-
دسترسی آزاد مقاله
1 - نشانهگذاری نیمهکور تصاویر با استفاده از SVD در حوزه تبدیل موجک گسسته
حبیب الله دانیالی فردین اخلاقیان مرتضی مخلوقیبا پیشرفت سریع تکنولوژی ارتباطات و گسترش اینترنت و افزایش چشمگیر جعل و کپی غیر مجاز دادهها، روز به روز بر ارزش نشانهگذاری افزوده میشود. در این مقاله یک روش جدید نیمهکور نشانهگذاری با استفاده از تبدیل مقدار منحصر به فرد تجزیه (Singular Value Decomposition) در حوزه چکیده کاملبا پیشرفت سریع تکنولوژی ارتباطات و گسترش اینترنت و افزایش چشمگیر جعل و کپی غیر مجاز دادهها، روز به روز بر ارزش نشانهگذاری افزوده میشود. در این مقاله یک روش جدید نیمهکور نشانهگذاری با استفاده از تبدیل مقدار منحصر به فرد تجزیه (Singular Value Decomposition) در حوزه تبدیل موجک گسسته برای حفاظت از حق مالکیت ارائه شده است. در روش پیشنهادی ابتدا به تصویر اصلی K مرحله تبدیل موجک گسسته اعمال می شود پایین ترین زیر باند فرکانسی آن به عنوان تصویر مرجع انتخاب میگردد. سپس با اعمال یک مرحله تبدیل موجک گسسته به تصویر مرجع و تصویر نشانه، مقادیر منحصربه فرد تجزیه زیر باندهای فرکانسی تصویر تبدیل یافته نشانه در مقادیر منحصربه فرد تجزیه زیر باند های متناظر تصویر تبدیل یافته مرجع تعبیه میشود. از آنجا که در این روش برای بازیابی نشانه به تصویر مرجع نیاز میباشد و نیازی به تصویر اصلی نیست لذا یک روش نیمه کور Sem-Blind)) نامیده میشود. مقاومت روش پیشنهادی در برابر هجومهای مختلف مورد بررسی قرار گرفت. نتایج حاصله نشان میدهد که روش پیشنهادی در برابر هجومهای مختلف بسیار مقاوم تر از کارهای مشابه بوده و درعین حال تصویر نشانهگذاری شده از شفافیت بیشتری برخوردار است پرونده مقاله -
دسترسی آزاد مقاله
2 - نشانهگذاری نیمهکور تصاویر با استفاده از SVD در حوزه تبدیل موجک گسسته
مرتضی مخلوقی حبیب الله دانیالی فردین اخلاقیانبا پیشرفت سریع تکنولوژی ارتباطات و گسترش اینترنت و افزایش چشمگیر جعل و کپی غیر مجاز داده ها، روز به روز بر ارزش نشانه گذاری افزوده می شود. در این مقاله یک روش جدید نیمه کور نشانه گذاری با استفاده از تبدیل مقدار منحصر به فرد تجزیه (Singular Value Decomposition) در حوزه چکیده کاملبا پیشرفت سریع تکنولوژی ارتباطات و گسترش اینترنت و افزایش چشمگیر جعل و کپی غیر مجاز داده ها، روز به روز بر ارزش نشانه گذاری افزوده می شود. در این مقاله یک روش جدید نیمه کور نشانه گذاری با استفاده از تبدیل مقدار منحصر به فرد تجزیه (Singular Value Decomposition) در حوزه تبدیل موجک گسسته برای حفاظت از حق مالکیت ارائه شده است. در روش پیشنهادی ابتدا به تصویر اصلی K مرحله تبدیل موجک گسسته اعمال می شود پایین ترین زیر باند فرکانسی آن به عنوان تصویر مرجع انتخاب می گردد. سپس با اعمال یک مرحله تبدیل موجک گسسته به تصویر مرجع و تصویر نشانه، مقادیر منحصربه فرد تجزیه زیر باندهای فرکانسی تصویر تبدیل یافته نشانه در مقادیر منحصربه فرد تجزیه زیر باند های متناظر تصویر تبدیل یافته مرجع تعبیه می-شود. از آنجا که در این روش برای بازیابی نشانه به تصویر مرجع نیاز می باشد و نیازی به تصویر اصلی نیست لذا یک روش نیمه کور Sem-Blind)) نامیده میشود. مقاومت روش پیشنهادی در برابر هجومهای مختلف مورد بررسی قرار گرفت. نتایج حاصله نشان می دهد که روش پیشنهادی در برابر هجومهای مختلف بسیار مقاوم تر از کارهای مشابه بوده و درعین حال تصویر نشانه گذاری شده از شفافیت بیشتری برخوردار است. پرونده مقاله -
دسترسی آزاد مقاله
3 - ارائه روش استخراج ویژگی شبهکوواریانسی مبتنی بر تبدیل موجک جهت کشف نشانگر حیاتی از الگوهای پروتئینی سرطان تخمدان
حسین منتظری کردی محمدحسین میرانبیگی محمدحسن مرادیتغییرات 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 کاملتغییرات 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 -
دسترسی آزاد مقاله
4 - تشخیص جزیرههای الکتریکی در شبکههای توزیع دارای تولیدات پراکنده با استفاده از تبدیل موجک گسسته و شبکه عصبی مصنوعی
مهرداد حیدری ارجلو سیدقدرتاله سیفالسادات مرتضی رزازدر 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 کاملدر 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 -
دسترسی آزاد مقاله
5 - طرحی جديد برای طبقهبندی خودکار اغتشاشات کيفيت توان بر اساس ابزار پردازش سیگنال و یادگیری ماشین
مهدي حاجيان اصغر اکبری فرودتشخیص 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 کاملتشخیص 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 -
دسترسی آزاد مقاله
6 - استخراج سیگنال قلب جنین از ثبتهای شکمی با استفاده از نمایشهای تُنک سیگنالهای الکتروکاردیوگرام
پریا طاوسی قاسم عازمی پگاه زرجامیکی 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 کاملیکی 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 -
دسترسی آزاد مقاله
7 - تشخیص خودکار بیماری های ریوی با استفاده از ویژگی های مبتنی بر تبدیل کسینوسی گسسته در تصاویر رادیوگرافی
شمیم یوسفی صمد نجارقابلاستفاده از نتایج خام رادیوگرافي در تشخیص بیماريهاي ریوي عملکرد قابلقبولي ندارد. یادگیري ماشین ميتواند به تشخیص دقیقتر بیماريها کمک کند. مطالعات گستردهاي در حوزه تشخیص خودکار بیماريها با کمک یادگیري ماشین کلاسیک و عمیق انجام شده؛ اما این روشها دقت و کارایي قابلقبولي ندار چکیده کاملاستفاده از نتایج خام رادیوگرافي در تشخیص بیماريهاي ریوي عملکرد قابلقبولي ندارد. یادگیري ماشین ميتواند به تشخیص دقیقتر بیماريها کمک کند. مطالعات گستردهاي در حوزه تشخیص خودکار بیماريها با کمک یادگیري ماشین کلاسیک و عمیق انجام شده؛ اما این روشها دقت و کارایي قابلقبولي ندارند یا به دادههاي یادگیري زیادي نیاز دارند. براي مقابله با این چالشها، در این مقاله، روش جدیدي براي تشخیص خودکار بیماريهاي ریوي بینابیني در تصاویر رادیوگرافي ارائه ميشود. در گام اول، اطلاعات بیمار از تصاویر حذف شده؛ سپس، پیکسلهاي باقیمانده، جهت پردازشهاي دقیقتر، استانداردسازي ميشوند. در گام دوم، پایایي روش پیشنهادي با کمک تبدیل رادان بهبود یافته، دادههاي اضافي با استفاده از فیلتر Top-hat حذف شده و نرخ تشخیص با بهرهبرداري از تبدیل موجک گسسته و تبدیل کسینوسي گسسته افزایش ميیابد. سپس، تعداد ویژگيهاي نهایي با کمک آنالیز تشخیصي حساس به مکان کاهش ميیابد. در گام سوم، تصاویر پردازششده به دو دسته یادگیري و تست تقسیم ميشوند؛ با استفاده از دادههاي یادگیري، مدلهاي مختلفي ایجاد شده و با کمک دادههاي تست، بهترین مدل انتخاب ميشود. نتایج شبیهسازيها بر روي مجموعه داده NIH نشان ميدهد که روش پیشنهادي مبتني بر درخت تصمیم با بهبود میانگین هارمونیک حساسیت و صحت تا 08 / 1 برابر، دقیقترین مدل را ارائه ميدهد. پرونده مقاله