متن کاملاً تخصصی و کمیاب برای مقطع ارشد مهندسی کامپیوتر، چکيده: در يک سيستم مديريت بانک اطلاعاتي توزيع شده قبل از طرح يک پرسجو، جهت کم کردن هزينه هاي ارتباطي در پرسجوهايي که در آينده مطرح خواهند شد و يا به عبارت ديگر توليد يک بستر بهينه مسئله تخصيص داده ها به سايت هاي مختلف مطرح مي شود که جزو ...

دسته بندی: فنی و مهندسی » کامپیوتر و IT

تعداد مشاهده: 1475 مشاهده

فرمت فایل دانلودی:.docx

فرمت فایل اصلی: docx

تعداد صفحات: 59

حجم فایل:1,565 کیلوبایت

چکيده:
در يک سيستم مديريت بانک اطلاعاتي توزيع شده قبل از طرح يک پرسجو، جهت کم کردن هزينه هاي ارتباطي در پرسجوهايي که در آينده مطرح خواهند شد و يا به عبارت ديگر توليد يک بستر بهينه مسئله تخصيص داده ها به سايت هاي مختلف مطرح مي شود که جزو مسائل NP مي باشد. اما وقتي پرسجويي در يکي از سايت ها مطرح مي شود، جهت استخراج اطلاعات مربوط که در سايت هاي ديگر قرار دارند، طرح هاي اجرايي مختلف، مدل هاي انتقالي مختلفي مطرح مي شوند که نتيجه يکسان ولي هزينه اجرايي متفاوتي دارند. اما سوال اينجاست که براي اجراي بهينه يک پرسجو در يک سيستم توزيع شده با توجه به مسائل فوق چه بايد کرد. در اين تحقيق سعي شده روشهاي تخصيص داده در يک سيستم توزيع شده بررسي گردد، سپس به بيان روشهاي توليد طرح بهينه و الگوريتم هاي موجود پرداخته شود. 

فهرست مطالب:
چکیده
فصل 1: مقدمه
1-1 مقدمه
1-2 سيستم هاي پايگاه داده توزيع شده.
1-3 پايگاه اطلاعات توزيع شده
1-4 قوانين Date براي پايگاه داده توزيع شده
1-4-1 خود مختاري محلي
1-4-2 عدم وابستگي به يک سايت مرکزي
1-4-3 پيوستگي عمليات
1-4-4 نامرئي بودن مکان
1-4-5نامرئي بودن تکه تکه کردن

این پروژه شامل توضیح کامل و کابردی همراه با مثال و کد الگوریتم ژنتیک است، چکیده: الگوریتم ژنتیک (Genetic Algorithm- GA) تکنیک جستجویی در علم رایانه برای یافتن راه‌ حل تقریبی برای بهینه‌سازی و مسائل جستجو است. الگوریتم ژنتیک نوع خاصی از الگوریتم‌های تکامل است که از تکنیک‌های زیست‌شناسی فرگشتی ...

دسته بندی: فنی و مهندسی » کامپیوتر و IT

تعداد مشاهده: 1387 مشاهده

فرمت فایل دانلودی:.docx

فرمت فایل اصلی: docx

تعداد صفحات: 153

حجم فایل:963 کیلوبایت

چکیده:
الگوریتم ژنتیک (Genetic Algorithm- GA) تکنیک جستجویی در علم رایانه برای یافتن راه‌ حل تقریبی برای بهینه‌سازی و مسائل جستجو است. الگوریتم ژنتیک نوع خاصی از الگوریتم‌های تکامل است که از تکنیک‌های زیست‌شناسی فرگشتی مانند وراثت و جهش استفاده می‌کند.
در واقع الگوریتم‌ های ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیش‌بینی یا تطبیق الگو استفاده می‌کنند. الگوریتم‌های ژنتیک اغلب گزینه خوبی برای تکنیک‌های پیش‌بینی بر مبنای تصادف هستند. مختصراً گفته می‌شود که الگوریتم ژنتیک (یا GA) یک تکنیک برنامه‌نویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده می‌کند. مسأله‌ای که باید حل شود ورودی است و راه‌حل‌ها طبق یک الگو کد گذاری می‌شوند که تابع fitness نام دارد هر راه حل کاندید را ارزیابی می‌کند که اکثر آنها به صورت تصادفی انتخاب می‌شوند. کلاً این الگوریتم‌ها از بخش های  تابع برازش، نمایش، انتخاب، تغییر تشکیل می شوند.

فهرست مطالب:
چکیده
فصل اول    
1-1- مقدمه    
1-2- به دنبال تکامل
1-3- ایدۀ اصلی استفاده از الگوریتم ژنتیک    
1-4- درباره علم ژنتیک    
1-5- تاریخچۀ علم ژنتیک    
1-6- تکامل طبیعی (قانون انتخاب طبیعی داروین)    
1-7- رابطه تکامل طبیعی با روش‌های هوش مصنوعی     
1-8- الگوریتم    
1-8-1- الگوریتم‌های جستجوی ناآگاهانه    
1-8-1-الف- جستجوی لیست    
1-8-1-ب- جستجوی درختی    
1-8-1-پ- جستجوی گراف    
1-8-2- الگوریتم‌های جستجوی آگاهانه    
1-8-2-الف- جستجوی خصمانه    
1-9- مسائل NP-Hard    
1-10- هیوریستیک    
1-10-1- انواع الگوریتم‌های هيوریستیک    
فصل دوم    
2-1- مقدمه    
2-2- الگوریتم ژنتیک    
2-3- مكانيزم الگوريتم ژنتيك    
2-4- عملگرهاي الگوريتم ژنتيك    
2-4-1- کدگذاری    
2-4-2- ارزیابی    
2-4-3- ترکیب    
2-4-4- جهش    
2-4-5- رمزگشايي    
2-5- چارت الگوريتم به همراه شبه كد آن    
2-5-1- شبه كد و توضيح آن    
2-5-2- چارت الگوریتم ژنتیک    
2-6- تابع هدف    
2-7- روش‌های کد کردن    
2-7-1- کدینگ باینری    
2-7-2- کدینگ جایگشتی    
2-7-3- کد گذاری مقدار    
2-7-4- کدینگ درخت    
2-8- نمایش رشته‌ها    
2-9- انواع روش‌های تشکیل رشته    
2-10- باز گرداندن رشته‌ها به مجموعه متغيرها    

گزارش کاملی از انواع تکنیک های داده کاوی و تشخیص چهره، چکیده: تشخیص چهره همواره بعنوان یکی از مقبول‌ترین روشهای بیومتریک شناخته شده است. اما علیرغم اهمیت مبحث تشخیص هویت مبتنی بر چهره، بسیاری از روش‌ها و الگوریتم‌های موجود، تنها تحت شرایط کنترل شده و با وجود تصاویر نرمال، قادر به کسب نتایج مناسب ..

دسته بندی: فنی و مهندسی » کامپیوتر و IT

تعداد مشاهده: 996 مشاهده

فرمت فایل دانلودی:.doc

فرمت فایل اصلی: doc

تعداد صفحات: 70

حجم فایل:4,657 کیلوبایت

چکیده:
تشخیص چهره همواره بعنوان یکی از مقبول‌ترین روشهای بیومتریک شناخته شده است. اما علیرغم اهمیت مبحث تشخیص هویت مبتنی بر چهره، بسیاری از روش‌ها و الگوریتم‌های موجود، تنها تحت شرایط کنترل شده و با وجود تصاویر نرمال، قادر به کسب نتایج مناسب می‌باشند. درحالی که در کاربرد‌های واقعی، همواره با تغییرات چهره و چالش‌ها و پوشیدگی‌های موضعی در تصویر مواجه‌ هستیم.
در تشخیص چهره مشکلاتی وجود دارد که موجب انتخاب کاندیدهای اشتباه بعنوان چهره می‌شود و یا اینکه ناحیه‌ای از تصویر که شامل چهره است را نادیده می‌گیرد. از جمله مشکلات تشخیص چهره چالش پوشیدگی موضعی است که سه مورد آن عبارتند از: پوشیدگی موضعی بوسیله عینک، ریش، سبیل و موی سر و همچنین سایز بزرگ تصایر ورودی موجب کاهش سرعت پردازش و عدم اجرای بسیاری از الگوریتم‌ها روی تصاویر با سایز بزرگ می‌شود، مشکل دیگر چرخش سر در تصویر می‌باشد. با توجه به اهمیت چالش پوشیدگی موضعی در تشخیص چهره و عدم موفقیت رویکر‌های کلی نگر در حل آن و چرخش سر و سایز بزرگ تصویر، در این تحقیق به منظور حل این معضلات، از سه الگوریتم که در این زمینه دارای دقت بسیار بالایی در رفع چالشهای فوق می‌باشند استفاده شده است که عبارتند از: الگوریتم داده کاوی مافیا که ویژگی‌های اصلی چهره را بطور بسیار دقیق مشخص می‌کند و الگوریتم ژنتیک که مشکلات پوشیدگی موضعی را مرتفع می‌سازد و الگوریتم ماشین پشتیبانی بردار بر اساس درخت جستجوی دودویی که الگوریتم معروف و دقیق و سریعی می‌باشد.
 به منظور ارزیابی کارایی روش فوق، مجموعه آزمایشاتی به‌کمک پایگاه داده ای از تصاویر انجام گرفته است. ارائه نتایج امیدبخش در حضور شش چالش فوق، در مقایسه با موفق‌ترین روش‌های موجود، نشان دهنده بهبود چشمگیری در نرخ تشخیص چهره می‌باشد.
 کلمات کلیدی: شناسایی چهره، ویژگی‌های الگو، ویژگی‌های الگو با ماکزیمم تکرار، داده کاوی، ماشین پشتیبانی بردار

فهرست مطالب:
1- مقدمه
2- اصول و روش­های تشخیص چهره
2-1- روش‌های بر اساس دانش و ویژگی‌های ثابت
2-1-1- روش‌ بالا به پایین بر اساس دانش
۲-1-1-1- دیدگاه یانگ و هانگ