نوع مدرک: متون چاپی سرشناسه میرزائی کاخکی ، داود، نویسنده عنوان : احراز صحت داده در ذخیرهسازی ابری با قابلیت ردیابی بهینه تکرار نام مولف : داود میرزائی کاخکی سال نشر : 1397 صفحه شمار: 53ص یادداشت چکیده
توسعه روز به روز پردازش ابری، برونسپاری ذخیرهسازی داده 1 را افزایش میدهد که همین امر احراز صحتداده
از راه دور به صورت امن 2 را به موضوعی داغ، برای تحقیقات مرتبط با آن ساخته است. ذخیرهسازی داده در
سرورهای ابری قابلیت استفاده از داده در هر کجا و در هر زمانی که اینترنت فراهم باشد را میسر میسازد. کاربر
میتواند از چندین دستگاه برای دسترسی به داده خود استفاده کند و نگرانی در خصوص از دست رفتن اطلاعات
خود نداشته باشد زیرا در بسیاری از سرویسهای ابری از دادههای ذخیرهشده نسخه پشتیبان تهیه میشود.
با اینکه ذخیرهسازی ابری میتواند از دادهها حفاظت و دسترسی به آن را راحتتر سازد، نگرانیهای بسیاری در
خصوص افشای اطلاعات کاربران وجود دارد. از آن جایی که ذخیرهسازی دادهها در مکانی صورت میپذیرد که در
کنترل فیزیکی کاربر نیست و همچنین فراهم نبودن خطوط ارتباطی امن در تقریبا تمامی موارد بین کاربر و
سرویسدهنده، این نگرانی برای کاربر به وجود میآید که آیا سرویسدهنده ذخیرهسازی ابری میتواند صحت و
امنیت داده کاربر را فراهم کند.
برخی از محققین رویههایی برای رفع مشکل امنیت و راهکارهایی برای بهینه سازی احراز عمومی صحت داده 3 از
راه دور به صورت امن ارائه دادهاند. از این راهکارها به منظور بررسی درستی دادههای ذخیره شده کاربران در سرور
ابری استفاده میشود. با این وجود این رویهها همیشه و در هر حالتی امن نیستاند. هدف پیشرو رسیدن به
راهکاری ایمنتر و کاربردیتر در مبحث کاربرد عملی ذخیرهسازی ابری با در نظر گرفتن ناامنی بسترهای مخابراتی
و امکان افشای اطلاعات کاربران است. با رسیدن به این هدف تمایل به استفاده از برونسپاری داده با ملزوماتی
حیاتی مثل امنیت و صحت داده افزایش مییابد.
کلمات کلیدی: ذخیرهسازی ابری، احراز صحت عمومی، داده پویا، بردار تعهد، امضای گروهی، محاسبات
1 storage outsourcing
2 secure remote data auditing
3 public data integrity auditingشناسه افزوده : شمسایی ، رضا، استاد راهنما لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=24831 زبان مدرک : فارسی
شماره ثبت شماره بازیابی نام عام مواد محل نگهداری بخش وضعیت ثبت وضعیت امانت 520پ 520پ پایاننامه کتابخانه سجاد مهندسي كامپيوتر اسناد مرجع غیر قابل امانت ![]()
استفاده ترکیبی از انحراف معیار و گرههای همسایه جهت بهبود تشخیص ناهنجاری در شبکه های حسگر بیسیم (1396) / محمدی ، پیمان، نویسنده
نوع مدرک: متون چاپی سرشناسه محمدی ، پیمان، نویسنده عنوان : استفاده ترکیبی از انحراف معیار و گرههای همسایه جهت بهبود تشخیص ناهنجاری در شبکه های حسگر بیسیم تکرار نام مولف : پیمان محمدی سال نشر : 1396 صفحه شمار: 63ص یادداشت چکیده
یکی از مهمترین ابزار کسب اطلاعات و درک محیط که تحقیقات گستردهای را به خود معطوف نموده،
شبکه های حسگر بیسیم است. به طور سنتی، شیوه های تشخیص ناهنجاری در واحد پردازش مرکزی
اجرا میشببوند که به دلیه هزینههای بالای ارتکاط دادهها، باید تمامی دادهها در واحد پردازش مرکزی
جمعآوری شوند.
در این پایان نامه روش جدیدی برای تشخیص ناهنجاری در شبکه های حسگر بیسیم ارایه گردیده که
مبتنی بر محاسبه که انحراف معیار و استفاده از گره های همسایه میباشد.
برای تشببخیص ناهنجاری، نیازمند واحد مرکزی برای انجار پردازشهای سببنگین میباشببد. در این
پژوهش، جهت کاهش پردازشهای سبنگین در واحد مرکزی، تشخیص ناهنجاری برعهده گره مربوطه
بهصبورت درونگرهای، با کمک اطلاعات بهدسبت آمده از گرههای همسبایه گااشته و به بررسی نتای
حاصببه پرداخته شببده اسببت. به علاوه، یک روش پیشببنهادی، برای بالا بردن میزان معیار F نیز ارایه
گردیده که نتیجه حاصل ، بیانگر افزایش دقت تشخیص ناهنجاری نسبت به تحقیقات گذشتگان، در
کل سیستم است.
واژگان کلیدی:
شبکه های حسگر بیسیم، تشخیص ناهنجاری، استفاده از گره های همسایه در تشخیص ناهنجاریشناسه افزوده : شمسایی ، رضا، استاد راهنما لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=19991 زبان مدرک : فارسی
شماره ثبت شماره بازیابی نام عام مواد محل نگهداری بخش وضعیت ثبت وضعیت امانت 351پ 351پ پایاننامه کتابخانه سجاد مهندسي كامپيوتر اسناد مرجع غیر قابل امانت
نوع مدرک: متون چاپی سرشناسه شایان مهر ، الهام، نویسنده عنوان : ایجاد مصالحه¬ای بین دقت و سرعت، تشخیص حملات DDOSموجود در SDN تکرار نام مولف : الهام شایان مهر سال نشر : 1397 صفحه شمار: 54 ص یادداشت چکیده
امروزه در SDNحملات زیادی انجام می¬شود یکی از این تهاجم¬ها، حمله DDOS است که مانع در دسترس بودن اینترنت می¬شود. در این پایان¬نامه به ایجاد مصالحه¬ای بین دقت و سرعت در هنگام تشخیص حملات DDOSپرداختم که جهت استخراج ویژگی از راه¬ها و مانیتورینگ¬های مختلفی استفاده کردم و از بین تمامی این ابزارها مواردی نظیر جریان باز در کنترلر RYU، مانتیورینگ¬سیلک و جمع¬آوری¬کننده داده به نام YAFتوانستند ویژگی¬های مورد نظر را استخراج کنند. از این ویژگی¬ها برای تشخیص انواع حملاتDDoSاز جمله TCP Syn، سیل¬آساUDP ، سیل¬آساICMP به کمک الگوریتم¬هایاکزکت-استورم و شبکه عصبی برگشت به عقب استفاده کردم. بعد از اتمام همه آزمایشات، نتایج نشان می¬دهد که سرعت تقریبا ثابت و حدود 1.2 درصد افزایش یافته ولی دقت به 99.9 درصد رسید که حدود 27.2 درصد افزایش یافته است.
واژههای کلیدی: SDN ، DDOS، تشخیص ،حملاتشناسه افزوده : شمسایی ، رضا، استاد راهنما لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=24568 زبان مدرک : فارسی
شماره ثبت شماره بازیابی نام عام مواد محل نگهداری بخش وضعیت ثبت وضعیت امانت 406پ 406 پ پایاننامه کتابخانه سجاد مهندسي كامپيوتر اسناد مرجع غیر قابل امانت ![]()
بهبود دقت سیستم بازیابی تصاویر مبتنی بر محتوا در تصاویر MRI تومور مغزی به کمک یادگیری (1398) / کرمانی ، اسماء، نویسنده
نوع مدرک: متون چاپی سرشناسه کرمانی ، اسماء، نویسنده عنوان : بهبود دقت سیستم بازیابی تصاویر مبتنی بر محتوا در تصاویر MRI تومور مغزی به کمک یادگیری تکرار نام مولف : اسماء کرمانی سال نشر : 1398 صفحه شمار: 77ص یادداشت چکیده
در سال¬های اخیر شاهد رشد و تولید سریع تصاویر پزشکی مختلف به صورت دیجیتال هستیم. با این وجود نمی-توانیم از این اطلاعات استفاده کنیم، مگر اینکه سازماندهی شده باشند، تا جستجو و بازیابی آن کارامد باشد. از آن-جایی¬که بازیابی تصاویر پایگاه داده¬های پزشکی در مقیاس بزرگ به صورت یک چالش در علم پزشکی مورد توجه محققین قرارگرفته است. سیستم¬های بازیابی تصویر مبتنی بر محتوا با دو مولفه¬ی استخراج ویژگی¬ و معیار فاصله، یکی از روش¬های بازیابی تصویر است. انتخاب یک معیار فاصله مناسب پس از استخراج ویژگی، یکی از مسائل کلیدی است که راه¬حل¬ها و الگوریتم¬های فراوانی برای آن ارائه شده است. در این بین معیار فاصله عمومی مانند: فاصله اقلیدس در فضای داده¬های ورودی لزوماً نمی¬توانند به خوبی عدم شباهت داده¬ها را در مقیاس بزرگ نشان دهند. در نتیجه نمی-توانند عملکرد رضایت¬بخشی را به¬دست آورند. بنابراین یافتن معیار فاصله مبتنی بر یادگیری با استفاده از روش¬های یادگیری ماشین مسیر امیدوار کننده¬ایی برای حل این چالش بوجود آورده است.
با توجه به مطالعات انجام شده در زمینه یادگیری معیار فاصله، اکثر روش¬های موجود، به یادگیری معیار فاصله تک وجهی تعلق دارند. یعنی، در آن معیار فاصله را تنها با یک نوع ویژگی و یا با یک فضای ویژگی ترکیبی یاد می¬گیرند. چنین روش¬های یادگیری هنگام اجرا از برخی محدودیت¬ها رنج می¬برند: 1) بعضی از ویژگی¬ها ممکن است به¬طور قابل توجهی بر سایر ویژگی¬ها غلبه کنند که این مسئله سبب تضعیف قابلیت بهره¬برداری مؤثر از پتانسیل تمامی ویژگی¬ها می¬گردد.2) در فضای ویژگی ترکیب ویژگی¬های استخراج شده، ابعاد زیادی را بوجود می¬آورد، که این باعث می¬گردد، هزینه¬ی محاسباتی بالایی داشته باشد. بنابراین، این پایان¬نامه برای غلبه بر این محدودیت¬ها یک راه کار مناسب از یادگیری معیار فاصله چند وجهی آنلاین (OMDML) را بررسی می¬کند، که باعث بهبود دقت بازیابی تصاویر مبتنی بر محتوا می¬گردد. این الگوریتم بر خلاف رویکرد ترکیبی فوق با دریافت مجموعه نمونه¬های سه¬گانه یک معیار فاصله جداگانه برای هر تک وجه آموزش می¬بیند و همزمان یک ترکیب بهینه از معیارهای فاصله گوناگون به¬دست آمده در وجه¬های چند¬گانه را یاد می¬گیرد. بنابراین طرح پیشنهادی با بهره¬گیری از مزیت یادگیری آنلاین از مجموعه داده¬های بسیار بزرگ، بیشتر حمایت می¬کند. و به همین علت کارآمدی بالایی را به خود اختصاص داده است. نتایج آزمایش¬ها بر روی مجموعه¬¬¬ی پایگاه داده شامل: 3064 تصویر MRI تومور مغزی تأیید می¬کند که روش پیشنهادی اثر¬بخشی بهتری نسبت به روش¬های مشابه دارد.
واژههای کلیدی: بازیابی تصویر مبتنی بر محتوا ، یادگیری آنلاین معیار فاصله چند وجهی، تصاویر MRIتومور مغزی. استخراج ویژگیشناسه افزوده : شمسایی ، رضا، استاد راهنما لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=25353 زبان مدرک : فارسی
شماره ثبت شماره بازیابی نام عام مواد محل نگهداری بخش وضعیت ثبت وضعیت امانت 556پ 556پ پایاننامه کتابخانه سجاد مهندسي كامپيوتر اسناد مرجع غیر قابل امانت
نوع مدرک: متون چاپی سرشناسه ولیدی ، زهره، نویسنده عنوان : تحلیل کارایی روش های بدون نظارت در شناسایی جوامع همپوشان تکرار نام مولف : زهره ولیدی سال نشر : 1398 صفحه شمار: 80ص یادداشت چکیده
در این پایان نامه یک مقایسهی جامع بین چهار الگوریتم خوشهبندی k-means، حداکثرساز امید ریاضی (EM)، سلسله مراتبی و مبتنی بر چگالی به منظور تشخیص جوامع همپوشان انجام شده است. برای ارزیابی این الگوریتمها از سه مجموعه داده ی دلفین، فوتبال و GN استفاده شده است و نتایج اجرای خوشهبندی ها بر روی این سه مجموعه داده از نظر معیارهای دقت، چگالی و NMI مورد ارزیابی قرار گرفته اند. نتایج نشان می¬دهند که در مجموع الگوریتم مبتنی بر چگالی برای هر سه مجموعه داده به خوبی عمل کرده است و توانسته است بیشتر گره های هر سه شبکه را به خوبی جامعه بندی کند. همچنین در این تحقیق یک روش برای استخراج قوانین انجمنی بر اساس الگوریتم درخت تصمیم ارائه شده است که نتایج آن نشان می دهد که تنها با داشتن اطلاعات ارتباطی چند گره خاص می توان انجمن هر گره را مشخص کرد.
کلمات کلیدی: جوامع همپوشان، تشخیص جامعه، خوشهبندی، چگالی، گراف شبکهشناسه افزوده : شمسایی ، رضا، استاد راهنما لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=25354 زبان مدرک : فارسی
شماره ثبت شماره بازیابی نام عام مواد محل نگهداری بخش وضعیت ثبت وضعیت امانت 557پ 557پ پایاننامه کتابخانه سجاد مهندسي كامپيوتر اسناد مرجع غیر قابل امانت ![]()
تشخیص زندهبودن بیومتریک چندگانه با تمرکز بر محتوای ورودی و ادغام ویژگیها (1397) / جهانپناه ، سمیرا، نویسنده
نوع مدرک: متون چاپی سرشناسه جهانپناه ، سمیرا، نویسنده عنوان : تشخیص زندهبودن بیومتریک چندگانه با تمرکز بر محتوای ورودی و ادغام ویژگیها تکرار نام مولف : سمیرا جهانپناه سال نشر : 1397 صفحه شمار: 70ص یادداشت چکیده
در قرن بیستم، در مقایسه با مکانیسمهای قدیمی تایید و تصدیق، سیستمهای تایید و تصدیق بیومتریک به دلیل منحصربهفرد بودن صفات بیومتریک افراد، محبوبیت پیدا کردند. بیومتریک تکنولوژیی میباشد که به شناسایی افراد براساس صفات فیزیولوژیکی و رفتاری آنها اشاره دارد. ترکیبی از سیستمهای دادهی بیومتریک و فناوریهای تشخیص و شناسایی، سیستمهای امنیت بیومتریک را خلق میکنند که امروزه بسیار موردتوجهمیباشند.
سیستمهای بیومتریک باوجود مزایای متعدد، همواره در معرض حملاتی هستند که میتوانند امنیت این سیستمها را کاهش دهند. مهاجمین عمدتا بر حملات کلاهبرداری و فریب سیستم تمرکز دارند.
از روشهای ضدکلاهبرداری بیومتریک میتوان به دو روش تشخیص زندهبودن ویژگیهای ورودی و بیومتریک چندگانه اشاره داشت.
در این تحقیق، صفات بیومتریک اثرانگشت، عنبیه و چهره مدنظر قرارگرفته ودر کنار استفاده از توصیفگرهای محلی جهت تشخیص زندهبودن، صفات بیومتریک متعلق به هر شخص بهصورت ترکیبی دریافت شده است تا امنیت سیستم افزایش یابد. همچنین کاهش ابعاد ویژگیهای صفات بیومتریک دریافتی، سرعت سیستم را بهبود بخشیده و شایان ذکر است که سیستم ارائهشده،علاوه بر تشخیص زندهبودن صفات ورودی، هویت شخص را نیز تایید مینماید.
واژههای کلیدی:بیومتریک، کلاهبرداری، تشخیص زندهبودن، توصیفگر محلی،بیومتریک چندگانهشناسه افزوده : شمسایی ، رضا، استاد راهنما لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=24807 زبان مدرک : فارسی
شماره ثبت شماره بازیابی نام عام مواد محل نگهداری بخش وضعیت ثبت وضعیت امانت 497پ 497پ پایاننامه کتابخانه سجاد مهندسي كامپيوتر اسناد مرجع غیر قابل امانت ![]()
تشخیص میتوز در تصاویر بافت شناسی سرطان سینه با استفاده از شبکه عصبی عمیق (1396) / پهلوان نوده ، مریم، نویسنده
نوع مدرک: متون چاپی سرشناسه پهلوان نوده ، مریم، نویسنده عنوان : تشخیص میتوز در تصاویر بافت شناسی سرطان سینه با استفاده از شبکه عصبی عمیق تکرار نام مولف : مریم پهلوان نوده سال نشر : 1396 صفحه شمار: 94ص یادداشت چکیده
از هر 8 زن یک نفر در طول زندگی خود مبتلا به سرطان میشود. تشخیص به موقع سرطان یکی از مهمترین مسائلی است که همواره محققان برای افزایش طول عمر و کیفیت زندگی بیماران در پی آن بودهاند. سیستم رتبهبندی ناتینگهام، یک معیار استاندارد برای تشخیص و ارزیابی سرطان سینه میباشد که شامل سه قسمت شمارش میتوزها، هستههای تغییر شکلیافته سلولها و ساختارهای لولهای شکل است. خودکار کردن تشخیص وشمارش سلولهای میتوزی اولین گام برای کاهش زمان و خطای تشخیص است. در فرآیند تشخیص میتوزها در تصاویر هیستوپاتولوژی سرطان سینه دو چالش اساسی وجود دارد: 1) تنوع و گوناگونی ساختار سلولهای میتوزی 2) وجود کاندیدا زیاد برای سلولهای میتوزی. در این پایاننامه روشی ارائه میشود که ضمن خودکار کردن فرآیند تشخیص میتوز در تصاویر هیستوپاتولوژی، تا حدود به چالشهای موجود غلبه کند. روش پیشنهادی استفاده از یک الگوریتم یادگیری شبکه عصبی عمیق است که بر روی مجموعه دادههای چالش ICPR 2012 کار میکند. نتایج نشان میدهد روش پیشنهادی میتواند صحت تشخیص را افزایش و زمان اجرا را را کاهش دهد.
واژههای کلیدی: سرطان سینه، هیستوپاتولوژی، سلولهای میتوزی، یادگیری عمیق، شبکه عصبیشناسه افزوده : شمسایی ، رضا، استاد راهنما امینیان مدرس ، امیرفرید، استاد راهنما لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=18372 زبان مدرک : فارسی
شماره ثبت شماره بازیابی نام عام مواد محل نگهداری بخش وضعیت ثبت وضعیت امانت 331پ 331پ پایاننامه کتابخانه سجاد مهندسي كامپيوتر اسناد مرجع غیر قابل امانت
نوع مدرک: متون چاپی سرشناسه خوشخو ، ماهنوش، نویسنده عنوان : شناسایی جوامع با الگوریتم IsoFdp بهبود یافته تکرار نام مولف : ماهنوش خوشخو سال نشر : 1396 صفحه شمار: 56ص یادداشت چکیده
در سالهای گذشته، شبکههای تعاملی با توجه به یال های ارتباطی که میان گره ها وجود دارد مورد توجه زیادی قرار گرفته است. تشخیص جامعه یکی از چالشهای اصلی برای تجزیه و تحلیل این گونه شبکهها است. جامعه زیرگرافی از یک گراف است که تعداد ارتباط های بین اعضاء آن زیرگراف، نسبت به تعداد ارتباط هایی که آن را به بقیه گراف متصل می¬کند، بیشتر است. هدف اکثر الگوریتم¬های تشخیص جامعه در یک شبکه، تقسیم¬بندی شبکه به چند گروه است که هر گره شبکه باید به یک جامعه (گروه) متعلق بوده و به دیگر جوامع تعلق نداشته باشد. جامعهبندی گرههای یک شبکه بر اساس شباهتهای موجود در گرهها انجام میشود. کلید اصلی جامعهبندی صحیح، استفاده از معیار شباهت مناسب برای تفکیک گرهها است. در این پایاننامه از یک معیار شباهت ترکیبی برای جامعهبندی گرههای شبکه استفاده شده است. این معیار بر اساس ترکیب وزن دار معیار شباهتهای ساختاری، کسینوسی و همینگ ایجاد شده است. در این پایاننامه از این معیار شباهت برای بهبود روش IsoFdp استفاده شده است. نتایج مقایسه ها نشاندهنده عملکرد بهتر روش پیشنهادی است.
واژههای کلیدی:
تشخیص جامعه، الگوریتمIsoFdp، معیار شباهتشناسه افزوده : شمسایی ، رضا، استاد راهنما لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=18362 زبان مدرک : فارسی
شماره ثبت شماره بازیابی نام عام مواد محل نگهداری بخش وضعیت ثبت وضعیت امانت 323پ 323پ پایاننامه کتابخانه سجاد مهندسي كامپيوتر اسناد مرجع غیر قابل امانت ![]()
طراحی و بهبود سیستم بازیابی مبتنی بر محتوا بری تصاویر MRI تومور مغزی (1396) / چین سری ، زهرا، نویسنده
نوع مدرک: متون چاپی سرشناسه چین سری ، زهرا، نویسنده عنوان : طراحی و بهبود سیستم بازیابی مبتنی بر محتوا بری تصاویر MRI تومور مغزی تکرار نام مولف : زهرا چین سری سال نشر : 1396 صفحه شمار: 77ص یادداشت چکیده
امروزه با توجه به رشد چشمگیر تکنولوژی تصویربرداری در زمینه تصاویر پزشکی، انواع مختلفی از تصاویر CT ، MRI
و X-Ray به وجود آمده است . بهمنظور اینکه بتوان فرآیند بازیابی تصویر را از میان حجم متعدد تصاویر، بهخوبی انجام
داد و درنتیجهی آن با تشخیص درست بیماری، به فرآیند درمان کمک کرد باید طراحی سیستم CBIR با دقت ویژهای
صورت پذیرد . هر سیستم CBIR وابسته به دو فاکتور مهم استخراج ویژگی و معیار شباهت است . بهمنظور بهبود دقت
یک سیستم CBIR تحقیقات متعددی صورت پذیرفته است. روشهای مختلف استخراج ویژگی و معیار شباهت درگذشته
استفادهشده است . ازآنجاییکه در تحقیقات گذشته، معمول ا برای استخراج ویژگی، از ویژگیهای سطح پایین و برای
معیارهای شباهت از معیارهای فاصلهی قدیمی غیر منعطف استفادهشده است، کارایی سیستم کاهش مییابد . به همین
منظور در روش پیشنهادی، یک سیستم CBIR با امکان استخراج چند نوع ویژگی بهصورت همزمان و همچنین استفاده
از یک معیار فاصله مبتنی بر یادگیری بهعنوان معیار شباهت معرفی میگردد. هدف این سیستم بهبود دقت بازیابی است
.در این راستا، از استخراج ویژگیهای جهانی و محلی بهصورت همزمان استفادهشده است. ویژگیهای بافت و شکل بهعنوان
ویژگیهای جهانی هستند. استخراج ویژگی بافت با تکنیک موجک گابور و استخراج ویژگی شکل با الگوریتم Canny صورت
گرفته است و بهمنظور استخراج ویژگی محلی از تکنیک Fisher Vector استفاده شده است. پس از استخراج ویژگیهای
نامبرده، هر یک از بردارهای ویژگی بهصورت جداگانه توسط روش Min-Max نرمالسازی میگردند. سپس این بردارهای
ویژگی به یکدیگر الحاق میشوند و تشکیل بردار ویژگی نهایی را میدهند. درنهایت برای اندازهگیری میزان شباهت تصاویر
پایگاه داده و تصویر مورد پرسوجو از معیار شباهت FDA استفاده شده است. این روش بر روی مجموعهی پایگاه داده
شامل 4603 عکس MRI تومور مغزی از نوعهای Meningiomas و Gliomas و Pituitary انجام شده است. نتایج حاصل از
آزمایش نشاندهندهی بهبود دقت سیستم CBIR پایه دارد. کارایی سیستم پیشنهادی 77.99 درصد است.
کلمات کلیدی
بازیابی تصویر مبتنی بر محتوا، استخراج ویژگی، معیار شباهت مبتنی بر یادگیری، تصاویر MRI تومور مغزیشناسه افزوده : شمسایی ، رضا، استاد راهنما لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=21850 زبان مدرک : فارسی
شماره ثبت شماره بازیابی نام عام مواد محل نگهداری بخش وضعیت ثبت وضعیت امانت 371پ 371پ پایاننامه کتابخانه سجاد مهندسي كامپيوتر اسناد مرجع غیر قابل امانت
نوع مدرک: متون چاپی سرشناسه عباسزاده ، افسانه، نویسنده عنوان : فشرده¬سازی سیگنال¬های ECG با استفاده از سنجش فشرده : افسانه عباسزاده سال نشر : 1396 صفحه شمار: 65 ص یادداشت چکیده
تکنولوژی اینترنت اشیا به بسیاری از حیطههای زندگی ازجمله حوزهی بهداشت و سلامت وارد شده است. ورود تکنولوژی به زندگی بشر هرچند سودمندی زیادی به ارمغان آورده در عین حال تهدیدات، خطرات و چالشهایی را نیز در پی داشته است. برای مقابله با این چالش¬ها، روشهایی ارائه شده است. این پروژه از روش سنجش فشرده به منظور کاهش حجم دادهها برای صرفه¬جویی در مصرف انرژی و ذخیره¬سازی در سنسورهای حوزهی بدن (به طور خاص سنسورهای ECG) استفاده کرده است. سنجش فشرده، شامل دو بخش نمونهبرداری فشرده و بازیابی اطلاعات است. برای اینکه بازیابی دقیقی از اطلاعات فشرده شده داشته باشیم، لازم است از الگوریتم¬های بازسازی مناسب استفاده کنیم. در این پروژه، از الگوریتم AMP (approximate message passing) برای بازسازی سیگنال استفاده شده است. برای ارزیابی و اعتبارسنجی این روش از دیتاست آریتمی MIT-BIH استفاده شده است و درنهایت نتایج بدست آمده با الگوریتم CoSaMP (compressed sampling matching pursuit) مقایسه شده است.
واژگان کلیدی: شبکه¬های حسگر بدنی، فشردهسازی، سنجش فشرده، سیگنالهای الکتروکاردیوگرامشناسه افزوده : شمسایی ، رضا، استاد راهنما رجائی ، بشرا، استاد راهنما لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=24596 زبان مدرک : فارسی
شماره ثبت شماره بازیابی نام عام مواد محل نگهداری بخش وضعیت ثبت وضعیت امانت 427پ 427 پ پایاننامه کتابخانه سجاد مهندسي كامپيوتر اسناد مرجع غیر قابل امانت
نوع مدرک: متون چاپی سرشناسه عبادی ، اکرم، نویسنده عنوان : کاوش الگوهای حرکتی و طبقه بندی رخداد ویدئویی در تقاطع ها تکرار نام مولف : اکرم عبادی سال نشر : 1396 صفحه شمار: 70ص یادداشت چکیده
حس بینایی مهمترین حس در دریافت اطلاعات از محیط پیرامون است. با ظهور هوش مصنوعی، محققان سعی بر
طراحی ماشین هوشمندی دارند که بتواند مشابه انسان ببیند و محیط اطراف را از طریق حسگرها درک کند و با آن ارتباط
برقرار کند. در چند دهه ی گذشته، تلاشهای زیادی درزمینه ی شناسایی اشیاء موجود در تصاویر انجام شده است. این تلاش ها
زمانی که انسان نیازمند درک مقدار زیادی داده ی ویدئویی برای کاربردهای مختلف شد، شدت یافت. برخلاف تصاویر، در ویدئو
باید روابط زمانی-مکانی بین دنباله های تصاویر شناسایی شود. به همین دلیل، تحلیل محتوای ویدئو یکی از زمینه های فعال
تحقیقاتی سال های اخیر به شمار میرود. بسیاری از مطالعات نشان میدهند سیستم های امنیتی حاصل از تشخیص ناظر انسانی،
محدودیت ها و کاستی های زیادی دارند؛ بنابراین بررسی حجم بسیاری از ویدئوها و تشخیص وضعیت ترافیکی و حوادث در آنها،
تنها به وسیله ی ناظر انسانی کافی به نظر نمی آید. به همین دلیل به جای آنالیز ویدئو تنها توسط اپراتور، از یک ماشین هوشمند
و خودکار نیز استفاده میشود.
در این پایان نامه، چهارچوبی برای تجزیه و تحلیل خودکار فعالیت ها و تعاملات و تشخیص وضعیت های ترافیکی از
ویدئوی نظارتی موردبررسی قرار گرفت و دو رویکرد دیگر در همین راستا ارائه شد. در هر سه رویکرد، ابتدا فعالیتها و تعاملات
توسط مدل های پردازش دیریکله ی سلسله مراتبی) HDP (بر اساس ویژگی های بصری سطح پایین آموزش داده میشوند. سپس
وضعیت های ترافیکی در رویکرد اول با استفاده از مدل ترکیبی فرآیند دیریکله ی سلسله مراتبی-مدل مخفی مارکوف) HDP-HMM (و در رویکرد دوم با استفاده مدل ترکیبی مدل مخفی مارکوف –تخصیص دیریکله ی پنهان) HMM-LDA (استخراج
میشوند. در ادامه بر اساس نتایج مرحله ی یادگیری، برای رویکرد اول و دوم یک طبقه بند و برای رویکرد سوم یک خوشه بند
برای استخراج وضعیت های ترافیکی در ویدئوهای آنلاین آموزش داده میشود. در نهایت، عملیاتی جهت بهبود نتایج حاصل از
طبقه بندی وضعیت ترافیکی انجام میشود. مدل پیشنهادی، برای تجزیه و تحلیل یک مجموعه داده ی ویدئویی استاندارد روی
صحنه های ترافیکی پرجمعیت اعتباربخشی میشود و با دیگر مدل های رایج، مقایسه میشود.
واژه های کلیدی
کاوش الگوهای حرکتی، طبقه بندی رخداد ویدئویی، ویدئوکاوی، تجزیه و تحلیل فعالیت، مدلسازی الگوهای حرکتی،
شناسایی رخداد ویدئویی، استخراج وضعیت ترافیکیشناسه افزوده : شمسایی ، رضا، استاد راهنما لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=19993 زبان مدرک : فارسی
شماره ثبت شماره بازیابی نام عام مواد محل نگهداری بخش وضعیت ثبت وضعیت امانت 353پ 353پ پایاننامه کتابخانه سجاد مهندسي كامپيوتر اسناد مرجع غیر قابل امانت