مقاله ردیابی شی فقط با نشانه زمینه

مقاله ردیابی شی فقط با نشانه زمینه
فرمت فایل دانلودی: .zipفرمت فایل اصلی: docxتعداد صفحات: 22حجم فایل: 4747
بخشی از متن:
دانلود ترجمه مقاله ردیابی شی فقط با نشانه زمینه ؛ یک مقاله خوب برای رشته مهندسی کامپیوتر در 22 صفحه ترجمه شده و برای دانلود شما مهیا گردیده است.
چکیده :
نشانه زمينه عمدتا نقش مکمل یا ضمیمه در بسياری
از روش های قبلی برای ردیابی شی را بازی می کند . اگر ردیابی شی به عنوان یک مشکل
طبقه بندی هدف ازمینه با نرمی رفتار کند . پس از آن شباهت با هدف و تفاوت از زمینه
را را می توان به همان اندازه در نظرفته شود . این امر منجر به یک شوال جالب می
شود :
آیا ممکن است
ردیابی شی تنها با استفاده از نشانه های زمینه انجام شود ؟
پاسخ دادن به این
سوال یک رویکرد ردیابی شی تنها با بهره گیری از نشانه های زمینه را ارائه می دهد .
نتایج تجربی گسترده ای درتایید اعتبار احتمال ردیابی شی با استفاده از نشانه های
زمینه انجام گیرد . نتایج نشان داده شده در این مقاله همچنین یک مرجع جدید در
طراحی وش ردیابی شی بعدی را رائه می دهد .
کلمات کلیدی :
نشانه های زمینه ، ردیابی شی .
ادامه مطلب
نوشته شده در تاریخ 1395/9/2 و در ساعت : 04:03 - نویسنده : computer-engineer
تفاوت شبکه های حسگر بیسیم و موردی

تفاوت شبکه های حسگر بیسیم و موردی
فرمت فایل دانلودی: .docxفرمت فایل اصلی: wordتعداد صفحات: 80حجم فایل: 207
بخشی از متن:
اساسا یک شبکه کامپیوتری شامل دو یا بیش از دو کامپیوتر وابزارهای جانبی مثل چاپگرها، اسکنرها ومانند اینها هستند که بطور مستقیم بمنظور استفاده مشترک از سخت افزار ونرم افزار، منابع اطلاعاتی ابزارهای متصل ایجاده شده است توجه داشته باشید که به تمامی تجهیزات سخت افزاری ونرم افزاری موجود در شبکه منبع1(Source) می گویند.
در این تشریک مساعی با توجه به نوع پیکربندی کامپیوتر ، هر کامپیوتر کاربر می تواند در آن واحد منابع خود را اعم از ابزارها وداده ها با کامپیوترهای دیگر همزمان بهره ببرد.
دلایل استفاده از شبکه را می توان موارد ذیل عنوان کرد:
1. استفاده مشترک از منابع :استفاده مشترک از یک منبع اطلاعاتی یا امکانات جانبی رایانه ، بدون توجه به محل جغرافیایی هریک از منابع را استفاده از منابع مشترک گویند.
2. کاهش هزینه :متمرکز نمودن منابع واستفاده مشترک از آنها وپرهیز از پخش آنها در واحدهای مختلف واستفاده اختصاصی هر کاربر در یک سازمان کاهش هزینه را در پی خواهد داشت .
......
ادامه مطلب
نوشته شده در تاریخ 1395/7/1 و در ساعت : 03:30 - نویسنده : computer-engineer
گزارش کارآموزی آموزش فتوشاپ

گزارش کارآموزی آموزش فتوشاپ
فرمت فایل دانلودی: .docxفرمت فایل اصلی: docتعداد صفحات: 105حجم فایل: 2156بخشی از متن:
فتوشاپ یکی از نرم افزارهای گرافیکی است که اساس کار آن بر پایه ی Bitmap می باشد. نرم افزار فتوشاپ متعلق به شرکت Adobe بوده و برای ویرایش تصاویر ، طراحی موارد گرافیکی چاپی یا غیر چاپی و ... مورد استفاده ی کاربران قرار می گیرد.
ضمن اینکه این نرم افزار با چاپگرها و دستگاههای خروجی فیلم و زینک بصورت استاندارد هماهنگی دارد. برای مطالعه ی این دوره ی آموزشی نیاز است کاربران محترم آشنایی با سیستم عامل ویندوز داشته باشند.
فهرست مطالب:
مقدمه
فتوشاپ چیست؟
نصب برنامه
شروع كار
آشنایی با برخی از منوها
FILE
New
Open
Browse
Open Recent
Close
Save
Save as
Import
Export
File in fo
Save for web
فرمان Revert
Print with priview
فرمان Jumpto
منوي Edite
Step for ward
Step back ward
Fade brush tool
Cut
Copy
Copy merged
Paste info
Clear
Check speilng
Find and replace text
Fill
Stroke
Free transform
Trans form
Define brush
Purge
Undo
Clip board
Histories
Color settings
Preset manager
Preferences
منوي Select
آشنايي و کار با ابزار Tool box
1) Rectangular marguee
Single column marguee
Magnetic lasso
magic wand
Crop
Slice
Healine
Brush
History Brush
Eraser
Back ground Eraser tool
magic Eraser tool
Gradient tool
Sharpen tool
Smudge
Burn tool
ابزار ذره بين :Zoom Too
ابزار دست جابجايي تصوير
Crop Tool
Pen Tool
پنجره ها در فتوشاپ
پنجرة: Info
كار با لايه ها پانل LAYER 55
گروه LOCK 59
LAYER PROPERTIES
BLENDING OPTIONS
DUPLICATE LEYER
DELETE LEYER
DELETE LAYER
CREATE ANEWKAYER
CREATE NEW FILL OR ADJASMENT KAYER
CREATE ANEW SET
ADD VECTOR MASK
ADD A LAYER STYLE
پنهان كردن لايه
تركيب كردن لايه ها :Merge
كار با فايلها و پسوندهاي مورد استفاده كار با فايل ها
Bitmap قالب بندي استاندارد ويندوز به شمار مي آيد
Graphical Interchange format (gif ) GIF
Joint photographic Experts Group(jpg ) JPEG
Portable Document Format(pdf) PDF
Portable Network Graphic (png) PNG
tif - TIFF Tagged- Image File Format
Encapsulated postscript(eps) EPS
RAW
كاهش اندازة فايل
تغيير اندازه يك تصوير
آموزش چندین ترفند حرفه ای فتوشاپ
آموزش ساخت لوگو یاهو مسنجر
ساختن یه کره سه بعدی توپ توی فتوشاپ
آموزش شبنم بر روی برگ
آموزش نوشته الماسي
ساخت منظره شب اقيانوس

ادامه مطلب
نوشته شده در تاریخ 1395/6/30 و در ساعت : 08:34 - نویسنده : computer-engineer
مقاله بررسی تکنیکهای Document Clustering و مقایسه LDA و moVMF

مقاله بررسی تکنیکهای Document Clustering و مقایسه LDA و moVMF
فرمت فایل دانلودی: .zipفرمت فایل اصلی: docxتعداد صفحات: 8حجم فایل: 253
بخشی از متن:
دانلود ترجمه مقاله بررسی تکنیکهای Document Clustering و مقایسه LDA و moVMF ؛ مقاله ای برای رشته کامپیوتر و فناوری اطلاعات و کاربرد آن در رشته مدیریت است که در 8 صفحه برای دانلود شما ترجمه شده است.
A Survey of Document Clustering Techniques & Comparison of LDA and moVMF
چکیده :
این پروژه به طور کلی به بررسی تکنیکهای Document Clustering که به طور گسترده استفاده شده است می پردازد.ما با استفاده از مدل فضای برداری از طریق تکامل آن و گسترش به دیگر مدل های پیچیده تر و آماری صدا آغاز می کنیم. ما جزئیات دو مدل ، مخلوطی از Von Mises-Fisher و Latent Dirichlet Allocation را از آنجاییکه در سال های اخیر توجه گسترده ای را با توجه به عملکرد خوب خود را بیش از سایر مدل ها داشته اند مقایسه می کنیم. در نهایت میبینیم آزمایشهای بیشتر نیازمند موضوع یا اشیا دیگر است.
کلمات کلیدی :
VSM, LSA, pLSA, K-means, Hierarchical Clustering, LDA, moVMF, Spherical Admixture Model
1- پیش زمینه
امروزه اطلاعات بر روی اینترنت در حال انفجار نمایی در طول زمان است، و حدود 80٪ آن به صورت متن ذخیره شده است. بنابراین متن کاوی موضوع پرطرفداری است. یکی از زمینه های تحقیق به طور ویژه Document Clustering است که یک موضوع عمده در جامعه بازیابی اطلاعات است. و مشخصا" برنامه های کاربردی گسترده ای در جهان واقعی است ، به طور مثال موتورهای جستجو. به طور معمول، یک موتور جستجو اغلب هزاران صفحه در پاسخ به پرس و جو گسترده را برمی گرداند و این کار را برای کاربران برای فهرست و یا برای شناسایی اطلاعات مربوطه دشوار می کند. متد Clustering میتواند به صورت یک گروه خودکار برای بازیابی یک لیست از دسته های معنی دار استفاده شود به عنوان موتورهای جستجو سازمانی مانند Northern Light و Vivisimo یا نرم افزار منبع باز مانند Carrot2 . همچنین گوکل متد Clustering را برای مطابقت وبسایتهای خاص همراه با پرس و جو استفاده می کند. به این صورت که از یک وب سایت می تواند به عنوان مجموعه ای از موضوعات(موضوع چند سند) ببیند و یک query از خودش یا ترکیبی از چند مبحث باشد. این به طور گسترده توسط جامعه موتورهای جستجو بهینه سازی مورد مطالعه قرار گرفته است. برای پیدا کردن یک راه برای بهینه سازی یک وب سایت، مناقصه مطلوب در کلمات کلیدی خاص تعیین می کنیم ، و به این ترتیب ROI را در کمپینهای آنلاین بهبود می دهیم. در نهایت، با افزایش شبکه های اجتماعی در سال های اخیر، مانند فیس بوک و توییتر، اطلاعات معنایی بیشتر در دسترس هستند و در حال حاضر مقدار قابل توجهی از اطلاعات را منتقل می کنند .

ادامه مطلب
نوشته شده در تاریخ 1395/6/25 و در ساعت : 03:53 - نویسنده : computer-engineer
مقاله مقایسه و بررسی روش های خوشه بندی اسناد

مقاله مقایسه و بررسی روش های خوشه بندی اسناد (داکیومنت)
فرمت فایل دانلودی: .zipفرمت فایل اصلی: docxتعداد صفحات: 17حجم فایل: 342
بخشی از متن:
دانلود ترجمه مقاله مقایسه و بررسی روش های خوشه بندی اسناد (داکیومنت) ؛ مقاله ای برای رشته کامپیوتر و فناوری اطلاعات و کاربرد آن در رشته مدیریت است که در 17 صفحه برای دانلود شما ترجمه شده است.
A Comparison of Document Clustering Techniques
چکیده :
این مقاله به بررسی نتایج حاصل از مطالعات تجربی روش های متداول خوشه بندی اسناد (داکیومنت) می پردازد. به خصوص در این مقاله، دو روش اصلی خوشه بندی داکیومنت به نام های خوشهبندی سلسله مراتبی متراکم و روش k-mean را بررسی و مقایسه می کنیم. (در روش k-means از الگوریتم استانداردk و متغیر آن وbisecting K-means استفاده کرده ایم). خوشه بندی سلسله مراتبی اغلب به عنوان روش خوشه بندی با کیفیت بهتر به تصویر کشیده می شود، اما به دلیل پیچیدگی های زمانی کوادراتیک یا درجه دوم آن محدودیت هایی هم دارد. در مقابل، روش k-means و متغیرهای آن دارای پیچیدگی های زمانی بصورت خطی است اما خوشه های درجه دوم و پایین تری بوجود می آورد. برخی مواقع، روش سلسله مراتبی و k-means به منظور دست یابی به بهترین روش با هم ترکیب می شوند. با این حال، نتایج بدست آمده از تحقیق ما حاکی از این است که روش k-meansbisectingبهتر از استاندارد k-means است و بهتر و مناسب تر از روش سلسله مراتبی است که ما معیارهای ارزیابی خوشه را آزمایش کردیم. توضیحاتی برای این نتایج بدست آمده داریم که مبتنی بر تجزیه و تحلیل جزئییات الگوریتم خوشه بندی و ماهیت داده های داکیومنت ارائه شده است.
1) پیش زمینه و انگیزه و هدف تحقیق
خوشه بندی اسناد (داکیومنت) برای استفاده در حوزه های متعددی ازجمله معنای متن و بازیابی اطلاعات بررسی شده است. درابتدا، روش خوشه بندی اسناد (داکیومنت) در جهت بهبود دقت و یا فراخوان در سیستم های بازیابی اطلاعات [Rij79, Kow97] بررسی شد و روشی کارآمد برای این منظور مشخص گردید[BL85]. به تازگی خوشه بندی به منظور استفاده در مرور یک مجموعه ای از اسناد (داکیومنت) ارائه می شود [CKPT92] و یا در سازماندهی نتایج که بواسطه یک موتور جستجو برای کاربر مفید واقع می شود. [ZEMK97]. خوشه بندی اسناد (داکیومنت) همچنین برای تولید خودکار خوشه های سلسله مراتبی استفاده شده است [KS97]. (نسل خودکار رده بندی اسناد (داکیومنت) وب همانند موارد تولیدی یاهو (www. yahoo. com) اغلب به عنوان یک هدف ذکر شده است.). یک روش تاحدودی متفاوت هم به این صورت است که خوشه های طبیعی در رده بندی سند در حال حاضر موجود (یاهو) وجود دارد. [AGY99]. و پس از آن از این خوشه ها به منظور تولید یک رده بندی سند موثر برای اسناد (داکیومنت) جدید استفاده می شود. خوشه بندی سلسله مراتبی متراکم و روش k-means دو روش خوشه است که معمولا برای خوشه بندی سند استفاده می شود. خوشه بندی سلسله مراتبی گرچه کندتر است اما اغلب از روش k-means بهتر و کاربردی تر است. مطالعه شناخته شده گسترده ای در این زمینه وجود دارد که در [DJ88] بتفصیل بیان شده است، این مباحث نشانگر این است که خوشه بندی سلسله مراتبی نسبت به k-means ارجح تر است، گرچه باید به این نکته توجه داشته باشید که این نتایج از طریق داده های غیر داکیومنت بدست آمده است. در حوزه داکیومنت، پراکندگی / جمع آوری [CKPT92]، سیستم بازبینی داکیومنت مبتنی بر خوشه بندی با استفاده از یک روش ترکیبی که شامل هر دو روش خوشه بندی ذکر شده است انجام می گیرد. K-means روشی است که بعلت کارآمدی آن مورد استفاده قرار می گیرد و روش خوشه بندی سلسله مراتبی متراکم به دلیل کیفیت آن مورد توجه است. تحقیقات اخیر در ایجاد سلسله مراتب اسناد (داکیومنت) [LA99] استفاده از برخی از تکنیک های خوشه بندی [CKPT92] را ملزم ساخته و نتیجه این تحقیقات نشان می دهد که خوشه بندی سلسله مراتبی از روش K-means بهتر است. اگرچه این نتایج تنها در مورد یک مجموعه داده واحد کاربرد دارد و یکی ازنتایج عمده ای تحقیق ما محسوب نمی شود.

ادامه مطلب
نوشته شده در تاریخ 1395/6/24 و در ساعت : 03:50 - نویسنده : computer-engineer