فیلترها/جستجو در نتایج    

فیلترها

سال

بانک‌ها




گروه تخصصی











متن کامل


اطلاعات دوره: 
  • سال: 

    1390
  • دوره: 

    15
  • شماره: 

    57
  • صفحات: 

    253-264
تعامل: 
  • استنادات: 

    1
  • بازدید: 

    1848
  • دانلود: 

    333
چکیده: 

نقشه های پوشش اراضی حاصل از تصاویر ماهواره ای نقش مهمی در ارزیابی های منطقه ای و ملی پوشش اراضی ایفا می کنند. به منظور مقایسه روش های طبقه بندی کننده حداکثر مشابهت و حداقل فاصله از میانگین در تهیه نقشه پوشش اراضی از داده های سنجنده LISS-III ماهواره IRS-P6 در بخش غربی شهر اصفهان، مربوط به تاریخ 18 مرداد 1387 استفاده گردید. ابتدا تصویر LISS-III با خطای جذر میانگین مربعات کمتر از یک پیکسل زمین مرجع شد. پس از تهیه تصویر رنگی و محاسبه شاخص واگرایی نمونه های تعلیمی، طبقه بندی تصویر با استفاده از الگوریتم های حداکثر مشابهت و حداقل فاصله از میانگین انجام شد و 6 کلاس رودخانه، اراضی بایر، اراضی کشاورزی، مناطق شهری، اتوبان و برون زدگی سنگی استخراج شد. نتایج طبقه بندی نشان داد کلاس مناطق شهری پوشش غالب در منطقه بوده و 6821.1 هکتار از منطقه معادل 38.9 درصد را به خود اختصاص می دهد. بررسی صحت روش ها بر اساس ضریب کاپا و صحت کلی، با استفاده از تجزیه و تحلیل ماتریس خطا صورت گرفت. بر طبق نتایج به دست آمده، صحت کلی برای طبقه بندی کننده حداکثر مشابهت 94.9 درصد و حداقل فاصله از میانگین 85.2 درصد می باشد. نتایج نشان می دهد که طبقه بندی کننده حداکثر مشابهت نسبت به روش حداقل فاصله از میانگین برتری دارد.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 1848

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 333 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 1 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
نویسنده: 

امینی محمدرشید

اطلاعات دوره: 
  • سال: 

    1390
  • دوره: 

    1
تعامل: 
  • بازدید: 

    400
  • دانلود: 

    149
چکیده: 

در این تحقیق به منظور انتخاب بهترین الگوریتم برای طبقه بندی تصاویر ETM+ ماهواره لندست و تهیه نقشه جنگل در جنگل های آرمرده بانه سه الگوریتم MINIMUM DISTANCE،  Maximum Liklihoodو Parallel epiped مورد بررسی قرار گرفتند. در این تحقیق از نسبت گیری های طیفی استفاده و باندهای مصنوعی مختلفی تهیه شدند. سپس مجموعه های باندی بدست آمده با استفاده از 3 الگوریتم ذکر شده طبقه بندی شدند. پس از عمل طبقه بندی به ارزیابی صحت نتایج با استفاده از ضریب های صحت کلی و ضریب کاپا، مقادیر صحت تولید کننده، صحت کاربر و خطای Ommission و Commission پرداخته شد. نتایج تحقیق نشان داد که الگوریتم Maximum Liklihood دارای بالاترین صحت برای طبقه بندی تصاویر ماهواره ای و تهیه نقشه جنگل می باشد.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 400

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 149
نویسنده: 

Arghavanian Azar | Behifar Maede

اطلاعات دوره: 
  • سال: 

    2016
  • دوره: 

    1
تعامل: 
  • بازدید: 

    274
  • دانلود: 

    0
چکیده: 

PRIMARY GOAL OF ANY UTILITY IS TO PLAN AND MANAGE THE USE OF FACILITIES TO DELIVER A COMMODITY SUCH AS WATER, NATURAL GAS, OR ELECTRICITY TO ITS CUSTOMERS. GIS IS USED FOR MONITORING AND PLANNING POWER GENERATION RESOURCES. SOPHISTICATED SPATIAL ANALYSIS IS USEFUL FOR DETERMINING OPTIMUM GENERATION, DISTRIBUTION, STUDYING ENVIRONMENTAL IMPACT, AND MANAGING FACILITY ASSETS. GIS IS USED TO SPATIALLY ANALYZE NETWORK CONGESTION, CONSIDER GROWTH OPPORTUNITIES FOR RENEWABLE ENERGY SOURCES, DETERMINE SITE FEASIBILITY, AND CREATE ENERGY RESOURCE MARKET SCENARIOS. NETWORK ANALYSIS HAS A STRONG THEORETICAL BASIS IN THE MATHEMATICAL DISCIPLINES OF GRAPH THEORY AND TOPOLOGY, AND IT IS THE TOPOLOGICAL RELATIONSHIPS INHERENT IN NETWORKS THAT LED TO REVOLUTIONARY ADVANCES IN GIS DATA STRUCTURES. POWER COMPANIES ARE USING NEW BUSINESS STRATEGIES TO BETTER MANAGE AND IMPROVE SERVICE. IN THE REGONAL ELETRICAL COMPANY OF AZARBAYJAN LIKE OTHER COMPANIES AROUND THE WORLD IN THE FIRST STEP REQUIRED SPATIAL DATA COLLECTED AND PREPARED FOR GDB CONSTRUCTION ACCORDING TO THE CONCEPTUAL MODELS WHICH STRUCTURED BY GOVERNMENTAL POWER SUPERVISOR COMPANY (TAVANIR CO). CONSIDERING THE NECESSITY OF KEEPING THE GDB UP TO DATE, THIS STUDY HAS ANALYSED THE METHODOLOGIES BY WHICH IT COULD BE POSSIBLE TO QUANTIFY THE OPTIMAL LENGTH OF TRANSMITION ROADS TO ACCESS TO THE ELECTRICAL ENTITIES FOR INSTANCE SUBSTITUTIONS, ETC AND TO AUTOMATICALLY VISUALISE THE RELATED RECOMMENDED ROUTES.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 274

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
نویسندگان: 

APARICIO J. | RUIZ J.L.

اطلاعات دوره: 
  • سال: 

    2007
  • دوره: 

    28
  • شماره: 

    3
  • صفحات: 

    209-218
تعامل: 
  • استنادات: 

    4
  • بازدید: 

    203
  • دانلود: 

    0
کلیدواژه: 
چکیده: 

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 203

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 4 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
نویسندگان: 

ALIEV R.A. | GUIRIMOV B. G. | ALIEV R.R.

اطلاعات دوره: 
  • سال: 

    2004
  • دوره: 

    1
  • شماره: 

    1
  • صفحات: 

    5-5
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    416
  • دانلود: 

    0
کلیدواژه: 
چکیده: 

The paper analyses issues leading to errors in graphic object CLASSIFIERs. The DISTANCE measures suggested in literature and used as a basis in traditional, fuzzy, and Neuro-Fuzzy CLASSIFIERs are found to be not suitable for classification of non-stylized or fuzzy objects in which the features of classes are much more difficult to recognize because of significant uncertainties in their location and gray-levels. The authors suggest a Neuro-Fuzzy graphic object CLASSIFIER with modified DISTANCE measure that gives better performance indices than systems based on traditional ordinary and cumulative DISTANCE measures. The simulation has shown that the quality of recognition significantly improves when using the suggested method.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 416

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
نویسندگان: 

DASKALOV R.N. | GULLIVER T.A.

اطلاعات دوره: 
  • سال: 

    2001
  • دوره: 

    36
  • شماره: 

    -
  • صفحات: 

    175-191
تعامل: 
  • استنادات: 

    1
  • بازدید: 

    168
  • دانلود: 

    0
کلیدواژه: 
چکیده: 

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 168

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 1 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
نویسندگان: 

GABBOUJ M. | COYE E.J.

اطلاعات دوره: 
  • سال: 

    1990
  • دوره: 

    38
  • شماره: 

    6
  • صفحات: 

    955-968
تعامل: 
  • استنادات: 

    1
  • بازدید: 

    126
  • دانلود: 

    0
کلیدواژه: 
چکیده: 

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 126

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 1 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
اطلاعات دوره: 
  • سال: 

    1397
  • دوره: 

    4
  • شماره: 

    13
  • صفحات: 

    75-81
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    800
  • دانلود: 

    152
چکیده: 

فرض کنیم یک گراف ساده و همبند باشد. در این صورت برای راس دلخواه از گراف، عدد انتقال رأس که با نماد نمایش داده می شود، مجموع فاصله های راس از بقیه رئوس گراف تعریف می شود. ماتریس لاپلاسین بدون علامت فاصله ی گراف به صورت تعریف می شود، جایی که ماتریس فاصله گراف و ماتریس قطری متشکل از اعداد انتقال رئوس گراف می باشد. در این مقاله، برای مینیمم مجموعه احاطه گری گراف، ماتریس لاپلاسین بدون علامت فاصله ی مینیمم احاطه گری از گراف، که آن را با نماد نمایش خواهیم داد، را تعریف کرده و برخی خواص مهم آن را بررسی می نماییم. همچنین انرژی ماتریس را به صورت مجموع مقادیر ویژه آن تعریف کرده و تعدادی کران بالا و پایین برای انرژی و همچنین برای شعاع طیفی (بزرگترین مقدار ویژه ماتریس ) ارائه می دهیم.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 800

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 152 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
اطلاعات دوره: 
  • سال: 

    1384
  • دوره: 

    17
  • شماره: 

    2 (ویژه مهندسی برق)
  • صفحات: 

    65-82
تعامل: 
  • استنادات: 

    1
  • بازدید: 

    1008
  • دانلود: 

    170
چکیده: 

در این مقاله روشی برای بازشناسی برخط حروف مجزای فارسی ارایه می شود. حروف مجزای فارسی بر اساس نقاط و علایم بالا یا پایین بدنه اصلی به 12 گروه تقسیم شده اند. نخست نقاط و علایم بالا یا پایین هر حرف تشخیص داده می شود و سپس با توجه به آن گروهی که حرف ناشناخته در آن قرار می گیرد، تعیین می شود. در صورتی که در گروه مربوط فقط یک کلاس وجود داشته باشد، آن کلاس به حرف ناشناخته نسبت داده می شود و گرنه بدنه حرف ناشناخته با بدنه های حروفی از پایگاه داده که با حرف ناشناخته هم گروه هستند، مقایسه می شود و با طبقه بندی کمترین فاصله بازشناسی انجام می گیرد. میزان بازشناسی درست برای 4144 حرف، 93.3% است. در صورتی که نویسنده مطابق انتظار سیستم بنویسد و شکل های رایج نوشتن نقاط و علایم را رعایت کند، بازشناسی به بالاتر از 98% می رسد. با دیدن خطاهای سیستم هنگام کار با آن، نویسنده می تواند خود را با سیستم سازگار کند.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 1008

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 170 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 1 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 1
اطلاعات دوره: 
  • سال: 

    1398
  • دوره: 

    49
  • شماره: 

    2 (پیاپی 88)
  • صفحات: 

    657-668
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    716
  • دانلود: 

    375
چکیده: 

مقایسه داده ها یک مسأله بنیادی و پرکاربرد در یادگیری ماشین است. در دهه گذشته تحقیقات فراوانی در زمینه یادگیری متریک انجام شده است؛ از کاربردهای یادگیری متریک می توان به خوشه بندی و دسته بندی داده ها اشاره کرد. در این مقاله یک روش یادگیری متریک مناسب برای استفاده در مسائل بینایی ماشین ارائه می شود. اکثر ویژگی هایی که در بینایی ماشین استفاده می شوند، هیستوگرامی هستند؛ اما روش های یادگیری متریک اغلب بر مبنای فاصله ماهالانوبیس طراحی شده اند که در ویژگی های هیستوگرامی کارایی مناسبی ندارد. در این تحقیق یک روش جدید یادگیری متریک برای داده های هیستوگرامی بر مبنای فاصله مربع کای (χ 2) اصلاح شده ارائه می شود. فاصله χ 2 در دسته بندی داده های هیستوگرامی دارای دقت بالاتری نسبت به فاصله اقلیدسی است، اما هزینه محاسباتی آن نیز بالاتر است. در این مقاله یک رابطه تقریبی برای فاصله χ 2 پیشنهاد می شود و بخشی از محاسبات را به مرحله استخراج ویژگی (که به صورت غیربرخط قابل محاسبه است) منتقل می کند؛ به این ترتیب سرعت مقایسه ویژگی ها افزایش می یابد. آزمایش ها بر روی پایگاه های داده مختلف نشان می دهد که روش یادگیری متریک پیشنهادی دارای دقت بالایی در دسته بندی داده های هیستوگرامی مختلف نسبت به روش های موجود است. همچنین معیار تقریبی برای فاصله χ 2، با حفظ دقت، سرعت مقایسه داده ها را 2. 5 برابر افزایش می دهد.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 716

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 375 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
litScript
telegram sharing button
whatsapp sharing button
linkedin sharing button
twitter sharing button
email sharing button
email sharing button
email sharing button
sharethis sharing button