دانلود سورس کد تحقیق پردازش تصویر و بینایی ماشین با متلب (Matlab)

سورس کد تحقیق پردازش تصویر و بینایی ماشین با متلب (Matlab)

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: doc
تعداد صفحات: 13
حجم فایل: 1014 کیلوبایت
قیمت: 43000 تومان

توضیحات:
سورس کد پروژه پردازش تصویر و بینایی ماشین، تشخیص اجزای صورت (محدوده صورت، چشمها، بینی، لب) با نرم افزار متلب (Matlab)، همراه با راهنما و توضیح کدها در قالب فایل word.

این پروژه با هدف شناسایی و تفکیک اجزای صورت چهره انسان تهیه گردیده که در آن از قابلیت های نوار ابزارهای image processing و computed vision نرم افزار چند منظوره متلب بهره برده شده است.
فایل این پروژه شامل سورس کد هفت mfile به انضمام تصاویر نمونه برای تست برنامه، راهنمای اجرا و توضیحات کدها و توابع بکار رفته می باشد.
این برنامه قابلیت تشخیص، مجزا نمودن، normalization ، ادغام مجدد و نمایش محدوده های آستانه ی سر، چشمها، بینی و لبها در تصویر پردازش شده خروجی را داراست.

این برنامه بارها با تصاویر مختلف ( مرد، زن ) با موفقیت تست شده است.

فایل در قالب داکیومنت word تهیه شده و برای استفاده دانشجویان مهندسی کامپیوتر، هوش مصنوعی و فناوری اطلاعات و علاقمندان به مفاهیم برنامه نویسی نرم افزار کارامد متلب، خصوصاً در حوزه های پر کاربرد پردازش تصویر و یادگیری ماشین میتواند بسیار مفید باشد.

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود سایر پروژه

دانلود پاورپوینت خوشه بندی فازی

پاورپوینت خوشه بندی فازی

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: pptx
تعداد صفحات: 20
حجم فایل: 1732 کیلوبایت
قیمت: 30400 تومان

توضیحات:
پاورپوینت خوشه بندی فازی (Fuzzy Clustering) در 20 اسلاید، ارائه کلاسی کارشناسی ارشد رشته مهندسی صنایع، در قالب فایل pptx

فهرست برخی از مطالب:
گذری بر یادگیری ماشین و کاربردهای آن
مفاهیم خوشه بندی
- معرفی
- مراحل فرآیند خوشه بندی
- روش های خوشه بندی
خوشه بندی فازی
- رویکرد فازی
- افراز فازی
- خوشه بندی فازی احتمالی
- خوشه بندی فازی تخت
کاربردهای خوشه بندی

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود سایر پروژه

دانلود پاورپوینت پیش بینی ترافیک شبکه های مخابراتی با استفاده از تکنیک های یادگیری ماشین

پاورپوینت پیش بینی ترافیک شبکه های مخابراتی با استفاده از تکنیک های یادگیری ماشین

فرمت فایل دانلودی: .pptx
فرمت فایل اصلی: pptx
تعداد صفحات: 10
حجم فایل: 29652 کیلوبایت
قیمت: 80000 تومان

توضیحات:

پاورپوینت پیش بینی ترافیک شبکه های مخابراتی با استفاده از تکنیک های یادگیری ماشین، در 10 اسلاید.

خرید این فایل صرفا از فروشگاه اینترنتی فرافایل مجاز می باشد.

شامل 10 اسلاید بسیاز جذاب و حرفه ای پاورپوینت دراره پیش بینی ترافیک شبکه های مخابراتی مانند ترافیک تلفن همراه و مدیریت آن

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود سایر پروژه

دانلود یادگیری ماشین،تئوری و کاربردی

یادگیری ماشین،تئوری و کاربردی

فرمت فایل دانلودی: .docx
فرمت فایل اصلی: docx
تعداد صفحات: 146
حجم فایل: 29886 کیلوبایت
قیمت: 30000 تومان

فایل مورد نظر شامل مطالب و تصاویر از منابع معتبر است
دارای فهرست مطالب ،فهرست اشکال و جداول است.

یادگیری ماشین در نحوه انجام کار و فعالیت های روزمره ما تغییرات اساسی ایجاد کرده است. برنامه نویسان نرم افزارهای قدیمی و سنتی کار بسیار سختی داشتند. آن ها ابتدا منطق را براساس وضعیت فعلی موضوع می نوشتند و سپس داده های مربوطه را اضافه می کردند. اما با گذشت زمان و با ظهور تکنولوژی، تغییرات اساسی رخ داد.
کلان روند ها ( Megatrends ) ، فن آوری های جنون آمیز و اتوماسیون، کار ها را به دست گرفته اند و می توانیم با افتخار بگوییم که همه چیز خوب پیش می رود. با قدرت یادگیری ماشین، مشاغل قدرتمند شده و به قله های جدیدی می رسند.

فصل 1 بهینه سازی 10
1-1 مقدمه 10
1-2 مقدماتی 11
1-2-1 مجموعه های محدب 11
تعریف2.1 12
1-2-2 توابع محدب 12
تعریف3.1 12
1-2-3 زیرشاخه ها 16
1-2-4 توابع به شدت محدب 17
1-2-5 توابع محدب با گرادیان پیوسته Lipschitz 19
1-2-6 دوگانگی فنچل 19
1-2-7 واگرایی برگمن 21
1-3 به حداقل رساندن محدب صاف بدون محدودیت 23
1-3-1 به حداقل رساندن یک تابع محدب یک بعدی 23
1-3-2 نزول مختصات 25
1-3-3 نزول گرادیان 26
1-3-4 رود آینه.......... 31
1-3-5 گرادیان مزدوج 34
1-3-6 روش های مرتبه بالاتر 40
1-3-6-1 روش های شبه نیوتنی 43
1-3-6-2 روش های گرادیان طیفی 47
1-3-7 روش های بسته 48
1-4 بهینه سازی محدود 52
1-4-1 روش های مبتنی بر فرافکنی 53
1-4-2 دوگانگی لاگرانژ 55
1-4-3 برنامه های خطی و درجه دوم 60
1-4-3-1 برنامه ریزی خطی........ 60
1-4-3-2 برنامه نویسی درجه دوم 62
1-5 بهینه سازی تصادفی 66
1-5-1 نزول گرادیان تصادفی 67
1-5-1-1 ملاحظات عملی............. 67
1-6 بهینه سازی غیر محدب 68
1-6-1 روش مقعر - محدب 68
1-7 برخی از توصیه های عملی 70
فصل 2 آموزش آنلاین و تقویت 75
2-1 الگوریتم نصف کردن 75
2-2 اکثریت وزنی 76
فصل 3 چگالی شرطی 83
3-1 رگرسیون لجستیک 84
3-2 رگرسیون 86
3-2-1 مدل های عادی مشروط 86
3-2-2 توزیع پسین 86
3-2-3 برآورد ناهمسان 86
3-3 کاتیون چند کلاسه کلاسی 87
3-3-1 مدل های چند جمله ای مشروط 87
3-4 CRF چیست؟ 87
3-4-1 CRF های زنجیره ای خطی 87
3-4-2 CRF های مرتبه بالاتر 87
3-4-3 CRF های هسته دار 87
3-5 استراتژی های بهینه سازی 87
3-5-1 شروع به کار 87
3-5-2 الگوریتم های بهینه سازی 88
3-5-3 مدیریت CRFهای سفارش بالاتر 88
3-6 مدل های پنهان مارکوف 88
3-7 مطالعه بیشتر 88
3-7-1 بهینه سازی. 89
فصل 4 هسته ها و فضاهای توابعی 90
4-1 مبانی 90
4-1-1 مثال ها.......... 91
4-1-1-1 هسته خطی................. 91
4-1-1-2 هسته چند جمله ای 91
6-1مبانی 92
4-1-1-3 هسته تابع پایه شعاعی 92
4-1-1-4 پیچشی های هسته........... 92
4-1-1-5 رشته های هسته................ 93
4-1-1-6 نمودار های هسته..................... 95
4-2 هسته 98
4-2-1 نقشه های ویژه 98
4-2-2 ترفند هسته. 98
4-2-3 نمونه هایی از هسته ها 98
4-3 الگوریتم ها 98
4-3-1 پرسپترون هسته 98
4-3-2 Classi er................ 98
4-3-3 تجزیه و تحلیل مؤلفه اصلی هسته 98
4-4 بازتولید فضاهای هیلبرت هسته 98
4-5 بازتولید فضاهای هیلبرت هسته 100
4-5-1 هیلبرت فضاهای 101
4-5-2 ویژگی های نظری 102
4-5-3 سازی منظم 102
4-6 فضاهای باناخ 102
4-6-1 خواص......... 102
4-6-2 هنجارها و مجموعه های محدب 102
فصل 5 مدل های خطی 103
5-1 کاتیون کلاسی بردار پشتیبانی 104
5-1-1 دیدگاه به حداقل رساندن ریسک منظم 110
5-1-2 یک تفسیر خانوادگی نمایی 111
5-1-3 الگوریتم های تخصصی برای آموزش SVM ها 113
5-2 برنامه های افزودنی 120
5-2-1 ترفند ν.............. 120
5-2-2 ازدست دادن لولا مربعی 122
5-2-3 از دست دادن سطح شیب دار 123
7-3 گرسیون بردار پشتیبانی 124
5-3 رگرسیون بردار پشتیبانی 125
5-3-1 ترکیب توابع از دست دادن عمومی 128
5-3-2 ترفند ν ترکیب 131
5-4 تشخیص تازگی 132
5-5 حاشیه و احتمال 135
5-6 فراتر از طبقه بندی باینری 135
5-6-1 طبقه بندی چند طبقه 136
5-6-1-1 از دست دادن لولا چند کلاسه افزایشی 136
5-6-1-2 حداکثر از دست دادن لولا چند کلاسه 137
5-6-2 طبقه بندی چند برچسبی 138
5-6-2-1 از دست دادن لولا چند برچسبی افزودنی 138
5-6-2-2 حداکثر از دست دادن لولا چند برچسبی 138
5-6-3 رگرسیون و رتبه بندی ترتیبی 139
5-7 طبقه بندی کننده های حاشیه بزرگ با ساختار 140
5-7-1 حاشیه............. 140
5-7-2 جریمه حاشیه 140
5-7-3 تلفات غیر محدب 140
5-8 برنامه های کاربردی 141
5-8-1 حاشیه نویسی توالی 141
5-8-2 تطبیق............. 141
5-8-3 بندی رتبه.......... 141
5-8-4 برنامه ریزی کوتاه ترین مسیر 141
5-8-5 حاشیه نویسی تصویر 141
5-9 بهینه سازی 141
5-9-1 تولید ستون زیر دیفرانسیل ها 141
5-9-2 روش های بسته 141
5-9-3 آرامش بیش از حد در دوگانه زمانی که 141
5-10 درمقابل مدل های حاشیه بزرگ ساختاریافته CRF 10.7 141
5-10-1 عملکرد از دست دادن 141
5-10-2 دوگانه اتصالات. 141
5-10-3 سازی بهینه. 141
فصل 6 نتیجه گیری و پیشنهادات 143
6-1 نتیجه گیری 143
6-2 پیشنهادات 146

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود سایر پروژه

دانلود پاورپوینت الگوریتم خوشه بندی هوش مصنوعی

پاورپوینت الگوریتم خوشه بندی هوش مصنوعی

فرمت فایل دانلودی: .pptx
فرمت فایل اصلی: pptx
تعداد صفحات: 54
حجم فایل: 10170 کیلوبایت
قیمت: 50000 تومان

توضیحات:

پاورپوینت الگوریتم خوشه بندی هوش مصنوعی، در 54 اسلاید.

این فایل به هوش مصنوعی، یادگیری ماشین و تعریف الگوریتم خوشه بندی، خاستگاه، انواع، کاربردها و... می پردازد.

خرید این فایل صرفا از فروشگاه اینترنتی فرافایل مجاز می باشد.

بخشی از متن فایل:

نوعی روش یادگیری بدون نظارت است که در آن ما از مجموعه داده ­های متشکل از داده ­های ورودی بدون برچسب به عنوان فرآیندی برای یافتن ساختار معنی­ دار، ویژگی ­های تولیدی و گروه­ بندی­ های ذاتی مجموعه ­ای از مثال­ ها استفاده می­شود.
خوشه­ بندی وظیفه تقسیم جمعیت یا نقاط داده به تعدادی گروه است به گونه­ ای که نقاط داده در همان گروه ­ها بیشتر از نقاط دیگر گروه­ ها به سایر نقاط داده همان گروه شباهت دارد. به عبارت ساده، هدف این است که گروه­ هایی را با صفات مشابه تفکیک کرده و آن­ها را به صورت خوشه ­ای تقسیم نماید.

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود سایر پروژه