نتایج جستجو

27124

نتیجه یافت شد

مرتبط ترین ها

اعمال فیلتر

به روزترین ها

اعمال فیلتر

پربازدید ترین ها

اعمال فیلتر

پر دانلودترین‌ها

اعمال فیلتر

پر استنادترین‌ها

اعمال فیلتر

تعداد صفحات

2713

انتقال به صفحه



فیلترها/جستجو در نتایج    

فیلترها

سال

بانک‌ها




گروه تخصصی











متن کامل


مرکز اطلاعات علمی SID1
مرکز اطلاعات علمی SID
اسکوپوس
مرکز اطلاعات علمی SID
ریسرچگیت
strs
اطلاعات دوره: 
  • سال: 

    1394
  • دوره: 

    5
  • شماره: 

    1
  • صفحات: 

    93-108
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    91
  • دانلود: 

    48
چکیده: 

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

آمار یکساله:  

بازدید 91

دانلود 48 استناد 0 مرجع 0
اطلاعات دوره: 
  • سال: 

    2004
  • دوره: 

    0
  • شماره: 

    11
تعامل: 
  • بازدید: 

    2940
  • دانلود: 

    0
چکیده: 

TODAY, SEX IDENTIFICATION IS CONSIDERED AS AN IMPORTANT TASK IN INFORMATION TECHNOLOGY APPLICATIONS. THIS PAPER CONCERNS SEX IDENTIFICATION USING support vector machine (SVM). RBF AND POLYNOMIAL AS TWO KERNEL FUNCTIONS WERE STUDIED. IT WAS OBSERVED THAT RBF KERNEL OUTPERFORMS THE POLYNOMIAL KERNEL FUNCTION. LPCC AND MFCC CEPSTRAL COEFFICIENTS AND THEIR FIRST DERIVATIVES WERE ALSO EVALUATED. THEY BOTH SEEM TO BE GOOD FEATURES FOR SEX IDENTIFICATION, BUT MFCC COEFFICIENTS WERE SHOWN TO RESULT A BETTER PERFORMANCE THAN LPCCS. ADDING FEATURE DERIVATIVES TO FEATURES vectorS WAS ALSO SHOWN TO IMPROVE THE SEX IDENTIFICATION PERFORMANCE.

آمار یکساله:  

بازدید 2940

دانلود 0
نویسندگان: 

اطلاعات دوره: 
  • سال: 

    2018
  • دوره: 

    3
  • شماره: 

    7
  • صفحات: 

    132-137
تعامل: 
  • استنادات: 

    315
  • بازدید: 

    1553
  • دانلود: 

    9195
کلیدواژه: 
چکیده: 

آمار یکساله:  

بازدید 1553

دانلود 9195 استناد 315 مرجع 0
گارگاه ها آموزشی
نشریه: 

آب و فاضلاب

اطلاعات دوره: 
  • سال: 

    1391
  • دوره: 

    23
  • شماره: 

    2 (مسلسل 82)
  • صفحات: 

    73-85
تعامل: 
  • استنادات: 

    1
  • بازدید: 

    1695
  • دانلود: 

    436
چکیده: 

در تحقیقات مختلف، پارامترهای هواشناسی متفاوتی در پیش بینی دوره های کم بارش مورد توجه قرار گرفته اند. در این تحقیق نمایه بارش استاندارد شده (SPI) برای 6 سناریوی فصل (پاییز، زمستان، بهار، پاییز+ زمستان، زمستان+ بهار و پاییز تا بهار) محاسبه شده و متغیرهای هواشناسی پیش بینی کننده دمای هوا (در سطح 300، 500، 700 و 850 میلی بار) و ارتفاع ژئوپتانسیل (در سطح 300، 500، 700 و 850 میلی بار) در محدوده طول و عرض جغرافیایی 0 تا 60 درجه شمالی و 0 تا 90 درجه شرقی، در سالهای (1354-1386) برای پیش بینی پدیده خشکسالی هواشناسی مورد استفاده قرار گرفت. در این مدل پیش بینی، بازه زمانی پیش بینی کننده بین ماههای اکتبر تا آوریل برای SPI پیش بینی شده در همان بازه زمانی قرار دارد. نمایه بارش استاندارد شده در حوضه های مورد مطالعه (حوضه سدهای طالقان و ماملو) بر اساس بارش متوسط حوضه ها که به روش میانگین معکوس فاصله وزندار محاسبه شده، تخمین زده شده است. یکی از روشهای یادگیری آماری با استفاده از ناظر به نام ماشین بردار پشتیبان (SVM) برای تدوین مدل پیش بینی SPI استفاده شد. با استفاده از تکنیک آماری مبتنی بر آنتروپی مشترک اطلاعات، نقاط موثر بر بارش حوضه سدهای تهران در فصل بهار بیشتر در جنوب، جنوب غربی و شمال غربی کشور و در فصل پائیز، شمال، شمال غربی و جنوب و در زمستان در شمال غربی و غرب کشور تشخیص داده شدند. نتایج مدل SVM در اکثر موارد پیش بینی، دقت مناسب داشت. این روش می تواند در پیش بینی رفتارهای غیرخطی داده های هواشناسی با طول دوره آماری کوتاه مورد استفاده قرار گیرد. این دقت برای دسته بندی SPI فصلهای پاییز و بهار بیشتر از سایر سناریوها است.

آمار یکساله:  

بازدید 1695

دانلود 436 استناد 1 مرجع 0
نشریه: 

زیست فناوری

اطلاعات دوره: 
  • سال: 

    1397
  • دوره: 

    9
  • شماره: 

    4
  • صفحات: 

    549-555
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    258
  • دانلود: 

    79
چکیده: 

اهداف: اطلاعات موجود در ساختمان پروتئین ها برای درک چگونگی فعالیت آنها بسیار مفید است. انعطاف پذیری یکی از مهم ترین فاکتورهای ساختمانی مرتبط با عملکرد پروتئین ها است. دانش درباره انعطاف پذیری ساختارهای پروتئینی، کمک بزرگی به کیفیت پیشگویی ساختمان پروتئین ها و درک عملکرد پروتئین ها می کند. مطالعه حاضر با هدف بررسی پیش گویی انعطاف پذیری ساختارهای پروتئینی با استفاده از ماشین بردار پشتیبان انجام شد. مواد و روش ها: در مطالعه حاضر از یک مجموعه داده متعادل 95 پروتئینی استفاده شد. ویژگی های استفاده شده در مطالعه حاضر برای مدل کردن اسیدآمینه ها، یک بردار 33 بعدی را تشکیل داد. برخی از آنها از لغزاندن پنجره ای به طول 17 با مرکزیت اسیدآمینه هدف روی زنجیره پروتئین به دست آمده اند و برخی تنها مربوط به اسیدآمینه هدف بودند. برای تعریف فاکتور انعطاف پذیری، ویژگی های مبتنی بر اطلاعات حاصل از تغییرات زوایای دووجهی، استفاده شد. این اطلاعات برای هر اسیدآمینه با درنظرگرفتن موقعیت هر اسیدآمینه به تنهایی و برای جفت اسیدآمینه های مجاور در یک پنجره هفده تایی محاسبه و برای پیشگویی از روش ماشین بردار پشتیبان استفاده شد. یافته ها: میزان صحت 73/1%، معیار F 71% دقت 73% و حساسیت 73/2% به دست آمد. برتری قابل قبول روش پیشنهادی در مقایسه با روش های موجود تایید شد. نمایش زاویه ای هر پروتئین توانست به خوبی خصوصیات و ویژگی های ساختار سه بعدی پروتئین را نشان دهد. نتیجه گیری: میزان صحت 73/1%، معیار F 71% دقت 73% و حساسیت 73/2% است و بهترین نگاه به بحث انعطاف پذیری، نگاه زاویه ای است. نمایش زاویه ای هر پروتئین می تواند به خوبی خصوصیات و ویژگی های ساختار سه بعدی پروتئین را نشان دهد.

آمار یکساله:  

بازدید 258

دانلود 79 استناد 0 مرجع 0
نویسندگان: 

OZGUNDUZ E. | ENTURK T. | KARSLIGIL M.E.

اطلاعات دوره: 
  • سال: 

    2005
  • دوره: 

    -
  • شماره: 

    -
  • صفحات: 

    0-0
تعامل: 
  • استنادات: 

    315
  • بازدید: 

    5946
  • دانلود: 

    9195
کلیدواژه: 
چکیده: 

آمار یکساله:  

بازدید 5946

دانلود 9195 استناد 315 مرجع 0
strs
نویسندگان: 

Ju h. | Qiang w. | JING L.

اطلاعات دوره: 
  • سال: 

    2021
  • دوره: 

    18
  • شماره: 

    2
  • صفحات: 

    93-107
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    40
  • دانلود: 

    20
چکیده: 

Multiple twin support vector machine (MTSVM) which evaluates all the training data into a ``one-versus-rest'' structure is a multi-class classification algorithm. It has extensive applications in the multi-class classification problems. Like twin support vector machine (TSVM), MTSVM treats all sample points equally because it lacks the ability to judge the importance of different sample points. In order to improve the classification performance of MTSVM, a new method of adding interval-valued fuzzy membership degree to sample points is proposed. In this way, a novel interval-valued fuzzy multiple twin support vector machine (IVF-MTSVM) is established in this paper. Previous methods of adding fuzzy membership degree to sample points are totally based on their importance to the class, while the method in this paper emphasizes the importance of sample points to the classification model, and takes into account the importance to the class to some extent. This is a new perspective to establish fuzzy membership degree to sample points in support vector machines since it is different from the previous methods in thinking. Then the solution to IVF-MTSVM is derived. Experiments on UCI datasets show that this new method has certain advantages over other multi-class twin support vector machine methods in ``one-versus-rest'' structure and other fuzzy multiple twin support vector machine established by some previous methods. Finally, Friedman test and Benferroni-Dunn test are used to verify the statistical significance of this new method.

آمار یکساله:  

بازدید 40

دانلود 20 استناد 0 مرجع 0
نویسندگان: 

اطلاعات دوره: 
  • سال: 

    2018
  • دوره: 

    15
  • شماره: 

    1
  • صفحات: 

    41-45
تعامل: 
  • استنادات: 

    945
  • بازدید: 

    5582
  • دانلود: 

    9195
کلیدواژه: 
چکیده: 

آمار یکساله:  

بازدید 5582

دانلود 9195 استناد 945 مرجع 0
اطلاعات دوره: 
  • سال: 

    1399
  • دوره: 

    8
  • شماره: 

    4 (پیاپی 27)
  • صفحات: 

    63-71
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    27
  • دانلود: 

    23
چکیده: 

برآورد و پیش بینی بارش و دستیابی به مقدار رواناب ناشی از آن، نقش اساسی و موثری را در مدیریت و بهره برداری صحیح از حوضه، مدیریت سدها و مخازن، به حداقل رساندن خسارات ناشی از سیلاب و خشکسالی و مدیریت منابع آب ایفا می کند. عملکرد مطلوب مدل های هوشمند باعث افزایش استفاده از آن ها برای پیش بینی پدیده های مختلف هیدرولوژیکی شده است. لذا در این پژوهش، دو مدل هوشمند برنامه ریزی ژنتیک و ماشین بردار پشتیبان برای پیش بینی بارش ماهانه استان اردبیل به کار گرفته شده و از داده های بارش، دما و رطوبت نسبی در مقیاس ماهانه به عنوان پارامترهای ورودی مدل ها استفاده شد. نتایج به دست آمده نشان داد که عملکرد هر دو مدل خوب و تقریبا یکسان بوده (میانگین خطای مطلق به ترتیب 0. 8 و 0. 721) ولی با توجه به ارزیابی های انجام شده مدل رگرسیون بردار پشتیبان عملکرد نسبتا بهتری داشته است (ضریب همبستگی0. 999). به طورکلی می توان گفت که مدل رگرسیون بردار پشتیبان برای مدل سازی و پیش بینی بارش ماهانه استان اردبیل مناسب تر بوده است.

آمار یکساله:  

بازدید 27

دانلود 23 استناد 0 مرجع 0
نویسندگان: 

محمودی مریم السادات

اطلاعات دوره: 
  • سال: 

    1396
  • دوره: 

    4
  • شماره: 

    1
  • صفحات: 

    1-10
تعامل: 
  • استنادات: 

    910
  • بازدید: 

    283
  • دانلود: 

    94
چکیده: 

مقدمه: بیماری های قلبی- عروقی بزرگ ترین عامل مرگ و میر در سراسر جهان است. طبق اعلام سازمان بهداشت جهانی در هر سال حدود 12 میلیون مرگ و میر در سراسر جهان بر اثر بیماری های قلبی -عروقی تخمین زده شده است. هدف اصلی از این مقاله، طراحی یک سیستم هوشمند به کمک کامپیوتر است که بتواند بیماری قلبی را در فرد مبتلا تشخیص دهد.روش: در این مطالعه توصیفی- تحلیلی، داده های مربوط به 270 نفر که شامل 13 ویژگی می باشد مورد استفاده قرار گرفت. جهت تشخیص فرد مبتلا به بیماری قلبی از ترکیب سیستم فازی و طبقه بندی کننده ماشین بردار پشتیبان با استفاده از امکانات موجود در نرم افزار متلب پیاده سازی گردید و بر روی سیستم Core i5 تحت ویندوز 7 شبیه سازی شد.نتایج: در این تحقیق از تکنیک فازی و الگوریتم ماشین بردار پشتیبان جهت تشخیص بیماری قلبی استفاده شده که موثر واقع گردیده است. از آنجایی که در این مطالعه هدف، تشخیص درست و سریع می باشد، بنابراین تشخیص سریع، شانس نجات فرد را افزایش می دهد. همچنین معیارهای ارزیابی در این سیستم نرخ دسته بندی و حساسیت می باشد که عملکرد این سیستم بر اساس این شاخص ها به ترتیب 85% و 85.8% به دست آمده است.نتیجه گیری: با توجه به نتایج به دست آمده، مشاهده می شود که سیستم پیشنهادی با دقت نسبتا بالایی، افراد مبتلا به بیماری قلبی- عروقی را تشخیص می دهد.

آمار یکساله:  

بازدید 283

دانلود 94 استناد 910 مرجع 11
litScript