دانلود تحقیق روش های استخراج ویژگی و روش های خطی و غیر خطی دسته بندی

اختصاصی از یارا فایل دانلود تحقیق روش های استخراج ویژگی و روش های خطی و غیر خطی دسته بندی دانلود با لینک مستقیم و پرسرعت .

فرمت فایل : word(قابل ویرایش)

تعداد صفحات:17

چکیده:

   در این تمرین روش های استخراج ویژگی و روش های خطی و غیر خطی دسته بندی را مورد مطالعه قرار می‌دهیم. در ابتدا روش های مختلف استخراج ویژگی که از آن جمله PCA، LDA، روش قاب بندی و چند روش دیگر هستند را و سپس برای ویژگی های استخراج شده از روش های دسته بندی خطی بیزین و SVM خطی و سپس روش های غیر‌خطی RBF ، MLP و همچنین SVM غیر‌خطی برای دسته بندی استفاده شده‌ است. بسته به روش شناسایی بکار گرفته شده، معمولا ویژگی های متفاوتی از دنباله نقاط استخراج می شود. در اکثر روش های موجود استخراج ویژگی، ویژگی ها از روی مختصات نقاط نمونه برداری شده ورودی استخراج می شوند. از مجموعه ی ویژگی های استخراج شده معمولاً تعدادی مفید تر و موثرترند. ما برای تشخیص و انتخاب ویژگی های تاثیرگذارتر از یک الگوریتم ژنتیک استفاده کرده ایم. اما پس از استخراج و انتخاب ویژگی ها نوبت به دسته بندی می رسد. در ابتدا از چند دسته بند خطی استفاده کرده ایم. به راحتی می‌توان نشان داد که ناحیه‌های تصمیم‌گیری یک ماشین خطی محدودند و این محدودیت انعطاف‌پذیری و دقت دسته‌بند را کاهش می‌دهد. مسایل بسیاری وجود دارد که توابع جداساز خطی برای داشتن حداقل خطا در آنها کافی نیستند. علاوه بر این مرزهای تصمیم‌گیری که کلاسها را از یکدیگر تفکیک می‌کنند ممکن است همیشه خطی نباشند و پیچیدگی مرزها گاهی اوقات نیاز به استفاده از سطح‌های کاملاً غیر خطی را دارند. بنابراین در ادامه ی کار از چند دسته بند غیرخطی نیز استفاده نمودیم. در استفاده از شبکه‌های عصبی چندلایه، شکل غیر خطی بودن از مجموعه‌ی آموزش فرا گرفته می‌شود. در روشهای RBF و SVM غیرخطی مشکل اصلی انتخاب توابع هسته غیر خطی مناسب است.

2) مقدمه

      اولین الگوریتم دسته‌بندی در سال 1936 توسط Fisher ارایه شد و معیارهای آن برای بهینه بودن، کم کردن خطای دسته‌بندی کننده‌های الگو‌های آموزشی بود. بسیاری از استراتژی‌های موجود نیز از همین روش پیروی می‌کنند. در ساده‌ترین شکل ممکن، دسته بند‌های خطی می‌توانند دو دسته‌ی متفاوت را تفکیک کنند. با توجه به این موضوع مساله‌ای را جدایی‌پذیر خطی می‌نامند که با یک ابرصفحه بتوان محدوده‌ی تصمیم را به دو گروه تقسیم‌بندی کرد. در عمل می‌توان دسته بند‌های خطی‌ای را طراحی کرد که بیش از دو گروه را از هم تفکیک کنند. این عمل را با تنظیم محدوده‌های تصمیم متعدد و آزمون‌های چندگانه بر اساس شرایط موجود می‌توان انجام داد. ما در این مساله یک دسته بندی با 26 کلاس را داریم.

   در روش بیزین احتمال شرطی تعلق بررسی می‌شود. به این ترتیب که الگوی مورد نظر به دسته‌ای تخصیص داده می‌شود که احتمال شرطی تعلق بردار مشخصه‌ی الگو به آن دسته ازتمام دسته‌های دیگر بیشتر باشد. روش بیزین به طور کلی می تواند برای کارایی بسیار مطلوب بهینه شوند. این روش مزایای دیگری نیز دارد که استفاده‌ی از آن را توجیه می‌کند. این روش می‌تواند با چند فرض ساده در مورد داده‌ها کاملاً به شکل روشهای ساده‌ی خطی عمل کند، به علاوه این کار می‌تواند به گونه‌ای انجام شود که در پایان، مدل قطعی بدون هیچ گونه رجوع به آمار به دست آید. در روش بیزین مشکل کار تعریف احتمالات شرطی مورد نظر قاعده‌ی بیز است.

   یک محقق روسی به نام Vladimir Vapnik در سال 1965 گام مهمی در طراحی دسته‌بندها برداشت [1] و نظریه‌ی آماری یادگیری را بصورت مستحکم‌تری بنا نهاد و ماشین بردار پشتیبان را ارایه کرد. ماشین‌های بردار پشتیبان در دو حالت جدایی‌پذیر و جدایی‌ناپذیر برای دسته‌بندی الگوهای یک مساله‌ی چندکلاسه از چند مرز جداکننده‌ی خطی یا ابرصفحه استفاده می‌کنند و در واقع حاصلضرب داخلی بردار ورودی با هر یک از بردارهای پشتیبان در فضای d بعدی ورودی محاسبه می‌شود. Vapnik نشان داد که می‌توان بردار ورودی را با یک تبدیل غیرخطی به یک فضای با بعد زیاد انتقال داد و در آن فضا حاصلضرب داخلی را بدست آورد که با این شرایط هسته‌ی مفیدی را خواهیم داشت.

   روش RBF یک دسته‌بندی و تقریب‌ساز تابعی الگوست و شامل دو لایه می‌باشد که نرون‌های خروجی ترکیبی خطی از توابع پایه‌ای را به وجود می‌آورند که توسط نرون‌های لایه‌ی پنهان محاسبه شده‌اند. زمانی که ورودی در ناحیه‌ی تعیین شده‌ی کوچک از فضای ورودی قرار گیرد، توابع اساسی(غیر خطی) در لایه‌ی پنهان، پاسخ غیر صفری به محرک ورودی می‌دهند. همچنین این مدل به عنوان یک شبکه‌ی دریافت‌کننده‌ی ناحیه‌ای شناخته شده است. ما در روش RBF از معمول‌ترین تابع هسته‌ی غیر خطی یعنی سیگموئید استفاده کرده‌ایم.

   به طور کلی شبکه‌های پرسپترون چند‌لایه شامل چندین پرسپترون ساده هستند که به طور ساختار سلسله‌مراتبی، یک شکل پیش‌خورد با یک و یا چند لایه‌ی میانی (لایه‌های پنهان) بین لایه‌های ورودی و خروجی را شکل می‌دهد. تعداد لایه‌ی پنهان و تعداد نرون‌های هر لایه ثابت نیستند. هر لایه ممکن است از نرون‌های مختلفی تشکیل شده باشد که این موضوع به کار آنها بستگی دارد. الگوریتم‌های آموزشی متفاوتی در روش چند لایه استفاده می‌شوند.

3) روشهای به کار رفته در این گزارش

   در این قسمت روشهای استخراج ویژگی، روشهای انتخاب ویژگی ها جهت بهینه کردن آنها و کم کردن ابعاد مساله با کاهش تعداد آنها و روشهای دسته‌بندی (خطی و غیرخطی) به کار رفته بررسی شده‌اند.

3-1) روشهای استخراج ویژگی

     در این قسمت انواع روشهای استخراج ویژگی ها ذکر شده است. ذکر این نکته لازم است که برخی الگوریتم های استخراج برای انتخاب ویژگی های موثر نیز استفاده می شوند ازجمله ی آنها PCA و LDA هستند. اما در این گزارش ما برای بهینه کردن ویژگی ها و کم کردن تعداد آنها و یا به عبارت دیگر برای کاهش ابعاد (Curse of Dimensionality) از الگوریتم ژنتیک استفاده نموده ایم.

3-1-1) روش PCA خطی

   روشهای استخراج ویژگی یک زیرفضای مناسب m بعدی در فضای اصلی ویژگی ها از d بعد را تعیین می کنند(m<=d). تبدیل خطی مثل PCA، آنالیز فاکتور، LDA و تعقیب تصویر بطور گسترده در شناسایی الگو برای استخراج ویژگی ها و کاهش ابعاد استفاده شده اند. بهترین استخراج کننده ی ویژگی شناخته شدهPCA یا توسعه یافته ی Karhunen-loeve است که m بردار مشخصه بزرگتر را از ماتریس کوواریانس d×d از n الگوی d بعدی محاسبه می کند. تبدیل خطی به شکل Y=XH تعریف شده است که X ماتریس الگوی n×d داده شده و Y از ماتریس الگوی n×m مشتق شده است . H ماتریس d×m از تبدیل خطی است که ستون های آن بردارهای مشخصه هستند. قبل از اینکه PCA از ویژگی های پرمعنی تر استفاده کند (بردار ویژگی های با بزرگترین مقدار ویژه)، بطور کاملاً موثر داده ها را با یک زیرفضای خطی با استفاده از معیار خطای میانگین مربعات تخمین می زند. سایر روش ها مانندتعقیب تصویر و ICA برای توزیع های غیرگاوسی تا وقتی که به مشخصه ی مرتبه ی دوم داده ها مربوط نباشد مناسب ترند. ICA با موفقیت برای جداسازی منابع دیده نشده استفاده شده است. استخراج ترکیب خطی ویژگی ها منابع نابسته را تعریف می کند. این جداسازی در صورتی امکان پذیر است که حداکثر یکی از منابع دارای توزیع گاوسی باشد.

   از آجا که PCA یک روش بدون بررسی استخراج ویژگی هاست (Unsupervised)، تحلیل جداسازی از یک اطلاعات گروهی در رابطه با هر الگو برای استخراج (خطی) ویژگی های با قابلیت جداسازی زیاد استفاده می کند. در LDA جداسازی بین کلاسی با جابجایی کل ماتریس کوواریانس در PCA با یک معیار جداسازی عمومی مانند معیار Fisher تائید می شود که در یافتن بردارهای مشخصه نتیجه می شود.( حاصل معکوس ماتریس پراکندگی و ماتریس پراکندگی بین کلاسی ). معیار دیگر همراه با بررسی (Supervised) برای چگالی های شرایط کلاس غیرگاوسی بر پایه ی فاصله Patrick-Fisher با استفاده از برآورد چگالی Parzen است.

3-1-2) روش Kernel PCA (PCA با هسته یا PCA غیرخطی)

   چندین روش برای تعریف روش های استخراج ویژگی غیرخطی وجود دارد. یکی از این روش ها که مستقیماً به PCA مربوط است، Kernel PCA نام دارد. ایده ی اصلی KPCA نگاشتن داده های ورودی بر روی برخی از فضاهای ویژگی F جدید بطور معمولی با استفاده از تابع غیرخطی و سپس اعمال یک PCA خطی در فضای نگاشت شده است. به هر حال فضایF معمولاً ابعاد بسیار زیادی دارد. برای دوری از محاسبات نگاشت ساده ی ، KPCA تنها هسته های Mercel که می توانند به یک نقطه تجزیه شوند را بکار می گیرد.

   به عنوان یک نتیجه فضای هسته یک متریک با تعریف مناسب دارد. نمونه های هسته های Mercer شامل چندجمله ای های مرتبه P بصورت و هسته گاوسی هستند.

   فرض می کنیم که X یک ماتریس الگوی n×d نرمال شده با میانگین صفر است و یک ماتریس الگو در فضای F باشد. PCA خطی در فضای F بردارهای مشخصه ی ماتریس همبستگی را حل می کند که همچنین ماتریس هسته نیز نامیده می شود. در KPCA در ابتدا m بردار ویژگی از بدست می آیند تا یک ماتریس انتقال E را تعریف کنند (E یک ماتریس n×m است که m تعداد ویژگی های دلخواه است و m<=d است). الگوهای جدید x با نگاشت می شوند که اکنون با وابستگی به مجموعه آموزش بازنمایی می شوند و نه با مقادیر ویژگی ویژگی های اندازه گیری شده. باید توجه داشت که برای یک بازنمایی کامل تا m بردار مشخصه در E (بسته به تابع هسته) توسط KPCA ممکن است نیاز باشد در حالی که در PCA خطی یک مجموعه از d بردار مشخصه فضای اصلی ویژگی ها را ارائه می کند. انتخاب تابع هسته برای یک کاربرد مشخص هنوز یک مساله باز است.

3-1-3) روش مقیاس گذاری چندبعدی(MDS)

   مقیاس گذاری چند بعدی (MDS)یک روش غیرخطی دیگر برای استخراج ویژگی هاست. هدف این روش بازنمایی یک مجموعه ی چندبعدی در دو یا سه بعد است مثل آنچه ماتریس فاصله در فضای اصلی ویژگی های d بعدی به طور کاملاً ثابت در فضای تصویرشده باقی مانده است. توابع تاکید فراوانی برای اندازه گیری کارایی این نگاشت استفاده شده اند. یک مشکل MDS این است که یک تابع نگاشت ساده و روشن را ارئه نمی کند بنابراین ممکن نیست که یک الگوی جدید را در یک نگاشت برای یک مجموعه ی آموزش مشخص بدون تکرار جایگذاری کند. چندین روش برای عنوان کردن این نقص که از درون یابی خطی تا آموزش شبکه عصبی محدود است مورد بررسی قرار گرفته است. همچنین امکان دارد که الگوریتم MDS مجدداً تعریف شود بنابراین مستقیماً یک نگاشت را تهیه می کند که ممکن است برای الگوهای آزمون جدید استفاده شود.

3-1-4) روش شبکه عصبی روبه جلو (Feed-Forward Neural Network)

   یک شبکه ی عصبی روبه جلو یک روال جامع را برای استخراج ویژگی هاو دسته بندی پیشنهاد می کند. خروجی هر لایه ی مخفی ممکن است به عنوان یک مجموعه ی جدید و اغلب غیرخطی از ویژگی ها تعریف  شود که در لایه ی مخفی برای دسته بندی ارائه می شوند. در این شرایط شبکه های استفاده شده توسط Fukushima و Lecun که اصطلاحاً آن را لایه های وزنی مشترک نامیده اند، در حقیقت فیلترهایی برای استخراج ویژگی ها در تصاویر دوبعدی هستند. در طول آموزش فیلترها با داده ها برای بیشینه کردن کارایی دسته بندی وفق داده شده اند.

   شبکه های عصبی می توانند بطور مستقیم برای استخراج ویژگی ها در یک شکل بدون بررسی (Unsupervised) استفاده شوند. شکل (a-1) معماری یک شبکه که قادر به پیدا کردن زیرفضای PCA است را نشان می دهد. به جای سیگموئیدها نرون ها توابع انتقال خطی دارند. این شبکه d ورودی و d خروجی دارد که d تعداد مشخص شده ی ویژگی هاست. ورودی ها همچنین برای رسیدن به هدف نیز با مجبور کردن لایه ی خروجی به ساخت مجدد فضای ورودی تنها با استفاده از لایه ی مخفی بکار گرفته شده اند. سه گره در لایه ی مخفی اولین سه جزء اصلی را ضبط می کنند. اگر دو لایه ی غیرخطی با واحدهای مخفی سیگموئیدی نیز وجود داشته باشند ( شکل (b-4))، آنگاه یک زیرفضای غیرخطی در لایه ی میانی یافت خواهد شد (که همچنین لایه ی گلوگاه هم نامیده می شود). غیرخطی بودن توسط اندازه ی این لایه های اضافی محدود می شود. شبکه های PCA غیر خطی یا اصطلاحاً خودشرکت پذیرها ی ابزار قوی را برای آموزش و تشریح زیرفضای غیرخطی پیشنهاد می کند. محققی به نام Oja نشان داد که چگونه شبکه های خودشرکت پذیر می توانند برای ICA استفاده شوند.

دانلود مقاله بررسی مدل سازه در حالت خطی

اختصاصی از یارا فایل دانلود مقاله بررسی مدل سازه در حالت خطی دانلود با لینک مستقیم و پرسرعت .

فرمت فایل : word(قابل ویرایش)

تعداد صفحات:17

چکیده:

بررسی مدل سازه در حالت خطی:

پس از جمع آوری اطلاعات لازم برای مدلسازی سازه جهت ارزیابی اولیه سازه تحت یک آنالیز خطی استاتیکی مطابق با آئین نامه 2800 قرار گرفت تا اولاً ضغف های آن مشخص گردد و ثانیاً نیاز به مقاوم سازی سازه بررسی گردد.

برای مدلسازی سازه از آنجا که طبقه زیرزمین سازه دارای دیوارهای آجری با کیفیت خوب و به ضخامت5/1 متر بوده و اطراف آن نیز خاک نسبتاً متراکم قرار دارد، و از طرف دیگر به دلیل پاره ای از مسائل دسترسی به تعدادی از اجزای سازه ای در طبقه زیرین ممکن نبوده و نیاز به عملیات سونداژ داشته است. به نحوی که اطلاعات کافی جهت مدلسازی دقیق غیرخطی برای سازه، فراهم نشده است. لذا در حالت خطی سازه در دو حالت با در نظر گرفتن طبقه زیرین و بدون در نظر گرفتن آن مورد بررسی قرار گرفته است و در هر حالت نیز بطور جداگانه اثرات سختی اتصال خورجینی روی رفتار سازه بررسی شده است.

در نهایت با مقایسه نتایج برای دو حالت با درنظر گرفتن زیرزمین و بدون درنظر گرفتن زیرزمین مشاهده می شد به دلیل سختی زیاد طبقه زیرین عملاً می توان تراز پایه را از طبقه همکف فرض نموده و از طبقه زیرزمین در مدلسازی سازه صرفنظر نمود.

در آنالیز استاتیکی سازه مشاهده می شود که سازه در تحمل بارهای قائم مشکلی نداشته و قادر به تحمل بارهای مرده و زنده اختصاص داده شده باشد. از طرف دیگر سازه در تحمل بارهای جانبی بسیار ضعیف بوده و تنش های تعداد زیادی از تیرها، اتصالات، و بخصوص ستونها فراتر از حد قابل تحمل مصالح بوده و لذا ضعف مفرط سازه در تمل بارهای جانبی مشاهده می گردد. علاوه بر ضعف سازه در تحمل نیروهای جانبی با توجه به زمان تناوب سازه در جهت های مختلف مشاهده می گردد که سختی سازه بسیار کم بوده و عملاً زمان تناوب سازه بسیار بالاتر از حدود معمول برای قاب ساختمان ده طبقه است. همینطور تغییر مکانهای کلی ونسبی سازه تحت نیروهای زلزله بسیار فراتر از حدود مجاز آئین نامه می باشد. بنابراین با توجه به نتایج گرفته شده از آنالیز خطی سازه نیاز سازه به مقاوم سازی کاملاً مشخص می باشد.

در ادامه با توجه به گستردگی نتایج بدست آمده خلاصه اهم نتایج بدست آمده در حالت خطی ارائه می شود.

تحلیل غیرخطی سازه موجود:

پس از مدلسازی در حالت خطی، سازه در نرم افزار Perform بصورت سه بعدی مدلسازی شد و تحت آنالیز استاتیکی غیرخطی قرار گرفته است.

به این منظور کلیه مشخصات اعضای تیروستون شامل مشخصات پلاستیک مقاطع مطابق با ضوابط FEMA356 محاسبه شده، و در نرم افزار مورد استفاده قرار گرفته است.

جهت ارزیابی سازه المانهای سازه به دو گروه کنترل شونده توسط نیرو و کنترل شونده توسط تغییر شکل طبقه بندی می شوند. در این ارتباط در قسمت های بعدی توضیحات بیشتری ارائه می گردد.

در آنالیز اولیه غیرخطی سازه در جهت x مشاهده می شود که مفاصل پلاستیک در تیر لانه زنبوری در ناحیه ای بین دو ورق تقویتی تیر که در آنجا تیر فاقد ورق پرکننده جان است تشکیل می گردد، و از آنجا که انتظار نمی رود تیرهای لانه زنبوری در این قسمت ظرفیت لازم جهت تغییر شکل پلاستیک را داشته باشند، لذا در مدلسازی تیر و در ناحیه های با جان غیرپر، تیر کنترل شونده توسط نیرو در نظر گرفته شده است بطوریکه هنگامی که لنگرهای وارده در این نواحی از حد الاستیک تجاوز نماید، تیر در نقاط موردنظر مقاومت خود را از دست می دهد.

با توجه به نتایج حاصله در این مرحله مشاهده می شود که در جهت y دیوار برشی به دلیل خردشدن بتن مقاومت خود را از دست می دهد و لذا منحنی ظرفیت سازه پله ای شکل بوده و بعد از اینکه دیوار برشی مقاومت خود را از دست می دهد، افت قابل توجهی در منحنی ظرفیت مشاهده می شود که سبب افزایش تغییر مکان هدف برای سازه می گردد.

به هر حال مشاهده می گردد ه که حتی در حالت ایمنی جانی، دیوارهای برشی و ستونهای زیادی در سازه دارای ظرفیت کافی نمی باشند و بعلاوه سازه دارای تغییر مکان هدف بسیار بالایی می باشد و در ضمن کلیه اتصالات خورجینی دارای دوران های پلاستیک قابل توجه فراتر از ظرفیت تحمل خود می باشند. همچنین در مهاربندهای واگرا نیز ظرفیت تیرها کافی نبوده و دوران خمیری آنها فراتر از حدود مجاز مطابق دستورالعمل FEMA356 می باشد. لذا سازه از نظر دستورالعمل FEMA356 آسیب پذیر بوده و نیاز به مقاوم سازی دارد.

در جهتx نیز سازه به دلیل ضعف مهاربندها وستونها وشکست تیرهای لانه زنبوری غیر شکل پذیر دارای ضعف های عمده ای می باشد که حتی در حالت ایمنی جانی تغییر شکلهای بسیار زیادی در سازه ایجاد می گردد و بعلاوه تعداد بسیار زیادی از ستونها نیز دارای ظرفیت مقاوم لازم نمی باشند و نیاز به تقویت دارند.

لازم به ذکر است که برای دستیابی به هدف بهسازی مبنا مطابق دستورالعمل FEMA356 علاوه بر حالت ایمنی جانی، ضواب مربوط به سطح عملکردی آستانه فروریزش نیز باید ارضاء گردد.

( نتابج شامل عکس فنی پوش لور و DCR ها و ....)

طیف مورد استفاده :

در این تحقیق از آنجا که هدف تنها مقایسه روشهای مختلف برای ارتقاء عملکرد لرزه ای سیستم می باشد. طیف انتخابی چندان تأثیرگذار نبوده و تنها مبنایی برای مقایسه این روشها با یکدیگر است. از این ور در این تحقیق جهت سازگاری با نرم افزار مورد استفاده از طیف سه خطی ارائه شده در دستورالعمل ATC و FEMA استفاده شده است. دلایل استفاده از این طیف به شرح زیر است:

1- نرم افزار مورد استفاده تطابق و سازگاری بسیار خوبی با طیف های ATC داشته و از سوی دیگر بدلیل پاره ای از مشکلات نرم افزاری با معرفی طیف های دیگر در نرم افزار مشکلاتی مشاهده می شود.

2- از آنجا که دستورالعمل های FEMA,ATC برای ارزیابی استفاده می شود، بهتر است از طیف های ارائه شده و سازگار با این دستورالعمل استفاده گردد.

3- آئین نامه 2800 ایران طیف مربوط به زلزله حداکثر مطابق با سطح خطر -2 را ارائه نداده است. و لذا از آنجا که بدلیل هدف عملکردی موردنظر به این طیف نیز علاوه بر سطح خطر -1 احتیاج می باشد. بهتر است از طیف های ATC که در آنها حالت زلزله حداکثر نیر پیش بینی شده است استفاده گردد.

دانلود تحقیق روش های استخراج ویژگی و روش های خطی و غیر خطی دسته بندی

اختصاصی از یارا فایل دانلود تحقیق روش های استخراج ویژگی و روش های خطی و غیر خطی دسته بندی دانلود با لینک مستقیم و پرسرعت .

فرمت فایل : word(قابل ویرایش)

تعداد صفحات:17

چکیده:

   در این تمرین روش های استخراج ویژگی و روش های خطی و غیر خطی دسته بندی را مورد مطالعه قرار می‌دهیم. در ابتدا روش های مختلف استخراج ویژگی که از آن جمله PCA، LDA، روش قاب بندی و چند روش دیگر هستند را و سپس برای ویژگی های استخراج شده از روش های دسته بندی خطی بیزین و SVM خطی و سپس روش های غیر‌خطی RBF ، MLP و همچنین SVM غیر‌خطی برای دسته بندی استفاده شده‌ است. بسته به روش شناسایی بکار گرفته شده، معمولا ویژگی های متفاوتی از دنباله نقاط استخراج می شود. در اکثر روش های موجود استخراج ویژگی، ویژگی ها از روی مختصات نقاط نمونه برداری شده ورودی استخراج می شوند. از مجموعه ی ویژگی های استخراج شده معمولاً تعدادی مفید تر و موثرترند. ما برای تشخیص و انتخاب ویژگی های تاثیرگذارتر از یک الگوریتم ژنتیک استفاده کرده ایم. اما پس از استخراج و انتخاب ویژگی ها نوبت به دسته بندی می رسد. در ابتدا از چند دسته بند خطی استفاده کرده ایم. به راحتی می‌توان نشان داد که ناحیه‌های تصمیم‌گیری یک ماشین خطی محدودند و این محدودیت انعطاف‌پذیری و دقت دسته‌بند را کاهش می‌دهد. مسایل بسیاری وجود دارد که توابع جداساز خطی برای داشتن حداقل خطا در آنها کافی نیستند. علاوه بر این مرزهای تصمیم‌گیری که کلاسها را از یکدیگر تفکیک می‌کنند ممکن است همیشه خطی نباشند و پیچیدگی مرزها گاهی اوقات نیاز به استفاده از سطح‌های کاملاً غیر خطی را دارند. بنابراین در ادامه ی کار از چند دسته بند غیرخطی نیز استفاده نمودیم. در استفاده از شبکه‌های عصبی چندلایه، شکل غیر خطی بودن از مجموعه‌ی آموزش فرا گرفته می‌شود. در روشهای RBF و SVM غیرخطی مشکل اصلی انتخاب توابع هسته غیر خطی مناسب است.

2) مقدمه

      اولین الگوریتم دسته‌بندی در سال 1936 توسط Fisher ارایه شد و معیارهای آن برای بهینه بودن، کم کردن خطای دسته‌بندی کننده‌های الگو‌های آموزشی بود. بسیاری از استراتژی‌های موجود نیز از همین روش پیروی می‌کنند. در ساده‌ترین شکل ممکن، دسته بند‌های خطی می‌توانند دو دسته‌ی متفاوت را تفکیک کنند. با توجه به این موضوع مساله‌ای را جدایی‌پذیر خطی می‌نامند که با یک ابرصفحه بتوان محدوده‌ی تصمیم را به دو گروه تقسیم‌بندی کرد. در عمل می‌توان دسته بند‌های خطی‌ای را طراحی کرد که بیش از دو گروه را از هم تفکیک کنند. این عمل را با تنظیم محدوده‌های تصمیم متعدد و آزمون‌های چندگانه بر اساس شرایط موجود می‌توان انجام داد. ما در این مساله یک دسته بندی با 26 کلاس را داریم.

   در روش بیزین احتمال شرطی تعلق بررسی می‌شود. به این ترتیب که الگوی مورد نظر به دسته‌ای تخصیص داده می‌شود که احتمال شرطی تعلق بردار مشخصه‌ی الگو به آن دسته ازتمام دسته‌های دیگر بیشتر باشد. روش بیزین به طور کلی می تواند برای کارایی بسیار مطلوب بهینه شوند. این روش مزایای دیگری نیز دارد که استفاده‌ی از آن را توجیه می‌کند. این روش می‌تواند با چند فرض ساده در مورد داده‌ها کاملاً به شکل روشهای ساده‌ی خطی عمل کند، به علاوه این کار می‌تواند به گونه‌ای انجام شود که در پایان، مدل قطعی بدون هیچ گونه رجوع به آمار به دست آید. در روش بیزین مشکل کار تعریف احتمالات شرطی مورد نظر قاعده‌ی بیز است.

   یک محقق روسی به نام Vladimir Vapnik در سال 1965 گام مهمی در طراحی دسته‌بندها برداشت [1] و نظریه‌ی آماری یادگیری را بصورت مستحکم‌تری بنا نهاد و ماشین بردار پشتیبان را ارایه کرد. ماشین‌های بردار پشتیبان در دو حالت جدایی‌پذیر و جدایی‌ناپذیر برای دسته‌بندی الگوهای یک مساله‌ی چندکلاسه از چند مرز جداکننده‌ی خطی یا ابرصفحه استفاده می‌کنند و در واقع حاصلضرب داخلی بردار ورودی با هر یک از بردارهای پشتیبان در فضای d بعدی ورودی محاسبه می‌شود. Vapnik نشان داد که می‌توان بردار ورودی را با یک تبدیل غیرخطی به یک فضای با بعد زیاد انتقال داد و در آن فضا حاصلضرب داخلی را بدست آورد که با این شرایط هسته‌ی مفیدی را خواهیم داشت.

   روش RBF یک دسته‌بندی و تقریب‌ساز تابعی الگوست و شامل دو لایه می‌باشد که نرون‌های خروجی ترکیبی خطی از توابع پایه‌ای را به وجود می‌آورند که توسط نرون‌های لایه‌ی پنهان محاسبه شده‌اند. زمانی که ورودی در ناحیه‌ی تعیین شده‌ی کوچک از فضای ورودی قرار گیرد، توابع اساسی(غیر خطی) در لایه‌ی پنهان، پاسخ غیر صفری به محرک ورودی می‌دهند. همچنین این مدل به عنوان یک شبکه‌ی دریافت‌کننده‌ی ناحیه‌ای شناخته شده است. ما در روش RBF از معمول‌ترین تابع هسته‌ی غیر خطی یعنی سیگموئید استفاده کرده‌ایم.

   به طور کلی شبکه‌های پرسپترون چند‌لایه شامل چندین پرسپترون ساده هستند که به طور ساختار سلسله‌مراتبی، یک شکل پیش‌خورد با یک و یا چند لایه‌ی میانی (لایه‌های پنهان) بین لایه‌های ورودی و خروجی را شکل می‌دهد. تعداد لایه‌ی پنهان و تعداد نرون‌های هر لایه ثابت نیستند. هر لایه ممکن است از نرون‌های مختلفی تشکیل شده باشد که این موضوع به کار آنها بستگی دارد. الگوریتم‌های آموزشی متفاوتی در روش چند لایه استفاده می‌شوند.

3) روشهای به کار رفته در این گزارش

   در این قسمت روشهای استخراج ویژگی، روشهای انتخاب ویژگی ها جهت بهینه کردن آنها و کم کردن ابعاد مساله با کاهش تعداد آنها و روشهای دسته‌بندی (خطی و غیرخطی) به کار رفته بررسی شده‌اند.

3-1) روشهای استخراج ویژگی

     در این قسمت انواع روشهای استخراج ویژگی ها ذکر شده است. ذکر این نکته لازم است که برخی الگوریتم های استخراج برای انتخاب ویژگی های موثر نیز استفاده می شوند ازجمله ی آنها PCA و LDA هستند. اما در این گزارش ما برای بهینه کردن ویژگی ها و کم کردن تعداد آنها و یا به عبارت دیگر برای کاهش ابعاد (Curse of Dimensionality) از الگوریتم ژنتیک استفاده نموده ایم.

3-1-1) روش PCA خطی

   روشهای استخراج ویژگی یک زیرفضای مناسب m بعدی در فضای اصلی ویژگی ها از d بعد را تعیین می کنند(m<=d). تبدیل خطی مثل PCA، آنالیز فاکتور، LDA و تعقیب تصویر بطور گسترده در شناسایی الگو برای استخراج ویژگی ها و کاهش ابعاد استفاده شده اند. بهترین استخراج کننده ی ویژگی شناخته شدهPCA یا توسعه یافته ی Karhunen-loeve است که m بردار مشخصه بزرگتر را از ماتریس کوواریانس d×d از n الگوی d بعدی محاسبه می کند. تبدیل خطی به شکل Y=XH تعریف شده است که X ماتریس الگوی n×d داده شده و Y از ماتریس الگوی n×m مشتق شده است . H ماتریس d×m از تبدیل خطی است که ستون های آن بردارهای مشخصه هستند. قبل از اینکه PCA از ویژگی های پرمعنی تر استفاده کند (بردار ویژگی های با بزرگترین مقدار ویژه)، بطور کاملاً موثر داده ها را با یک زیرفضای خطی با استفاده از معیار خطای میانگین مربعات تخمین می زند. سایر روش ها مانندتعقیب تصویر و ICA برای توزیع های غیرگاوسی تا وقتی که به مشخصه ی مرتبه ی دوم داده ها مربوط نباشد مناسب ترند. ICA با موفقیت برای جداسازی منابع دیده نشده استفاده شده است. استخراج ترکیب خطی ویژگی ها منابع نابسته را تعریف می کند. این جداسازی در صورتی امکان پذیر است که حداکثر یکی از منابع دارای توزیع گاوسی باشد.

   از آجا که PCA یک روش بدون بررسی استخراج ویژگی هاست (Unsupervised)، تحلیل جداسازی از یک اطلاعات گروهی در رابطه با هر الگو برای استخراج (خطی) ویژگی های با قابلیت جداسازی زیاد استفاده می کند. در LDA جداسازی بین کلاسی با جابجایی کل ماتریس کوواریانس در PCA با یک معیار جداسازی عمومی مانند معیار Fisher تائید می شود که در یافتن بردارهای مشخصه نتیجه می شود.( حاصل معکوس ماتریس پراکندگی و ماتریس پراکندگی بین کلاسی ). معیار دیگر همراه با بررسی (Supervised) برای چگالی های شرایط کلاس غیرگاوسی بر پایه ی فاصله Patrick-Fisher با استفاده از برآورد چگالی Parzen است.

3-1-2) روش Kernel PCA (PCA با هسته یا PCA غیرخطی)

   چندین روش برای تعریف روش های استخراج ویژگی غیرخطی وجود دارد. یکی از این روش ها که مستقیماً به PCA مربوط است، Kernel PCA نام دارد. ایده ی اصلی KPCA نگاشتن داده های ورودی بر روی برخی از فضاهای ویژگی F جدید بطور معمولی با استفاده از تابع غیرخطی و سپس اعمال یک PCA خطی در فضای نگاشت شده است. به هر حال فضایF معمولاً ابعاد بسیار زیادی دارد. برای دوری از محاسبات نگاشت ساده ی ، KPCA تنها هسته های Mercel که می توانند به یک نقطه تجزیه شوند را بکار می گیرد.

   به عنوان یک نتیجه فضای هسته یک متریک با تعریف مناسب دارد. نمونه های هسته های Mercer شامل چندجمله ای های مرتبه P بصورت و هسته گاوسی هستند.

   فرض می کنیم که X یک ماتریس الگوی n×d نرمال شده با میانگین صفر است و یک ماتریس الگو در فضای F باشد. PCA خطی در فضای F بردارهای مشخصه ی ماتریس همبستگی را حل می کند که همچنین ماتریس هسته نیز نامیده می شود. در KPCA در ابتدا m بردار ویژگی از بدست می آیند تا یک ماتریس انتقال E را تعریف کنند (E یک ماتریس n×m است که m تعداد ویژگی های دلخواه است و m<=d است). الگوهای جدید x با نگاشت می شوند که اکنون با وابستگی به مجموعه آموزش بازنمایی می شوند و نه با مقادیر ویژگی ویژگی های اندازه گیری شده. باید توجه داشت که برای یک بازنمایی کامل تا m بردار مشخصه در E (بسته به تابع هسته) توسط KPCA ممکن است نیاز باشد در حالی که در PCA خطی یک مجموعه از d بردار مشخصه فضای اصلی ویژگی ها را ارائه می کند. انتخاب تابع هسته برای یک کاربرد مشخص هنوز یک مساله باز است.

3-1-3) روش مقیاس گذاری چندبعدی(MDS)

   مقیاس گذاری چند بعدی (MDS)یک روش غیرخطی دیگر برای استخراج ویژگی هاست. هدف این روش بازنمایی یک مجموعه ی چندبعدی در دو یا سه بعد است مثل آنچه ماتریس فاصله در فضای اصلی ویژگی های d بعدی به طور کاملاً ثابت در فضای تصویرشده باقی مانده است. توابع تاکید فراوانی برای اندازه گیری کارایی این نگاشت استفاده شده اند. یک مشکل MDS این است که یک تابع نگاشت ساده و روشن را ارئه نمی کند بنابراین ممکن نیست که یک الگوی جدید را در یک نگاشت برای یک مجموعه ی آموزش مشخص بدون تکرار جایگذاری کند. چندین روش برای عنوان کردن این نقص که از درون یابی خطی تا آموزش شبکه عصبی محدود است مورد بررسی قرار گرفته است. همچنین امکان دارد که الگوریتم MDS مجدداً تعریف شود بنابراین مستقیماً یک نگاشت را تهیه می کند که ممکن است برای الگوهای آزمون جدید استفاده شود.

3-1-4) روش شبکه عصبی روبه جلو (Feed-Forward Neural Network)

   یک شبکه ی عصبی روبه جلو یک روال جامع را برای استخراج ویژگی هاو دسته بندی پیشنهاد می کند. خروجی هر لایه ی مخفی ممکن است به عنوان یک مجموعه ی جدید و اغلب غیرخطی از ویژگی ها تعریف  شود که در لایه ی مخفی برای دسته بندی ارائه می شوند. در این شرایط شبکه های استفاده شده توسط Fukushima و Lecun که اصطلاحاً آن را لایه های وزنی مشترک نامیده اند، در حقیقت فیلترهایی برای استخراج ویژگی ها در تصاویر دوبعدی هستند. در طول آموزش فیلترها با داده ها برای بیشینه کردن کارایی دسته بندی وفق داده شده اند.

   شبکه های عصبی می توانند بطور مستقیم برای استخراج ویژگی ها در یک شکل بدون بررسی (Unsupervised) استفاده شوند. شکل (a-1) معماری یک شبکه که قادر به پیدا کردن زیرفضای PCA است را نشان می دهد. به جای سیگموئیدها نرون ها توابع انتقال خطی دارند. این شبکه d ورودی و d خروجی دارد که d تعداد مشخص شده ی ویژگی هاست. ورودی ها همچنین برای رسیدن به هدف نیز با مجبور کردن لایه ی خروجی به ساخت مجدد فضای ورودی تنها با استفاده از لایه ی مخفی بکار گرفته شده اند. سه گره در لایه ی مخفی اولین سه جزء اصلی را ضبط می کنند. اگر دو لایه ی غیرخطی با واحدهای مخفی سیگموئیدی نیز وجود داشته باشند ( شکل (b-4))، آنگاه یک زیرفضای غیرخطی در لایه ی میانی یافت خواهد شد (که همچنین لایه ی گلوگاه هم نامیده می شود). غیرخطی بودن توسط اندازه ی این لایه های اضافی محدود می شود. شبکه های PCA غیر خطی یا اصطلاحاً خودشرکت پذیرها ی ابزار قوی را برای آموزش و تشریح زیرفضای غیرخطی پیشنهاد می کند. محققی به نام Oja نشان داد که چگونه شبکه های خودشرکت پذیر می توانند برای ICA استفاده شوند.

دانلود مقاله پلی استرلیف پلیمری خطی

اختصاصی از یارا فایل دانلود مقاله پلی استرلیف پلیمری خطی دانلود با لینک مستقیم و پرسرعت .

فرمت فایل : word(قابل ویرایش)

تعداد صفحات:80

فهرست مطالب:

فصل اول.. ۱

مواد اولیه. ۱

۱-۱- تاریخچه. ۱

۱-۲- ماهیت شیمیایی : ۳

۱-۳- تولید مواد اولیه چیپس پلی استر. ۷

۱-۳-۱- اسید ترفتالیک… ۷

۱-۳-۲- اتیلن گلایکول الکل.. ۸

۱-۳-۳- مواد دیگر دخیل در تولید چیپس پلی استر. ۸

الف – کاتالیزور : ۸

ب – مواد کدر کننده پلیمر : ۹

۱-۴- تولید پلی استر از ضایعات.. ۱۰

فصل دوم. ۱۱

تولید چیپس پلی استر. ۱۱

۲-۱- مراحل تولید چیپس پلی استر و عوامل کمکی.. ۱۱

مرحله نهایی تولید چیپس (Pelletizing ). 16

2-2- واحد های کمکی دیگر جهت تولید. ۱۷

۲-۲-۱-  واحد ایجار خلاء : ۱۷

۲-۲-۲- واحد ایجاد حرارت : ۱۸

۲-۲-۳- واحد تصفیه آب : ۱۸

۲-۲-۴- واحد تولید هوای فشرده ابزار دقیق و Plant air 18

2-2-5- واحد اولید نیتروژن.. ۱۹

۲-۲-۶- واحد آماده سازی کاتالیزور. ۱۹

۲-۲-۷- واحد تصفیه پساب.. ۱۹

۲-۲-۸- واحد آماده سازی.. ۱۹

۲-۲-۱۰- واحد تقطیر Process Column. 19

2-3-قسمت های دیگر جهت تولید. ۲۰

۲-۳-۱- آزمایشگاه : ۲۰

۲-۳-۲- برق و ابزار دقیق.. ۲۰

۲-۳-۳- ماشینری : ۲۰

۲-۴- مشخصات عمومی چیپس ها ۲۰

فصل سوم. ۲۴

تولید فیلامنت.. ۲۴

۳-۱- مراحل تولید فیلامنت و عوامل موثر بر آن : ۲۴

۳-۲- عملیات کشش : ۲۶

۳-۳- نیروهای اعمالی به رشته های نوریس در‌هر نقطه از خط ریسندگی: ۲۸

۳-۴- عوامل موثر بر شرایط ریسندگی.. ۳۰

۳-۴-۱- پروفایل دما : ۳۰

۳-۴-۲- وزن ملکولی.. ۳۰

۳-۴-۳- میزان پلیمر خروجی.. ۳۱

۳-۵- مشخصات الیاف پلی استر. ۳۲

۳-۵-۱- استحکام و تطویل ۳۲

۳-۵-۲- جذب رطوبت.. ۳۳

۳-۵-۳- الاستیسیته. ۳۴

۳-۵-۴- مدول کشیدن.. ۳۴

۳-۵-۵- ظاهر میکروسکوپی.. ۳۴

۳-۵-۶- دانسیته. ۳۵

۳-۵-۷- مقاومت شیمیایی.. ۳۵

۳-۵-۸- محلولیت.. ۳۷

۳-۵-۹- عمل متورم کننده. ۳۷

۳-۵-۱۰- نقطه ذوب.. ۳۷

۳-۵-۱۱- درجه اطوکردن.. ۳۷

۳-۵-۱۲- خواص الکتریکی.. ۳۸

۳-۵-۱۳- مقاومت بیولوژیکی.. ۳۸

۳-۵-۱۴- مقاومت در برابر نور. ۳۸

۳-۵-۱۵- تشعشع هسته ای.. ۳۹

۳-۵-۱۶- آب رفتگی.. ۳۹

۳-۵-۱۷- قابلیت اشتعال : ۳۹

۳-۵-۱۸- تثبیت کردن حرارتی.. ۴۰

۳-۵-۱۹- سفید گری ۴۱

۳-۵-۲۰- رنگرزی پلی استر. ۴۱

۳-۵-۲۰-۱- انتخاب مواد رنگی.. ۴۲

۳-۵-۲۰-۲- رنگرزی یا استفاده از درجه حرارت زیاد. ۴۲

۳-۵-۲۰-۳- رنگرزی با استفاده از متورم کننده ها ۴۳

۳-۵-۲۰-۴- روش ترموزول.. ۴۴

۳-۵-۲۰-۵- ثبات رنگرزی : ۴۵

۳-۶- تست سوختن پلی استر. ۴۵

۳-۷- اصلاح پلی استر. ۴۶

۳-۸- ترفتالات های محلول.. ۴۶

۳-۹- کاربرد الیاف پلی استر. ۴۷

فصل چهارم. ۴۹

وزن ملکولی.. ۴۹

۴-۱- تعریف وزن ملکولی.. ۴۹

۴-۱-۱- میانگین عدد وزن ملکولی: ۵۰

۴-۱-۲- میانگین وزنی وزن ملکولی : ۵۰

۴-۲- روشهای سنجش وزن ملکولی.. ۵۱

۴-۳- ویسکوزیته ( گرانروی ). ۵۳

۴-۳-۱- ویسکوزیته مطلق.. ۵۴

۴-۳-۲- ویسکوزیته نسبی.. ۵۴

۴-۳-۳- ویسکوزیته ویژه : ۵۴

۴-۳-۴- ویسکوزیته اصلی : ۵۵

۴-۳-۵- ویسکوزیته ذاتی : ۵۵

۴-۴- پارامتر های متأثر از وزن ملکولی.. ۵۶

۴-۵- تأثیرات وزن ملکولی بر شرایط ریسندگی.. ۶۰

۴-۵-۱-تأثیر وزن ملکولی بر تنش ریسندگی.. ۶۰

۴-۵-۲- تاثیر ملکولی و توزیع آن بر قطر و نقطه تبلور در فیلامنت در خط ریسندگی.. ۶۲

۴-۵-۳- تاثیر وزن ملکولی و توزیع آن بر تغییرات ضریب شکست مضاعف همزمان فیلامنت در خط ریسندگی : ۶۴

۴-۵-۴- تاثیر ملکولی و توزیع آن بر تبلور و ساختار بلوری.. ۶۶

۴-۵-۵- تأثیر وزن ملکولی و توزیع آن بر چگالی فیلامنت.. ۶۶

۴-۵-۶- تأثیر وزن ملکولی و توزیع آن بر خواص مکانیکی.. ۶۷

۴-۶- رابطه وزن ملکولی و ضریب شکست در سرعت های مختلف تولید : ۶۹

۴-۷- رابطه بین وزن ملکولی و ازدیاد طول تا حد پارگی در سرعت های مختلف تولید : ۷۰

۴-۸- رابطه بین وزن ملکولی و استحکام در سرعت های مختلف تولید : ۷۲

۴-۹- رابطه بین وزن ملکولی و کریستالیته در سرعت های مختلف تولید. ۷۳

۴-۱۰- تاثیرات متقابل بین ضریب شکست مضاعف روی استحکام در وزن های ملکولی مختلف.. ۷۴

۴-۱۱- تاثیر متقابل ضریب شکست و کریستالیته : ۷۵

فصل اول

مواد اولیه

 ۱-۱- تاریخچه

پلی استرلیف پلیمری خطی مصنوعی بوده که در انگلستان توسط شیمیدان هایی بنام ژ.آر.وین فیلد و ژ.ت.دیکسون عضو جامعه کالیکو پرنیتر Calico Printer کشف و توسعه یافت . این اقدام در واقع توسط مستقیم کارهای دبلیو . اچ . کاروترز بروی
پلی استرها محسوب می گردد. در این رابطه کارخانه هایی برای تولید پلی استر تاسیس گشت . کمپانی دوپونت امریکا امتیاز این کارخانه ها را خریداری نمود و شماره ثبتی در امریکا یعنی ۲۴۶۵۳۱۹ را بخود اختصاص داد . پلیمرولیف ریسیده شده آن در کارخانه کینستون Kinston واقع در کارولینای شمالی در تاریخ مارس ۱۹۵۳ ساخته شد . نام تجارتی پلی استر در امریکا به داکرون موسوم گردید . لیف و نخ فیلامنت تولیدی در انگلیس تری لن نام داشت .تری لن و داکرون از نظر ساختار شیمیایی یکی هستند . این فرآورده از همان اوان تولید در بازار جذب گردید و هر روزه نیز به شهرتش افزوده گردید و امروزه در سرتاسر دنیا ، آن هم به اوزان نجومی تولید و به مصرف می رسد . این لیف با ساختار شیمیایی برابری توسط هوخست انگلستان( ترویرا) ، انکالون انگلیس ( ترلنکا ) وکیل روت واقع در ایرلند شمالی بنام (لیرل ) با ماهیت شیمیایی پلی ( اتیلن ترفتالات ) تولید می گردد . داکرون ساخت آمریکا و هم چنین فورترل تولیدی به وسیله Fibe industry نیز از شهرت کافی برخوردار است . [۱]

پلی اتیلن ترفتالات که به طور معمول PET نامیده می شود یکی از مهمترین پلیمرهای مهندسی است که برای تولید محصولات مختلفی از جمله الیاف نساجی ، نخ تایر ، بطری و ظروف ، فیلم های نواری صوتی و تصویری ، فیلمهای پزشکی اشعه ایکس ، فیلمهای بسته بندی ، اجزای مواد تزریقی و ورقه ها استفاده می شود .

۱-۲- ماهیت شیمیایی :

پلی استریک استرپلیمریک است. استری که در اثر ایجاد واکنش بین یک دی اسید و یک دی الکل بوجود می آید اسید مذکور ترفتالیک اسید و الکل مذکور اتیلن گلایکول
می باشد.

 فرمول شیمیایی این دو ماده اصلی پلی استر بصورت زیر می باشد :

T.P.A   اسید ترفتالیک                                        COOH-C₆H₄-COOH

EG اتیلن گلایکول                                                         OH-C₂H₄-OH

همان گونه که مشاهده خواهد شد الکل و اسید هر دو دارای دو ظرفیت بوده، اسید محتوی دو گروه اسید کربوکسیلیک –COOH و الکل نیز دارای دو گروه هیدروکسیل –OH می باشند .

در صورتیکه اسید و الکل، هر دو یک ظرفیتی بودند ، واکنش در همان مرحله مونومری متوقف می گردد یعنی:

 اتیل بنزوات دارای گروههای انتهایی فعال نبوده و نهایتاً واکنش از این مرحله فراتر نمی رود. حتی اگر یکی از ترکیبات فوق، مثلاً الکل دوظرفیتی بوده ولی دیگر جزء چنین حالتی را نداشته باشد، تنها یک استرمونومری ساده بوجود می آید یعنی :

 محصول ، یعنی دی مر هنوز محتوی گروههای فعال در هر دو سر انتهایی ملکولش بوده ، لذا پلیمریزاسیون می تواند تداوم یافته و یک پلیمر سنگین ، در حدود هشتاد هسته بنزنی بوجود آید و لیف های خوبی را تولید نماید . لیف آمریکایی ، داکرون از اسید تولید گشته و واکنش کامل را می توان بصورت زیر نوشت :

 در مورد تولید لیف تری لن بجای استفاده از ترفتالیک اسید از دی متیل استر ترفتالیت استفاده می گردد. احتمالاً استفاده از استربجای اسید بدلیل اساسی بودن درجه خلوص مواد فعل و انفعال کننده، ارجحیت داشته و اصولاً خالص سازی دی متیل ترفتالات در مقایسه با اسید ترفتالیک توسط تقطیر درجه حرارت های پائین ساده تر است ولی روشهای تولید اسید ترفتالیک خاص بنحو گسترده ای بهبود یافته و در حال حاضر از این اسید برای پلیمریزاسیون استفاده می کنند. [۳، ۱]

در سال قبل از دهه ۸۰ بدلیل عدم دسترسی به فن آوری تولید اسید ترفتالیک از دی متیل ترفتالات (DMT ) بعنوان ماده اصلی اولیه استفاده میشد . ولی اکنون از اسید ترفتالیک استفاده می شود و بدلیل از بین یردن بسیاری از فرآیند های جهت تولید DMT ، محصول T.P.A ارزانتر و ایده آلتر تهیه شده و راندمان کاری بالاتری را ارائه می نماید . در یک تحقیق بررسی شد که در صورت استفاده از اسید ترفتالیک ، ۱۷% کمتر از DMT ، مواد مصرف می شود . به عبارت دیگر برای تولید یک تن پلیمر ، ۸۶۵ کیلوگرم اسید ترفتالیک مورد نیاز است در صورتیکه ۱۰۳۰ کیلوگرم DMT مورد نیاز است . همچنین مصرف کاتالیزور نیز بسیار کمتر می باشد . از طرفی آلودگی جانبی حاصل از انجام واکنش ها کمتر است . [۴]

دانلود مقاله تأثیر و تدابیر خطی در طراحی لباس

اختصاصی از یارا فایل دانلود مقاله تأثیر و تدابیر خطی در طراحی لباس دانلود با لینک مستقیم و پرسرعت .

فرمت فایل :word(قابل ویرایش)

تعداد صفحات:74

فهرست مطالب:
بررسی بدن :    4
بررسی صورت    4
بررسی رنگ ها :    4
خطوط روی بدن    5
دامنه رنگها :    8
اثر رنگها در پوست صورت    9
اثر رنگها در اندام :    10
اثر طرح پارچه    11
تدابیر پارچه های بته دار :    12
اثر نوع پارچه :    13
انعکاس نور    13
پارچه های آهاردار و بی آهار :    14
پارچه های بدن نما :    14
خواص روحی رنگها :    22
شدت رنگ :    22
روانشناسی رنگ    23
کلاه برای صورت با فیگورهای مختلف    32
مهار کردن تحت کنترل در آوردن Subdved    33
هم رنگی Analogous    34
چرخة رنگ    37
شروع مد    39
روح و رنگ    40
مختصری در مورد کتاب های مؤسسه:    51
دروس رشته الگوسازی:    54
« دایره یا چرخه رنگ»    59
رنگ قرمز اشباع شده Saturatrd    61
هم رنگی Analogous    62
رنگ های متضاد Contrasting    62
ترکیبی از رنگ قرمز Combinig red    62
تاثیر لباس در ارتباطات فردی و اجتماعی    63
شیوه رنگ‌ درمانی    68
تاثیر جسمی و روحی رنگ سبز    69
تاثیر جسمی و روحی رنگ قرمز    70
تاثیر جسمی و روحی رنگ نارنجی    71
تاثیر جسمی و روحی رنگ زرد    72
تاثیر جسمی و روحی رنگ آبی    72
منابع    74

چکیده:

بررسی و تجزیه و تحلیل بدن
مهمترین نکته در ایجاد ظاهری دلخواه اینست که برایند چه معایبی دارید و چگونه  می‌خواهید به نظر بیایید. (با نگاه کردن عکس بدون رتوش خود یکی نیم رخ و دیگری تمام رخ) جواب این سؤآل را خواهید داد و قتی بدانید چه عیوبی دارید از بین بردن آنها راههای بیشماری دارد.
بررسی بدن :
اول باید بدانید چه نوع هیکلی دارید، کوتاه یا بلند،‌چاق یا لاغر، متوسط در وزن و قد؟ آیا شانه های افتاده،‌شکم صاف یا برآمده، سر به حالت عمودی برروی گردن؟ و آیا کمر نرمال ؟ آیا چاقی شما متناسب با قد شماست؟ با اندازه گرفتن نقاط مختلف بدن نقص ها معلوم میگردد.
بررسی صورت
موهای سر را از روی صورت به پشت سر عقب زده در آینه نگاه کنید. بهترین نوع صورت بیضی شکل است. حالا ببینید صورت شما بیضی، گرد، مثلثی ، مستطیل یا مربع است با انتخاب مدل یقه صحیح در لباس میتوان شکل صورت را مطابق دلخواه عوض کرد.
بررسی رنگ ها :
ببینید چه رنگی بهتر به پوست و رنگ چشم و موی شما می آید. با گذاشتن رنگهای مختلف پارچه روی شانه در نور طبیعی می توانید ببینید چه رنگی پوست شما را شفاف تر و رنگ چشم را درخشنده تر می کند.
از ابتدایی ترین فرم شروع می کنیم (لباس عصر)
1- خانمی قد کوتاه جوان صورت گرد – گردن کوتاه – پوست تیره و سبزرنگ
2- خانمی قد کوتاه جوان صورت دراز مستطیلی شکل – گردن بلند پوست سبزه پریده – بالاتنة کوتاه (لباس عصر)
3- خانمی قد کوتاه جوان بالاتنه درشت و پهن پاهای بارکی و پوست گندمی پریده صورت بیضی باریک – گردن کوتاه
4- خانمی جوان پوست سبز مایل به زرد صورت چهارگوش گردن کوتاه پایین تنه درشت باسن  
5- پوست جوان سفید پرده – صورت مثلثی قاعده بالا – گردن بلند – قدبلند – بسیار لاغر و استخوانی لباس عصر
6- جوان پوست سبز پریده صورت مستطیل گردن کوتاه دستهای بلند بسیار لاغر و استخوانی قد کوتاه
7- خانم جوان پوست سبز تیره مایل به زرد صورت مثلثی قاعده پایین گردن کوتاه سینه های بسیار درشت چاق و تپل قد بلند (لباس عصر)
8- خانم مسن پوست سفید پریده صورت گرد گردن کوتاه باسن برجسته رو به عقب بسیار لاغر و استخوانی قد کوتاه
9- خانم مسن پوست گندمی مایل به زرد صورت مثلثی قاعده پایین گردن کوتاه سینه های بسیار درشت قد کوتاه باسن درشت
10- خانم مسن پوست سفید گلگون صورت مستطیل گردن کوتاه باسن و شکم بسیار بزرگ پشت
خطوط روی بدن
بدن خط و برش لباس روی مستطیل خیلی مؤثر است در نظر گرفتن نوع آنها قبل از انتخاب مدل لباس خیلی مهم است. همانطور که می دانیم خط گردن، کمر، آستین، پای دامن، هیکل رامشخص می کنند پس سهم مهمی در خوب یا بد نشان داده هیکل دارند.
بررسی خطوط
باید دانست که خطوط روی انسان اثر روانی و عملی دارد با وجودیکه فقط دو نوع خط راست و  وجود دارد ولی از آنها بی نهایت خط بوجود می آید.

خطوط مستقیم
خطوط مستقیم عبارتند از عمودی، مایل ، افقی، که هر کدام اثر مختلف روی بیننده دارد. خطوط عمودی دال بر دوستی و استواری است و حال آنکه خطوط افقی دلالت بر آرامش و ملایمت می کند. اثر خطوط مایل بین دو اثر دو خط دیگر است.
   




خطوط منحنی
از خط گرد تا خط راست هستند و اثر کلامً متفاوتی با خطوط راست دارند و به تجربه ثابت شده که زیباتر هستند و زیباترین خط منحنی خطی است که مسیر مایل دارد.
   

خطوط اصلی
وقتی چندین خط در مدل باشد چشم مهمترین آنها را دنبال می کند. بخاطر این عکس العمل دید است که می شود با طرح مناسب برای لباس چشم را متوجه نقاط خوب بدن نمود. مثلاً با توجه کردن چشم به صورت ما هیکل زیاد به نظر نمی آید.
مدل :
مشکل است قبول کنیم که چشم همیشه حقیقت را نمی بیند و خطا می کند. بالنتیجه از خطاهای چشم ‌خود استفاده کرد. باید بخاطر داشت که خطوطی که نگاه را در یک مسیر عمودی حرکت می دهند بلندتر و خطوطی که نگاه را در مسیر افقی حرکت می دهند قد را کوتاهتر می کنند.
خطوط و طرح پارچه کافی برای یک نتیجه رضایتبخش روی لباس نیست رنگها هم اثر مهمی روی طرح لباس دارند‌هزاران رنگ مختلف وجود دارد ولی تمام آنها از سه رنگ اصلی به نام قرمز، زرد و آبی بوجود می آیند بنام رنگهای اصلی یا اولیه معروفند. وقتی دو رنگ اولیه به یک اندازه با هم مخلوط شوند رنگهای ثانویه دسته دوم بنام نارنجی ، سبز و بنفش بدست می آیند. از این نوع مخلوط کردن رنگها میتوان صدها رنگ مختلف بدست آورد. (کتاب طراحی دوخت –  نویسنده آن لدبری – مترجم نیره یوسفی – ناشر قطره – چاپ اول )
دامنه رنگها :
رنگها میتوانند حس گرما یا سرما بدهند. قد را بلندتر یا کوتاهتر ، رنگ صورت را درخشنده تر یا بی رنگ کنند. رنگ قرمز و نارنجی از رنگهای گرم و آبی، بنفش از رنگهای سرد هستند. رنگهای تیره و سیاه که نور را در خود جذب می کنند اثر گرمی بیشتری دارند در صورتیکه سفید و رنگهای روشن که نور را منعکس می کنند اثر سردی می دهند. بنابراین با دانستن این نکات میتوان برای فصول مختلف رنگهای مناسب انتخاب کرد. اثر رنگها روی اندام همانطور که می دانید مختلف است. تمام رنگهایی که در آن قرمز و زرد می باشند رنگهای (ادوانس) یا پیشرفته خوانده شده بنابراین شیئی را جلوتر نشان داده اندام را بزرگتر می کند. از طرف دیگر رنگهایی که شامل آبی باشد شیئی را دورتر نشان می دهند. در نتیجه کوچکتر می کنند. ولی تیرگی و روشنی نوع رنگ هم بستگی دارد. مثلاً دلیل نیست هر نوع قرمز اندام را بزرگ کند. مثلاً قرمز تیره و خاکستری مخلوط داشته باشند ممکن است اصلاً روی اندام اثر بزرگی نداشته باشد. یک راه ساده امتحان ایسنت که پای خود را در یک کفش سفید و سیاه و یا ورنی مشکی و جیر امتحان کنید و اثر بزرگی و کوچکی را متجه شوید.
اثر رنگها در پوست صورت
رنگ پوست، موها و چشم آنقدر متفاوتند که به آسانی نمی توان یک قانون دقیق و انتخاب رنگ که برای هر کس مناسب باشد داد. شاید بهترین راه همانطور که قبلا هم گفته شد این باشد که رنگها در مقابل صورت در نور طبیعی قرار داده و نتیجه مطلوب گرفت و دید که چه رنگی مناسب با پوست صورت،‌رنگ مو و چشم می باشند. در انتخاب رنگ پارچه اول رنگ پوست در نظر گرفته میشود. رنگ پوست از تعدادی زرد و قرمز تشکیل شده است. با علم به ایکه رنگها با هم هماهنگی هم با تکرار تأکید می شوند بنابراین از بکاربردن رنگهایی نامناسب مثلاً سبز اگر پوست گلگون و سرخ می باشد و یا بنفش اگر پوست زرد و پریده است اجتناب کنید. همچنین اگر پوست زرد و پریده دارید نباید رنگ زرد را انتخاب کنید. رنگ قرمز اگر پوست شما قرمزی دارد یعنی خیلی صورتی است. کسانی که ته چهره روشن دارند رنگهای تیره که ترکیب با خاکستری دارد برایشان مناسب است و کسانی که چهره زرد دارند برایشات مناسب نیست. رنگ سفید و مشکی هم روی پوست صورت اثر مخصوصی دارند. مشکی چون نور را جذب می کنند رنگ را از صورت می گیرد. در نتیجه پریده نشان می دهد برای همین است که معمولا یک یقه با ‌روشن روی لباس تیره دوخته میشود که تا اندازه ای این اثر را خنثی می کند.
با وجودیکه رنگ تیره روی اشخاص سفید پوست اثر دراماتیک دارد ولی روی رنگ پریده اثر جذب ندارد. همچنین تعداد زیادی رنگ روشن هم همان اثر را خواهند داشت. رنگ سبز و سبز – آبی رنگ صورتی گونه را تأکید می کند. اگر ته رنگ صورت تیره باشد آبی – سبز مناسب است و رنگهایی که خاکستری دارند بهتر از رنگهای درخشان چه روشن و چه تیره هستند. همچنین برای تأکید رنگ مو باید در نظر داشت که رنگهای روشن موهای سیاه و خرمایی راتیره و رنگهای تیره زردی موهای بلوند را تأکید می کنند. گاهی شخصی می خواهد زیبایی چشمها بیشتر تأکید شود با پوشیدن یک رنگ هماهنگ نتیجه مطلوب را می‌گیرد.( معصومه محمدی‌القار و اکرم تشکری – کتاب خیاطی (لباس زنانه) – الگوها -ناشران : سازمان آموزش فنی و حرفه‌ای کشور- تاریخ انتشار 1392)

اثر رنگها در اندام :
هر چند که رنگ پارچه مطابق با چهره انتخاب میشود ولی اثر آن روی اندام نباید فراموش شود می دانیم که چطور رنگهای تیره و مخلوط با خاکستری اندام را کوچکتر نشان می دهد در صورتی که رنگهای روشن و درخشان و رنگهای پیشرفته اندام را بزرگتر می کند. رنگ مشکی اگر چه اندام را کوچکتر نشان می دهد ولی خطوط خارجی اندام را محدود می کند. بنابراین اگر شما می خواهید نقائص یک قسمت از بدن را بپوشانید مثلاً باسن خیلی بزرگ  رنگ مشکی از رنگهای تیره که مخلوط خاکستری داشته باشد استفاده کنید. اگر که اندام بلند و مناسب دارید از هر رنگ می توانید استفاده کنید و چندین رنگ در یک لباس بپوشید. شخصی که بلند و چاق است باید در انتخاب رنگها دقت بیشتری کند. اثر رنگهایی که اندام را چاق تر نشان می دهد خودداری کند. در عوض رنگهای تیره که خاکستری دارند و خطوط خارجی اندام را محدود نمی کنند، استفاده کند. افراد با قد کوتاه و هیکل مناسب باید لباسی که از یک رنگ تشکیل می شود بپوشند. مدلهایی که از دو رنگ یا بیشتر است مناسب نیست. مثل بلور سفید و دامن مشکی.
شخصی چاق و کوتاه هم باید یک رنگ لباس بپوشد و از رنگهای تیره استفاده کنند و از رنگهای روشن اجتناب شود.

اثر طرح پارچه
همانطور که خطوط اثر مهمی در خوب نشان دادن هیکل دارند. طرح پارچه هم سهم مهمی در لباس دارد. البته طرح کردن برای پارچه های ساده خیلی آسانتر است ولی از آنجائیکه بعضی از پارچه های طرح دار راه راه یا بته دار زیبایی بیشتری به اندام و صورت میدهند بهتر است بیشتر دربارة آنها بدانیم.
تدابیر پارچه های راه راه :
پارچه های راه راه بخاطر اینکه طرحهای متنوع از قبیل راه پهن و باریک و برگهای مختلف می باشند برای اندامهای گوناگون مورد استفاده قرار می گیرد معمولاً پارچه های راه راه که راه عمودی داشته باشند اندام را بلندتر و باریکتر می کنند. ولی این قانون استثناء هم دارد. چون بعضی از راههای عمودی ممکن است اندام را پهن تر نشان دهد. و همچنین راه راههای افقی اندام را پهن تر و کوتاهتر نشان میدهد. ولی راه راههای افقی باریک در مقایسه با راه راههای افقی پهن اندام را باریکتر نشان میدهند در واقع این حالات بستگی به عکس العمل چشم نسبت به عرض راه راه و فاصله آنها دارد.( آموزش طراحی و دوخت – نویسنده محمود رضایی – موضوع خیاطی لباس زنانه – ناشر محمود رضایی – سال انتشار 1392)
   

تدابیر پارچه های بته دار :
پارچه های نقش دار مثل پارچه های راه راه میتوانند زیبایی خاصی به طرح لباس بدهند. ولی باید دانست که این پارچه اندام را بزرگتر از پارچه های ساده در همان رنگ نشان میدهند. معمولاً پارچه های با طرح و نقش متوسط و رنگهای نزدیک به هم نتیجه مطلوب تر می دهند. رنگهای روشن و تند و نقش های بزرگ روی پارچه اندام را بزرگتر نشان میدهند. در صورتیکه رنگهای تیره و شفاف اندام را کوچکتر می کنند. نقش و بته های روی پارچه که حالت افقی دارند چاق تر و آنها که حالت عمودی دارند لاغرتر می کنند. حاشیه پای دامن توجه را به پاها ‌جلب می کند.حاشیه ها معمولاً اندام را پهن تر می کنند. تنها حاشیه عمودی که در وسط لباس قرار می گیرد اگر باریک باشد اندام را باریکتر نشان میدهد.( طراحی و دوخت لباس - نویسنده : مارگارته اشتیگلر و لوئیز کرولوپ - مترجم : نیره یونسی – ناشر : انتشارات قطره – سال انتشار 1390)
 
اثر نوع پارچه :
نوع پارچه هم مثل خطوط مدل اثرات مختلف روی اندام دارند. شخص ممکن است غالباً مدلی با برشهای مناسب با اندام خود انتخاب کند ولی اثر این طرح را با انتخاب غلط پارچه خراب نماید. چون پارچه اگر آهاردار یا فرم، ‌زیاد یا کم می گیرند نور یا منعکس کننده ، روشن یا تیره باشند اثر مختلف روی مدل لباس و اندام دارند.

انعکاس نور
پارچه های براق که مقدار زیادی از نور را منعکس می کنند اندام را بزرگتر نشان میدهند. در صورتیکه پارچه های مات اندام را کوچکتر نشان میدهند. اثر این انعکاس درست مثل اینست که شیئی در روشنایی باشد نزدیکت و بهتر به چشم می آید یا شیئی که در نور خیلی کم باشد دورتر و کوچکتر بنابراین شخصی با اندام چاق پارچه های با راه باریک که او را لاغرتر نشان دهد ولی از نوع ساتن براق باشد او را چاقتر خواهد کرد. بعضی از پارچه ها مثل مخمل هم نور را جذب می کنند هم منعکس. همچنین پارچه هایی که پرز زیاد وظاهر خشن نداشته باشند زیادر در بزرگی اندام اثر ندارند ولی پارچه های خیلی ضخیم یا پرز زیاد برجسته اندام را بزرگتر و پارچه های صاف و نرم تر اگر براق نباشند اندام را لاغتر نشان میدهند.

پارچه های آهاردار و بی آهار :
پارچه های آهار دار خطوط خارجی اندام را نشان نمی دهند چون روی بدن افت ندارند. بنابراین هر چند که ممکن است بعضی از نقائصی را بپوشانند ولی اندام را بزرگتر می کنند. پارچه های بی آهار و افت دار مثل کرب اگر راسته دوخته شود به بدن تماس دارد و لاغر نشان میدهد و دراپه اگر دوخته شود زیبایی خاصی دارد.

پارچه های بدن نما :
این نوع پارچه از قبیل حریر و نایلون و غیره معمولا به فرم افتاده و دراپه دوخته می شوند و خطوط اندام را کاملاً نشان می دهند بنابراین عاقلانه نیست اشخاصی که نمی خواهند قسمتی از اندامشان جلب نظر کند یا اشخاصی که خیلی لاغیر یا خیلی چاق هستند آن را بپوشند. ( مدل سازی لباس های کشی و ریون - نویسنده : اکرم تشکری و معصومه محمدی‌القار - ناشران : پیک ریحان - تاریخ انتشار 1391)

چه لباسی برای چه اندامی مناسب است:
اندام بلند و مناسب
اگر اندام بلند و مناسب دارید در انتخاب مدل و رنگ آزاد بوده فقط باید سعی کنید مدلی انتخاب نکنید که قد شما را بلندتر نشان دهد. خطوط مایل و منحنی مناسب ترین خطوط اند. رنگهای روشن و تند اگر بصورتتان می آید انتخاب کنید. از پارچه های زیاد کلفت و پرزدار که ممکن است هیکل مناسب شما را تحت تأثیر قرار دهد اجتناب کنید.

بلند، خیلی باریک
اگر قد بلند و اندام خیلی لاغر و باریک دارید لباسهایی بپوشید که شما را چاقتر نشان دهد. مثلاً از دامنهای کلوش و پیلی دار و امثال یقه های بزرگ و آستین گشاد استفاده کنید. طرحی انتخاب کنید که اندام شما را افقی تقسیم کرده کوتاهتر نشان دهد. کتهای تا روی باسن ، بلوزهای چین دار و زیل دار خیلی مناسبتر . از نظر رنگ همانطور که می دانید رنگهای روشن و همچنین اسفتاده از مدلهایی که روی  باسن چند رنگ می باشند قدر را کوتاهتر نشان می دهند. از پارچه های خیلی ضخیم و پرزدار و خیلی نازک اجتناب شود.

 

بلند و چاق :
انتخاب مدل برای این افراد تقریباً مشکل است. چون اگر از خطوط عمودی برای لاغر نشان دادن استفاده کنند قد را بلندتر می کند و اگر از خطوط افقی استفاده شود چاقتر نشان داده خواهند شد.
بنابراین بهترین خطوط برای این اندامها مایل می باشد.یعنی این خطوط رل هر دو خط را تقریباً بازی می کند. رلهای ساده مناسب می باشند. پارچه های لطیف که کمی افت داشته باشند مناسب بوده و رنگهای مخلوط با خاکستری یا رنگهای با غلظت متوسط بهتر از رنگهای خیلی روشن یاخیلی تیره می باشند. از پارچه های بته دار بزرگ و براق و آهاردار خودداری شود.

 

کوتاه و مناسب :
معمولاً افراد کوتاه قد می خواهند بلندتر جلوه کنند بنابراین از خیاط عمودی، برشهای پرنس و ترکهای باریک و از این قبیل باید اسفتاده کنند. وقتی از دو پیش یا کت و دامن استفاده میشود این افراد باید دقت کنند که کت کوتاه باشد یا حتی تا جلو کمر بیاید در اینصورت قد دامن بیشتر نشان داده شده قدبلندتر بنظر می آید. لباس بهتر است از یک رنگ باشند مثلاً بلوز و دامن از یک رنگ اگر از کمربند استفاده میشود بهتر است رنگ خود لباس یا از همان پارچه باشد و سعی شود از خط کمر بالاتر بسته شود. از پارچه های بدون پرز و بته دار کوچک استفاده شود.


کوتاه و چاق
در اینجا هر خطوط عمودی باز بهترین برشها هستند نه فقط خطوط کاملاً عمودی در تمام لباس بلکه خطوط مایل باهماهنگی خطوط عمودی بسیار مناسب می باشند. مدلهای پرسی ، ترکهای باریک و بهتر است از کت و دامن کمتر استفاده شود چون قد را کوتاه تر می کند. لباس و مانتور یا پالتو مناسبتر است. رنگهایی که کمی خاکستری مخلوط دارند خطوط خارجی اندام را کمتر نشان میدهند. پارچه های بدون پرز که طرح مشخص نداشته باشد بهتر است رنگهای زنده و روشن مناسب نیستند همچنین از پارچه های براق و آهاردار باید اجتناب شود.

باسن بزرگ خارج از اندازه :
این افراد باید از پوشیدن دامنهای راسته و تنگ خودداری کنند. دامنهای راسته روی بدن و باسن آزاد باشد بهتر است. با انتخاب یقه جالب و یا طراحی در بالاتنه میشود توجه را از قسمت باسن سلب کرد. از پوشیدن کت و بلوز روی دامن که روی باسن قطع میشوند و توجه را به این قسمت می برند خودداری کنید. از رنگهای مختلف در این قسمت استفاده نکنید به هر حال اگر کمر و سینه مناسب دارید میتوانید از دامن تیره رنگ و بلوز روشن استفاده کنید وتوجه داشته باشید که مدل بالا تنه هیچ وقت ساده نباشد.
سینه کوچک :
برای سینه کوچک بهتر است از بالا تنه مدل دار از قبیل چین جلو سینه،‌یقه های جالب،‌بالاتنه کوتاه که از روی سینه چین بخورد استفاده کرد.
کمر خیلی باریک
اگر کمر خیلی باریک دارید میشود به جای ساسون در محل کمر خورد دارد یا چین داشته باشد و یاحالت دراپه باشد. از بلوزهای روی دامن هم میشود استفاده کرد.
 

سینه افتاده و بزرگ
مدل بالاتنه اگر زیاد تنگ دور کمر چسبان نباشد بهتر است حتی کمی هم چین داشته باشد از یقه های بلند یا خیلی باز خودداری شود. از رنگهای روشن و پارچه های براق اجتناب شود.
شانه خمیده و کوچک
توجه را از این قسمت باید به طرف یقه یا دامن بیشتر برد بستگی به اینکه کدام قسمت مناسبتر است. بالاتنه راسته یا چین دار و بلوز روی دامن مناسب است. استفاده از اپل
بالاتنه و بالاتنه بلند :
‌بالا تنه را بلندتر یا کوتاهتر نشان دهید. یعنی طوری که توجه در قسمت کمر نباشد و این کوتاهی یا بلندی را نشان دهید. اگر بالاتنه کوتاه است از کمر روی لباس و دامن خیلی تنگ یا خیلی گشاد خودداری شود. برای بالاتنه بلند که بالای ناحیه کمر بسته شود و دامن خیلی کوتاه پوشیده شود چون بلندی بالاتنه را بیشتر نشان میدهد.