عنوان پایان نامه : الگوریتم کلونی مورچگان – ACO
شرح مختصر :
بسیاری ازمسائل دنیای واقعی پویا هستند. برای حل یک مسئله بهینه سازی پویا نیاز به الگوریتمی داریم که علی رغم پیدا کردن بهینه در محیط بتواند بهینه های در حال تغییر را دنبال کند.تاکنون الگوریتم های تکاملی مختلفی برای بهینه سازی در محیط های پویا پیشنهاد شده است.دریک محیط پویا پس از روی دادن تغییر در محیط الگوریتم نیاز به تنوع کافی جهت جستجوی دوباره محیط دارد.درعین حال استفاده از اطلاعات جستجوهای پیشین رود جستجو راسریع تر میکند .مشکل اصلی الگوریتم های تکاملی معمول درحل مسائل بهینه سازی پویا همگرایی زود رس وکاهش تنوع جمعیتی در طول زمان است.بنابراین درمواجه با مسائل بهینه سازی پویا نیاز به رویکردهایی است که تنوع را در طول زمان حفظ کنند. دراین پروژه الگوریتم کلونی مورچه را بررسی کرده و در بسیاری مسائل کاربرد انرا بررسی میکند.
فهرست :
تقدیر وتشکر
چیکده
مقدمه
فصل اول:
تاریخچه
الگوریتم کلونی مورچه ها
هوشمندی تودهای
تفاوت هوشمندی توده ای وهوشمندی اجتماعی
بهینه سازی مسایل بوسیله کلونی مورچه
استفاده از بهینهسازی کولونی مورچهها در مسئله فروشنده دورهگرد
فصل دوم
مورچه ها چگونه کوتاه ترین مسیر را پیدا می کنند؟
انواع مختلف الگوریتم بهینه سازی مورچگان
مزیت های الگوریتم کلونی مورچه
کاربردهای الگوریتم کلونی مورچه
الگوریتم ACO
جنگ مورچه های اتشین
فصل سوم
الهام از طبیعت برای پیاده سازی نظامهای اجتماعی
ساختار نظام تحقیقات حرفه ای در پزشکی نوین
مزایای تحقق نظام تحقیقات حرفه ای در جامعه
فصل چهارم
مورچه ها متخصصان برجسته علم ژنتیک
بهینهسازی مسائل ریاضی به روش مورچهها(ACO)
فصل پنجم
بهینهسازی شبکههای کامپیوتری با الهام از کلونی مورچهها
کاربرد های الگوریتم کلونی مورچه ها در سگمنتیشن تصویر
تقطیع تصویر مبتنی بر MRF با استفاده از سیستم کلونی مورچه
سیستم Ant Colony برای تقسیم بندی و طبقه بندی Microcalcification در ماموگرام
استفاده از الگوریتم ACO در تقطیع تصویر برای استانه سازی مطلوب
5- کاربرد های الگوریتم حرکت دسته جمعی پرندگان در سگمنتیشن تصویر
1-5تقطیع تصاویر داده های سه بعدی با استفاده از الگوریتم بهینه سازی جمعی پرندگان
2-5ترکیب بهینه سازی حرکت جمعی پرندگان با الگوریتم های دسته بندی Unsupervised برای تقطیع تصویر
3-5بهینه سازی کلونی مورچه و الگوریتم بهینه سازی حرکت دسته جمعی پرندگان برای طبقه بندی Microcalcifications در ماموگرافی
فصل ششم
افق اینده
نتیجه گیری
فایل پروژه از دو فایل اصلی تشکیل شده است : یکی ACO_feature_selection.m و ExteractFeatureZernik_DWT.m و یک پایگاه داده که ۴۰۰ تصویر از ۴۰ شخص در ۱۰ حالت متفاوت گرفته شده است. مراحل اجرای پروژه به صورت زیر است :
ابتدا با استفاده از اجرای فایل ExteractFeatureZernik_Dw ویژگی های زرنیک و DWT که مربوط به ویولت هست را از ۴۰۰ تصویر بیرون کشیده و در یک ماتریس با ۴۰۰ ردیف ذخیره می کنیم. تعداد ویژگی های استخراجی برای DWT برابر ۱۶۸ ویژگی است. که با توجه به مقاله ی شماره ۲(شکل۴ مقاله) که در فایل پروژه هست پیاده سازی شده است. تصاویر پایگاه داده ۹۲×۱۱۲ می باشد سه سطح رزولوشن آن باستفاده از تبدیل وارون ویولت کم می شود سطح اول ۴۶×۵۶ ، سطح دوم ۲۳×۲۸ و سطح سوم و آخر ۱۲×۱۴ می شود. در این مرحله تصویر با ابعاد سطح سوم را به صورت برداری تک ردیف ارائه می کنیم و اینکار با کنار هم و بهم پیوست ستون ها انجام می دهیم. که برای هر تصویر بردار ویژگی DWT برداری با طول ۱۶۸ خواهد بود زیرا ۱۲×۱۴=۱۶۸ خواهد شد. پس از استخراج ویژگی های آنها را در ماتریس Feature_DWT.mat با ابعاد ۴۰۰×۱۶۸ برای استفاده ی الگوریتم ACO ذخیره می کنیم. به منظور استخراج ویژگی-های زرنیک نیز از به جای استفاده مستقیم از تصاویر پایگاه داده از تصاویر کاهش یافته ی ۶۴×۶۴ استفاده شده است. که فقط ۲۰ مرتبه ی اول ویزگی های زرنیک محاسبه می شود. و دراین حالت نیز ماتریس با نام Zernike_Moment_features.mat با ابعاد ۴۰۰×۲۰ را به منظور استفاده ACO ذخیره می کنیم.
فهرست :
توضیحات اجرای پروژه
مقاله زبان اصلی
فایل سورس پروژه
لبه یابی در تصویر با استفاده از الگوریتم aco یا کلونی مورچگان پس از تبدیل تصویر به سیاه و سفید و تعریف تابع هزینه در الگوریتم خطوط لبه از تصویر با استفاده از کنتراست تصویر بدست می آید و لبه از تصویر رنگی و یا حتی سیاه و سفید تشخیص داده می شود .
مفید برای درس های پردازش تصویر و بینایی ماشین و الگوریتم های تکاملی
در صورت سوال با من در تماس باشید
09132399969
www.matlavnevisan.ir
عنوان پروژه : شناسایی چهره با استفاده از الگوریتم کلونی مورچگان
قالب بندی : PDF, Matlab
شرح مختصر : فایل پروژه از دو فایل اصلی تشکیل شده است : یکی ACO_feature_selection.m و ExteractFeatureZernik_DWT.m و یک پایگاه داده که ۴۰۰ تصویر از ۴۰ شخص در ۱۰ حالت متفاوت گرفته شده است. مراحل اجرای پروژه به صورت زیر است :
ابتدا با استفاده از اجرای فایل ExteractFeatureZernik_Dw ویژگی های زرنیک و DWT که مربوط به ویولت هست را از ۴۰۰ تصویر بیرون کشیده و در یک ماتریس با ۴۰۰ ردیف ذخیره می کنیم. تعداد ویژگی های استخراجی برای DWT برابر ۱۶۸ ویژگی است. که با توجه به مقاله ی شماره ۲(شکل۴ مقاله) که در فایل پروژه هست پیاده سازی شده است. تصاویر پایگاه داده ۹۲×۱۱۲ می باشد سه سطح رزولوشن آن باستفاده از تبدیل وارون ویولت کم می شود سطح اول ۴۶×۵۶ ، سطح دوم ۲۳×۲۸ و سطح سوم و آخر ۱۲×۱۴ می شود. در این مرحله تصویر با ابعاد سطح سوم را به صورت برداری تک ردیف ارائه می کنیم و اینکار با کنار هم و بهم پیوست ستون ها انجام می دهیم. که برای هر تصویر بردار ویژگی DWT برداری با طول ۱۶۸ خواهد بود زیرا ۱۲×۱۴=۱۶۸ خواهد شد. پس از استخراج ویژگی های آنها را در ماتریس Feature_DWT.mat با ابعاد ۴۰۰×۱۶۸ برای استفاده ی الگوریتم ACO ذخیره می کنیم. به منظور استخراج ویژگی-های زرنیک نیز از به جای استفاده مستقیم از تصاویر پایگاه داده از تصاویر کاهش یافته ی ۶۴×۶۴ استفاده شده است. که فقط ۲۰ مرتبه ی اول ویزگی های زرنیک محاسبه می شود. و دراین حالت نیز ماتریس با نام Zernike_Moment_features.mat با ابعاد ۴۰۰×۲۰ را به منظور استفاده ACO ذخیره می کنیم.
فهرست :
توضیحات اجرای پروژه
مقاله زبان اصلی
فایل سورس پروژه
دانلود سمینار کارشناسی ارشد مهندسی کامپیوتر استفاده از کلونی مورچه در مسیر یابی در شبکه دیتا گرام با فرمت pdf تعداد صفحات 77
این سمینار جهت ارایه در مقطع کارشناسی ارشد طراحی وتدوین گردیده است وشامل کلیه مباحث مورد نیاز سمینارارشد این رشته می باشد.نمونه های مشابه این عنوان با قیمت های بسیار بالایی در اینترنت به فروش می رسد.گروه تخصصی مااین سمینار رابا قیمت ناچیزی جهت استفاده دانشجویان عزیز در رابطه با منبع اطلاعاتی در اختیار شما قرار می دهد.حق مالکیت معنوی این اثر مربوط به نگارنده است وفقط جهت استفاده ازمنابع اطلاعاتی وبالا بردن سطح علمی شما دراین سایت ارایه گردیده است.