاست گروه مربوط به هر نمونه است. ۱- نشانه بیمار(سرطانی)
بودن نمونه و ۱ نشانه سالم بودن نمونه است.
با توجه به بخش ۵.۲، ده
ژن از میان ۲۰۰۰ ژنِ دیتاست اصلی انتخاب شده‌اند که در جدول A1 ضمیمه
مقاله، آمده است. چون که روند اصلی پیاده‌سازی مقاله روی این ده ژن انجام
میگیرد از مجموعه داده‌ی اصلی دیتای مربوط به آنها را استخراج کردیم و در
ضمیمه فایل rar ارائه شده است. روند پیاده‌سازی شامل فازی کردن داده‌ها
(بخش ۴.۱ در مقاله) ، پیاده سازی الگوریتم ژنتیک و ازدحام ذرات (۴.۲ و ۴.۳ و
۴.۴) و در نهایت استخراج قواعد؛ تنها برای همین مجموعه داده.
یک روش انتخاب ویژگی دو مرحله‌ای برای موضوع‌بندی متن بر اساس مقاله با استفاده از الگوریتم ژنتیک
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
۹۹,۰۰۰ 09367292276
شبیه سازی مقاله الگوریتم ژنتیک در متلب
A
two-stage feature selection method for text categorization by using
information gain, principal component analysis and genetic algorithm
Harun Uğuz
سال انتشار 2011
مقاله ژورنال
موارد زیر برای مقاله ذکر شده بررسی شده است:
توضیح مختصری از مقاله و الگوریتم بیان شده
پیاده سازی الگوریتم بیان شده در مقاله روی دیتاست دلخواه
نمایش نتایج و ارزیابی روش از لحاظ دقت و زمان
مقایسه با نتایج به دست آمده در مقاله
مناسب برای ارائه به عنوان
پروژه آماده الگوریتم ژنتیک
پروژه آماده درس هوش مصنوعی
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
دسته:
Uncategorized, الگوریتم ژنتیک, شبیه سازی مقاله, مهندسی برق, مهندسی برق
کنترل, مهندسی کامپیوتر برچسب: پروژه آامده الگوریتم ژنتیک, پروژه آماده,
پروژه آماده هوش مصنوعی, شبیه سازی مقاله الگوریتم ژنتیک
09367292276
09367292276
نتایج اصلی این مقاله با ۵۰۰ تکرار بدست می آیند که تقریبا ۳ روز نیاز به اجرا دارد.
نتایج توی فایل اکسل ذخیره میشوند.
مدل مسئله بصورتی هست که برای هر روش ۱۰ بار کراس ولیدیشن دارد
با روش ایتفرمیشن جین ده تا حالت داره
حالا برای هر کدوم از این ۱۰۰ تا حالت ۵۰۰ تکرار الگوریتم ژنتیک هم لازم است.
در
این مقاله هدف اجرای دو رویکرد دو مرحله‌ای در دسته‌بندی متن دنبال شده
است. همانطور که در شکل ۱ مشاهده می‌شود، پس از انجام پیش‌پردازش‌های لازم و
تبدیل متن به برداری از ویژگی‌های عددی تعریف‌کننده، ابتدا به‌صورت مستقیم
و با استفاده از دو مدل دسته‌بندی شناخته شده KNN و SVM دسته‌بندی صورت
گرفته است. دلیل استفاده از SVM و جایگزینی آن با C4.5 این بوده است که
پیاده‌سازی شخصی این روش (که در پوشه ارسالی نیز موجود است) سرعت اجرایی
بسیار پایینی دارد. بنابراین، روش SVM موجود در متلب به‌عنوان جایگزین
انتخاب شده است. سپس، با استفاده از روش Information Gain (IG) هر یک از
مقادیر ویژگی استخراج شده نرمال شده‌اند.
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com