تغییرات پاتولوژیک درون یک عضو حیاتی بهصورت الگوهای پروتئینی در خون انعکاس مییابد. طیفسنجی جرمی بهعنوان یک ابزار اندازهگیری قدرتمند در تولید الگوهای پروتئینی از خون شناخته شده است. دادههای حاصل از این تکنیک بهعنوان دادههایی با ابعاد و همبستگی بالا در نظر گرفته م چکیده کامل
تغییرات پاتولوژیک درون یک عضو حیاتی بهصورت الگوهای پروتئینی در خون انعکاس مییابد. طیفسنجی جرمی بهعنوان یک ابزار اندازهگیری قدرتمند در تولید الگوهای پروتئینی از خون شناخته شده است. دادههای حاصل از این تکنیک بهعنوان دادههایی با ابعاد و همبستگی بالا در نظر گرفته میشوند که ویژگیهای کلیدی مهم برای محققان، پیکهای موجود در طیف میباشند. با توجه به این خصوصیات رفتاری داده، یک روش تحلیل مناسب مثل تبدیل موجک نیاز میباشد. در این تحقیق، روش جدیدی جهت استخراج ویژگی از داده طیف جرمی با هدف کاهش بعد و همبستگی آن ارائه شده است که مبتنی بر تبدیل موجک گسسته و انتخاب ويژگی شبهکوواریانسی میباشد. با روش پیشنهادی، نشانگرهای حیاتی مناسب از مجموعه دادههای مورد مطالعه برای سرطان تخمدان که از انستیتو ملی سرطان آمریکا اخذ شده است، از روی طیف جرمی بازسازیشده استخراج گردیده است که منجر به حصول نتایج تشخیصی بالا با استفاده از معیارهای ارزشیابی استاندارد شده است. با استفاده از روشهای طبقهبندی مختلف، روش پیشنهادی جدید منجر به دقت تشخیص 98، نرخ قطعیت 97 و حساسیت 98 درصد شده است.
پرونده مقاله
در این مقاله برای تشخیص جزیرههای الکتریکی، یک الگوریتم جدید مبتنی بر تحلیل سیگنالهای حالت گذرا با استفاده از تبدیل موجک گسسته (DWT) و شبکه عصبی مصنوعی (ANN) ارائه میگردد. شبکه عصبی برای دستهبندی حوادث به حالتهای "جزیره" یا "غیر جزیره" آموزش داده میشود. ویژگیهای م چکیده کامل
در این مقاله برای تشخیص جزیرههای الکتریکی، یک الگوریتم جدید مبتنی بر تحلیل سیگنالهای حالت گذرا با استفاده از تبدیل موجک گسسته (DWT) و شبکه عصبی مصنوعی (ANN) ارائه میگردد. شبکه عصبی برای دستهبندی حوادث به حالتهای "جزیره" یا "غیر جزیره" آموزش داده میشود. ویژگیهای مورد نیاز دستهبندی، از طریق تبدیل موجک گسسته سیگنالهای گذرای ولتاژ و جریان DGها استخراج میشوند. برای شبیهسازی الگوریتم از نرمافزارهای DIGSILENT، MATLAB و WEKA استفاده شده است. روش پیشنهادی روی یک سیستم توزیع ولتاژ متوسط CIGRE با دو نوع DG مختلف آزمایش میشود. این مقاله، الگوریتم رله نهایی را با تحلیل انجامگرفته از میان 162 طرح انتخاب میکند تا رله انتخابی از نظر شاخصهای مختلف از جمله دقت، سرعت، سادگی و هزینه، بهترین کارایی را داشته باشد. با تحلیل و بررسیهای صورتگرفته در رله انتخابی DGها، از سیگنال ولتاژ، موجک مادر 4db و سطح هفتم تبدیل موجک استفاده میشود. نتایج شبیهسازی نشان میدهد که این روش میتواند جزیرههای الکتریکی را در مقایسه با روشهای موجود در زمان کوتاهتر و با دقت بالاتری تشخیص دهد.
پرونده مقاله
تشخیص و دستهبندی اغتشاشات کیفیت توان یکی از وظایف مهم در حفاظت و نظارت سیستمهای قدرت امروزی است. در حال حاضر اهمیت اصلی، بهبود روشهای تشخيص و طبقهبندي خودکار شكل موجها به کمک يك الگوريتم مؤثر ميباشد. در این مقاله روشی مؤثر برای استخراج ویژگی بر اساس ترکیب تبدیل S چکیده کامل
تشخیص و دستهبندی اغتشاشات کیفیت توان یکی از وظایف مهم در حفاظت و نظارت سیستمهای قدرت امروزی است. در حال حاضر اهمیت اصلی، بهبود روشهای تشخيص و طبقهبندي خودکار شكل موجها به کمک يك الگوريتم مؤثر ميباشد. در این مقاله روشی مؤثر برای استخراج ویژگی بر اساس ترکیب تبدیل S هذلولی و موجک ارائه شده است. انتخاب و كاهش ويژگي، موجب كاهش زمان آموزش ميگردد و در بیشتر موارد افزايش ميزان دقت در طبقهبندي دادهها را به همراه دارد. در این مقاله، روشی جديد به نام گرام- اشمیت براي انتخاب ويژگي به کار گرفته شده و همچنین از ساختار طبقهبندی کننده مشهور ماشین بردار پشتیبان چندکلاسه استفاده شده است. همچنین پارامترهای متغیر این طبقهبندی کننده با استفاده از الگوریتم ابتکاری بهينهسازي گروهي ذرات، بهینه شده است. 6 اغتشاش منفرد و 2 اغتشاش ترکیبی و همچنین حالت نرمال برای طبقهبندی در نظر گرفته شدهاند. حساسیت روش پیشنهادی تحت شرایط مختلف نویزی با سطوح مختلف سیگنال همراه با نویز بررسی شده است. همچنین با مقایسه نتایج این مقاله با نتایج مقالات دیگر، کارامدی روش پیشنهادی مورد بررسی قرار گرفته است.
پرونده مقاله
هدف اصلی در روشهای مختلف تطبیق تصویر، پیداکردن پارامترهای تبدیل برای نگاشت دقیق یک تصویر بر روی مختصات تصویر دیگر است. در پزشکی، برقراری ارتباط دقیق میان دادههای تصاویر پزشکی درکاربردهایی نظیر تشخیص و درمان از اهمیت بسیاری برخوردار است و بر این اساس، روشهای متعددی بر چکیده کامل
هدف اصلی در روشهای مختلف تطبیق تصویر، پیداکردن پارامترهای تبدیل برای نگاشت دقیق یک تصویر بر روی مختصات تصویر دیگر است. در پزشکی، برقراری ارتباط دقیق میان دادههای تصاویر پزشکی درکاربردهایی نظیر تشخیص و درمان از اهمیت بسیاری برخوردار است و بر این اساس، روشهای متعددی براي تطبیق تصاویر ارائه شده است. مقایسه نتایج الگوریتمهای مختلف، انگیزه اصلی این پژوهش گردیده تا بتوان الگوریتم جدید ترکیبی ارائه و پیادهسازی نمود که از دقت بالایی برای تطبیق تصاویر چندکیفیتی برخوردار باشد. خودکارسازی فرایند تطبیق با بهرهگیری از رویکرد یادگیری ماشین، نوآوری مقاله حاضر نسبت به روشهای پیشین به شمار میرود. به این منظور، روش پیشنهادی به نام یادگیری چنددقتی از ترکیب یک روش تجزیه چنددقتی و یک شبکه عصبی سلسله مراتبی بهره میگیرد که با استفاده از ویژگیهای سراسری تصویر، پارامترهای تبدیل را یاد گرفته و از پارامترهایِ تبدیلِ به دست آمده از فرایند یادگیری ، برای تطبیق تصاویر استفاده میکند. روش پیشنهادی بر روی پایگاه داده تصاویر پزشکی دانشگاه واندربیلت پیادهسازی و آزمون شده و نتایج به دست آمده دقت قابل قبولی را برای روش پیشنهادی در مقایسه با سایر روشها نشان میدهد.
پرونده مقاله
به منظور بهبود کیفیت توان، تشخیص و شناسایی عوامل دخیل در کاهش کیفیت توان از اولویت برخوردار هستند. از جمله عوامل اصلی در ایجاد فلیکر و هارمونیک در سیستمهای متصل به توربینهای بادی، اغتشاشات آیرودینامیکی باد و خطاهای مکانیکی توربینهای بادی میباشد. در این مقاله معادلات چکیده کامل
به منظور بهبود کیفیت توان، تشخیص و شناسایی عوامل دخیل در کاهش کیفیت توان از اولویت برخوردار هستند. از جمله عوامل اصلی در ایجاد فلیکر و هارمونیک در سیستمهای متصل به توربینهای بادی، اغتشاشات آیرودینامیکی باد و خطاهای مکانیکی توربینهای بادی میباشد. در این مقاله معادلات ریاضی اغتشاشات باد شامل سایه دکل و انحراف باد و همچنین معادلات مکانیکی مربوط به شکستهشدن چرخدندههای گیربکس به طور دقیق بررسی و با استفاده از نرمافزار MATLAB شبیهسازی شده است. در ادامه تأثیر این اغتشاشات بر روی پارامترهای خروجی شبکه نمونه مشاهده شده است. در پایان نشان داده میشود که با استفاده از تابع موجک مناسب، میتوان این اغتشاشات را شناسایی و دستهبندی کرد.
پرونده مقاله
به منظور بهبود کیفیت توان، تشخیص و شناسایی عوامل دخیل در کاهش کیفیت توان از اولویت برخوردار هستند. از جمله عوامل اصلی در ایجاد فلیکر و هارمونیک در سیستمهای متصل به توربینهای بادی، اغتشاشات آیرودینامیکی باد و خطاهای مکانیکی توربینهای بادی میباشد. در این مقاله معادلات چکیده کامل
به منظور بهبود کیفیت توان، تشخیص و شناسایی عوامل دخیل در کاهش کیفیت توان از اولویت برخوردار هستند. از جمله عوامل اصلی در ایجاد فلیکر و هارمونیک در سیستمهای متصل به توربینهای بادی، اغتشاشات آیرودینامیکی باد و خطاهای مکانیکی توربینهای بادی میباشد. در این مقاله معادلات ریاضی اغتشاشات باد شامل سایه دکل و انحراف باد و همچنین معادلات مکانیکی مربوط به شکستهشدن چرخدندههای گیربکس به طور دقیق بررسی و با استفاده از نرمافزار MATLAB شبیهسازی شده است. در ادامه تأثیر این اغتشاشات بر روی پارامترهای خروجی شبکه نمونه مشاهده شده است. در پایان نشان داده میشود که با استفاده از تابع موجک مناسب، میتوان این اغتشاشات را شناسایی و دستهبندی کرد.
پرونده مقاله
در این مقاله با تزریق پالس مربعی به شبکههای قدرت ولتاژ پایین و بهرهگیری از روشهای پردازش سیگنال، امپدانس شبکه در محدوده فرکانسی kHz 2 تا kHz 150 تخمین زده میشود. امپدانس شبکه از دید یک نقطه به صورت نسبت سیگنال ولتاژ به جریان عبوری از آن نقطه در حوزه فرکانس محاسبه می چکیده کامل
در این مقاله با تزریق پالس مربعی به شبکههای قدرت ولتاژ پایین و بهرهگیری از روشهای پردازش سیگنال، امپدانس شبکه در محدوده فرکانسی kHz 2 تا kHz 150 تخمین زده میشود. امپدانس شبکه از دید یک نقطه به صورت نسبت سیگنال ولتاژ به جریان عبوری از آن نقطه در حوزه فرکانس محاسبه میشود. در شرایط نویزی دقت تخمین امپدانس با انرژی سیگنال تزریقی رابطه مستقیم دارد. به منظور تخمین امپدانس باید سیگنالهای تزریقی انرژی کافی در محدوده فرکانسی مورد اندازهگیری را داشته باشد. در روش ارائهشده، ابتدا تعدادی پالس مربعی با عرض متفاوت به کمک الگوریتم ژنتیک انتخاب میشوند. پس از تزریق سیگنالهای انتخابشده به شبکه و اندازهگیری پاسخ شبکه به هر تزریق، سیگنالهای اندازهگیری حذف نویز میشوند و بنابراین دقت تخمین امپدانس بیشتر میشود. اگر مدت زمان اندازهگیری سیگنالها کم باشد، همه حالت گذرای شبکه اندازهگیری نشده و تخمین امپدانس نادرست خواهد بود. بنابراین در این مقاله روشی مبتنی بر توزیعهای زمان- فرکانس به منظور تعیین مدت زمان لازم برای اندازهگیری پیشنهاد میشود. نتایج آزمایش روش پیشنهادی بر روی چندین شبکه نشاندهنده توانایی و دقت روش پیشنهادی در تخمین امپدانس شبکه میباشد.
پرونده مقاله
یکی از شایعترین دلایل مرگ و میر در هنگام تولد نوزاد نقص قلبی است. تشخیص بیماری قلبی نیازمند مشاهده فعالیت قلب است و یکی از مطمئنترین روشها برای بررسی سلامت قلب، استخراج فعالیتهای الکتریکی قلب یا استخراج الکتروکاردیوگرام است. اما در شرایط خاص مکانی جنین قبل از تولد، چکیده کامل
یکی از شایعترین دلایل مرگ و میر در هنگام تولد نوزاد نقص قلبی است. تشخیص بیماری قلبی نیازمند مشاهده فعالیت قلب است و یکی از مطمئنترین روشها برای بررسی سلامت قلب، استخراج فعالیتهای الکتریکی قلب یا استخراج الکتروکاردیوگرام است. اما در شرایط خاص مکانی جنین قبل از تولد، استخراج غیر تهاجمی سیگنال الکتروکاردیوگرام چالشبرانگیز شده است چرا که علاوه بر قلب جنین، منابع دیگری از قبیل قلب مادر، فعالیت ماهیچهای مادر و جنین، فعالیت مغزی جنین و نویزهای محیط نیز تأثیر دارند که باعث مخدوششدن سیگنال قلب جنین میشوند و تحلیل آن را دشوار میکنند. سیگنال قلب مادر به دلیل دامنه زیاد بیشترین تأثیر و سیگنال مغز جنین به دلیل دامنه کم، کمترین تأثیر را در مخدوششدن سیگنال قلب جنین دارند. این مقاله، روشی جدید برای استخراج الکتروکاردیوگرام جنین از ثبتهای شکمی مادر ارائه میدهد. روش پیشنهادی به منظور کاهش پیچیدگی محاسباتی از روش حسگری فشرده و برای تخمین منابع از روش آنالیز سریع مؤلفه مستقل و همچنین برای نمایش تُنک سیگنالها از دو دیکشنری تبدیل کسینوسی گسسته و تبدیل موجک گسسته استفاده میکند. عملکرد پیادهسازی روش پیشنهادی روی پایگاه داده موجود در چالش 2013 فیزیونت ارزیابی و نتایج به دست آمده با بهترین روشهای موجود مقایسه شده است. نتایج به دست آمده نشان میدهد که روش معرفیشده در این مقاله، با میانگین مربعات خطای 65/171، با دقت بیشتری نسبت به سایر روشهای موجود قادر به استخراج سیگنالهای قلب جنین میباشد.
پرونده مقاله
بازیابی تصاویر مبتنی بر محتوا که با عنوان پرس وجو بر اساس محتوای تصویر نیز شناخته می شود، یکی از زیرشاخه های بینایی ماشین است که جهت سازماندهی و تشخیص محتوای تصاویر دیجیتال با بهره گیری از ویژگی های بصری به کار می رود. این تکنولوژی، تصاویر مشابه با تصویرپرس وجو را از پ چکیده کامل
بازیابی تصاویر مبتنی بر محتوا که با عنوان پرس وجو بر اساس محتوای تصویر نیز شناخته می شود، یکی از زیرشاخه های بینایی ماشین است که جهت سازماندهی و تشخیص محتوای تصاویر دیجیتال با بهره گیری از ویژگی های بصری به کار می رود. این تکنولوژی، تصاویر مشابه با تصویرپرس وجو را از پایگاه داده های عظیم تصویری بهصورت خودکار جستجو میکند و با استخراج مستقیمویژگی های بصری از داده های تصویری و نه کلمات کلیدی و حاشیه نویسی های متنی، مشابهترین تصاویر را برای کاربران فراهم میآورد؛ بنابراین در این مقاله روشی ارائهشده است که جهت کاهش شکاف معنایی میانویژگیهای بصری سطح پایین و معانی سطح بالای تصاویر از تبدیل موجک و ترکیب ویژگیها با هیستوگرام رنگ استفاده می گردد. در این راستا، خروجی نهایی، از پایگاه داده ی تصویر با بهره گیری از روش استخراج ویژگی از تصاویر ورودی، خواهد بود.در گام بعد، هنگامیکه تصاویر پرس وجو توسط کاربر هدف به سیستم داده می شود، جهت بازیابی تصاویر مرتبط، از یادگیری نیمه نظارتشده که از ترکیب روشهای خوشهبندی و طبقهبندی بر اساس کاوش الگوهای مکرر حاصل می شود، مشابهترین تصاویربرای کاربران بازیابی میگردد. نتایج آزمایش نشان میدهد که سیستم پیشنهادی، بالاترین میزاناثربخشی را در مقایسه با سایر روشهای مورد مقایسه ارائه نموده است.
پرونده مقاله