زمان‌بندی مسیرهای پایگاه داده‌ رایانش ابری توسط الگوریتم رقابت استعماری

زمان‌بندی مسیرهای پایگاه داده‌ رایانش ابری توسط الگوریتم رقابت استعماری


چکیده:
پردازش‌های ابری و محیط ابر و پایگاه داده‌های ابری محل ذخیره‌سازی اطلاعات روی وب می‌باشد و برای دسترسی به آن‌ها باید بهینه‌ترین مسیر را پیدا نمود، بنابراین انتخاب بهترین مسیر برای پایگاه داده بسیار مهم می‌باشد که برای پیدا کردن مسیر بهینه می‌توان از الگوریتم‌های بهینه‌سازی استفاده کرد. مسئله موردبررسی در اینجا زمان‌بندی می‌باشد که مسیری را انتخاب می‌کنیم که حداقل زمان را داشته باشد، برای این کار سرعت و دقت بسیار مهم می‌باشد. الگوریتم جدید رقابت استعماری از یک پدیده اجتماعی- انسانی الهام گرفته است.   
رویکرد پیشنهاد شده بر مبنای  الگوریتم بهینه‌سازی رقابت استعماری است. این رویکرد توانسته است با سرعت و دقت بیشتر و تعداد دفعات اجرای کمتر در حداقل زمان نسبت به الگوریتم‌های ژنتیک، ازدحام ذرات و الگوریتم ترکیبی کلونی- ژنتیک، بهینه‌ترین مسیر پایگاه داده موردنظر را پیدا کند و کارایی زمان‌بندی محاسبات ابری را بهبود ¬بخشد. بدین‌صورت که چند شبکه را در نظر گرفته‌ایم و در هر شبکه نودهایی از گراف قرارداده ایم که هر نود گراف را یک پایگاه داده ابری فرض کرده‌ایم. ما باید از نود مبدأ به نود مقصد با کمترین هزینه حرکت کنیم، کمترین هزینه، بهینه‌ترین مسیر ما می‌باشد.
واژه‌های کلیدی: پردازش ابری، پایگاه داده ابر، الگوریتم‌های بهینه‌سازی، الگوریتم رقابت استعماری، الگوریتم کلونی مورچه، الگوریتم ژنتیک، الگوریتم ذرات

فهرست مطالب:
چکیده
فصل اول
1-1 مقدمه
1-2 تعریف مسأله و بیان سؤالهای اصلی تحقیق 
1-3 سابقه و ضرورت انجام تحقیق
1-4 هدف‌ها
1-5 جنبه نوآوری تحقیق 
1-6 مراحل انجام تحقیق 
1-7 ساختار تحقیق
فصل دوم
2-1 مقدمه    
2-2 تاریخچه‌ی مختصری از رایانش ابری   
2-3 وضعیت کنونی رایانش ابری   
2-4 خصوصیات رایانش ابری   
2-4-1 ویژگی‌های کلیدی رایانش ابری   
2-4-2 مزایای اصلی رایانش ابری   
2-4-3 کارهایی که رایانش ابری امکان‌پذیر می‌سازد   
2-5 معماری رایانش ابری   
2-6 پایگاه دادهای ابری   
2-7 الگوریتم های بهینه سازی   
2-7-1 الگوریتم کلونی مورچه   
2-7-2 الگوریتم رقابت استعماری    
2-7-3 الگوریتم ژنتیک   
2-7-4 الگوریتم بهینه‌سازی توده ذرات   
2-8 جمع‌بندی
فصل سوم
3-1 مقدمه
3-2 حداقل زمان محاسبه مسیر با توجه به تأخیر و ممنوعیت‌ها برای حرکت بین بخش‌ها
3-3 یک الگوریتم حداقل زمان با توجه به تأخیر برای حرکت در تقاطع و اجرای آن
3-4 زمان‌بندی محاسبات عددی پویا برای بهینه‌سازی پایگاه داده ابری برای بالا بردن راندمان جستجو در پایگاه داده از محاسبات ابری
3-5 زمان‌بندی مسیر پایگاه دادهای ابری را بر اساس ترکیبی از الگوریتم ژنتیکی و کلونی مورچه
3-6 جمع‌بندی   
فصل چهارم        
4-1 مقدمه   
4-2 نتایج حاصل از تحقیق   
4-3 پیشنهادها   
منابع   
فهرست شکل ها
فهرست جداول

تعداد مشاهده: 2284 مشاهده

فرمت فایل دانلودی:.docx

فرمت فایل اصلی: docx

تعداد صفحات: 59

حجم فایل:1,395 کیلوبایت

 قیمت: 9,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.   پرداخت و دریافت فایل
  • راهنمای استفاده:
    مناسب برای دانشجویان کارشناسی ارشد و دکتری مهندسی نرم افزار

  • محتوای فایل دانلودی:
    در قالب فایل word و قابل ویرایش
    همراه با شکل، نمودار، جدول، فهرست شکل ها و منابع

یافتن المانهای تقویت کننده های امیتر و کلکتور مشترک برای رسیدن به بهره خواسته با الگوریتم ژنتیک

یافتن المانهای تقویت کننده های امیتر  و کلکتور مشترک برای رسیدن به بهره خواسته  با الگوریتم ژنتیک


توضیحات:
الگوریتم ژنتیک یک روش بهینه سازی عددی است که براساس اصول داروین و با الهام از انتخاب طبیعی و ژنتیک طبیعی کار می کند. رقابت میان موجودات زنده برای تصاحب منابع مشترک محدود، باعث می شود که کارآمدترین افراد در این رقابت پیروز شده و در انتقال ژن ها به نسل بعدی، نقش مؤثرتری داشته باشند. نتیجه این امر، برازندگی بیشتر افراد هر نسل و نیز سازگاری بیشتر افراد در نسل های بعدی با شرایط حاکم بر محیط اطراف خواهد بود. الگوریتم ژنتیک یکی از مجموعه روش های تکاملی است . این روش مناسبترین رشته ها را از میان بقیه رشته ها که بصورت تصادفی ایجاد ایجاد شده اند انتخاب می کند . در واقع منظور از بهترین رشته، رشته هایی هستند که بهینه ترین مقدار تابع ارزش را دارا هستند.
هدف از این پروژه طراحی المانهای یک تقویت کننده برای رسیدن به یک بهره مشخص با استفاده از الگوریتم ژنتیک می باشد . در واقع با استفاده از این پروژه کافی است که مشخص کنید به چه بهره ای نیاز دارید ، در این صورت برنامه به یافتن المانهای مدار می پردازد . محیط پروژه ،  نرم افزار Matlab می باشد.

این مجموع شامل موارد زیر است:
1- فایل پروژه که قابلیت اجرا با نرم افزار MATLAB را دارد. ( 500 خط برنامه نوشته شده)
2- گزارش کامل پروژه به همراه توضیح تمامی خطوط برنامه نوشته شده
3- یک مقاله آماده برای ارائه در کنفرانس و یا ژورنال. لازم به ذکر است که این مقاله در هیچ کنفرانس و یا ژورنالی ارائه نشده است.


تعداد مشاهده: 888 مشاهده

فرمت فایل دانلودی:.rar

فرمت فایل اصلی: docx, m

تعداد صفحات: 34

حجم فایل:202 کیلوبایت

 قیمت: 25,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.   پرداخت و دریافت فایل
  • راهنمای استفاده:
    مناسب جهت استفاده دانشجویان رشته برق


  • محتوای فایل دانلودی:
    این مجموعه شامل موارد زیر است:
    1- فایل پروژه که قابلیت اجرا با نرم افزار MATLAB را دارد. ( 500 خط برنامه نوشته شده)
    2- گزارش کامل پروژه به همراه توضیح تمامی خطوط برنامه نوشته شده در 27 صفحه
    3- یک مقاله آماده برای ارائه در کنفرانس و یا ژورنال. لازم به ذکر است که این مقاله در هیچ کنفرانس و یا ژورنالی ارائه نشده است. در 7 صفحه



پروژه استفاده از داده کاوی در شناسایی تصاویر چهره

پروژه استفاده از داده کاوی در شناسایی تصاویر چهره


چکیده:
تشخیص چهره همواره بعنوان یکی از مقبول‌ترین روشهای بیومتریک شناخته شده است. اما علیرغم اهمیت مبحث تشخیص هویت مبتنی بر چهره، بسیاری از روش‌ها و الگوریتم‌های موجود، تنها تحت شرایط کنترل شده و با وجود تصاویر نرمال، قادر به کسب نتایج مناسب می‌باشند. درحالی که در کاربرد‌های واقعی، همواره با تغییرات چهره و چالش‌ها و پوشیدگی‌های موضعی در تصویر مواجه‌ هستیم.
در تشخیص چهره مشکلاتی وجود دارد که موجب انتخاب کاندیدهای اشتباه بعنوان چهره می‌شود و یا اینکه ناحیه‌ای از تصویر که شامل چهره است را نادیده می‌گیرد. از جمله مشکلات تشخیص چهره چالش پوشیدگی موضعی است که سه مورد آن عبارتند از: پوشیدگی موضعی بوسیله عینک، ریش، سبیل و موی سر و همچنین سایز بزرگ تصایر ورودی موجب کاهش سرعت پردازش و عدم اجرای بسیاری از الگوریتم‌ها روی تصاویر با سایز بزرگ می‌شود، مشکل دیگر چرخش سر در تصویر می‌باشد. با توجه به اهمیت چالش پوشیدگی موضعی در تشخیص چهره و عدم موفقیت رویکر‌های کلی نگر در حل آن و چرخش سر و سایز بزرگ تصویر، در این تحقیق به منظور حل این معضلات، از سه الگوریتم که در این زمینه دارای دقت بسیار بالایی در رفع چالشهای فوق می‌باشند استفاده شده است که عبارتند از: الگوریتم داده کاوی مافیا که ویژگی‌های اصلی چهره را بطور بسیار دقیق مشخص می‌کند و الگوریتم ژنتیک که مشکلات پوشیدگی موضعی را مرتفع می‌سازد و الگوریتم ماشین پشتیبانی بردار بر اساس درخت جستجوی دودویی که الگوریتم معروف و دقیق و سریعی می‌باشد.
 به منظور ارزیابی کارایی روش فوق، مجموعه آزمایشاتی به‌کمک پایگاه داده ای از تصاویر انجام گرفته است. ارائه نتایج امیدبخش در حضور شش چالش فوق، در مقایسه با موفق‌ترین روش‌های موجود، نشان دهنده بهبود چشمگیری در نرخ تشخیص چهره می‌باشد.
 کلمات کلیدی: شناسایی چهره، ویژگی‌های الگو، ویژگی‌های الگو با ماکزیمم تکرار، داده کاوی، ماشین پشتیبانی بردار

فهرست مطالب:
1- مقدمه
2- اصول و روش­های تشخیص چهره
2-1- روش‌های بر اساس دانش و ویژگی‌های ثابت
2-1-1- روش‌ بالا به پایین بر اساس دانش
۲-1-1-1- دیدگاه یانگ و هانگ
۲-1-2- روش پایین به بالا براساس ویژگی
2-1-2-1- ویژگی‌های چهره
2-1-2-1-1- دیدگاه سیروهی
2-1-2-1-2- دیدگاه چتوریکو و لرچ
2-1-2-1-3- دیدگاه لونگ
2-1-2-1-4- دیدگاه یو و سیپولا
2-1-2-2- بافت وترکیب
2-1-2-2-1- رویکرد آوجستیجن و سکوفسا
2-1-2-3- رنگ پوست
2-1-2-3-1- دیدگاه ساکس و فولدس
2-1-2-3-2- دیدگاه کجلدسن و کندر
2-1-2-4- تعدد ویژگی‌ها
2-1-2-4-1- دیدگاه یاچیدا
۲-۲- تطبیق با الگو
۲-۲-1- الگوهای از پیش تعریف شده
۲-۲-1-1- دیدگاه ساکای
۲-۲-1-2- دیدگاه کرا
۲-۲-1-3- دیدگاه سینها
۲-۲-۲- الگوهای دگردیس‌پذیر
۲-۲-۲-1- دیدگاه لانیتیس
۲-۲-۲-2- دیدگاه کوتس و تیلور
2-3- روش‌های بر اساس ظاهر
2-3-1- Eigenfaces
2-3-1-1- دیدگاه تورک و پنتلند
۲-۳-۲- روش‌های براساس توزیع
۲-۳-۲-1- دیدگاه سانگ و پجیو
3-۳-۲- شبکه‌های عصبی
3-۳-۲-1- دیدگاه آگوی
3-۳-۲-2- دیدگاه ویلانت
2-3-4- روش ماشین پشتیبانی بردار
2-3-5- شبکه اسپارس
2-3-5-1- دیدگاه یانگ
2-3-6- طبقه‌بندی نایوبیز
2-3-6-1- دیدگاه ریکت
2-3-7- Model Hidden Markov
2-3-8- رهیافت تئوری اطلاعات
2-3-8-1- دیدگاه بریمان
2-3-9- یادگیری استقرایی
2-3-9-1- دیدگاه دوتا و جین
3- بررسی چالش­های تشخیص چهره و انواع آن
3-1- چالش‌های تشخیص چهره
2-۳- فاز آموزش
3-2-1- پیش پردازش تصویر
3-2-1-1- نرمالیزه کردن تصویر
3-2-1-2- رفع مشکل تصاویر ورودی در سایزهای بزرگ
3-2-1-3- رفع مشکل چرخش سر در تصویر
3-2-2- یافتن الگوی ویژگی‌های مثبت و منفی
3-2-2-1- بکارگیری الگوریتم داده کاوی مافیا در استخراج ویژگی
3-2-2-2- استخراج ویژگی‌های مثبت و منفی
3-2-3- ساخت شناساگر چهره
3-2-3-1- الگوریتم ژنتیک
3-2-3-1-1- الگوریتم ژنتیک در شناسایی چهره‌های تحت پوشیدگی با عینک و ریش و سبیل و پس زمینه‌های درهم و برهم
3-2-3-2- ویژگی‌های چهره
3-2-3-3- Kd-tree SVM
3-2-3-3-1- الگوهای تفکیک پذیر خطی
3-2-3-3-2- یافتن ابر صفحه‌ی بهینه
3-2-3-3-3- ابرصفحه‌ی بهینه برای الگوهای غیرقابل تفکیک
3-2-3-3-4- Kd-tree
3-3- فاز تشخیص
4- پایگاه داده ­ها
4-1- انتخاب پایگاه داده‌های آموزشی
4-2- ارزیابی و بررسی عملکرد انواع تشخیص لبه در نرمالیزه کردن تصویر
4-3- ارزیابی و بررسی نتایج عملکرد الگوریتم داده کاوی مافیا
4-3-1- نتیجه آزمایش عملکرد الگوریتم داده کاوی مافیا
4-4- ارزیابی و بررسی عملکرد استاندارد سازی تصاویر در سایزهای بزرگ
4-5- ارزیابی و بررسی رفع چالش چرخش سر در تصویر
4-5-1- نتایج آزمایش چرخش سر در تصویر
4-6- ارزیابی و بررسی عملکرد الگوریتم ژنتیک
4-6-1- الگوریتم ژنتیک
4-6-2- ارزیابی و بررسی الگوریتم ژنتیک در شناسایی چهره‌های تحت پوشیدگی با عینک
4-6-3- ارزیابی و بررسی الگوریتم ژنتیک در شناسایی چهره‌های تحت پوشیدگی با ریش و سبیل
4-6-4- ارزیابی و بررسی الگوریتم ژنتیک در شناسایی چهره‌های با پس زمینه‌های درهم و برهم
5- نتیجه‌گیری

تعداد مشاهده: 1657 مشاهده

فرمت فایل دانلودی:.doc

فرمت فایل اصلی: doc

تعداد صفحات: 70

حجم فایل:4,657 کیلوبایت

 قیمت: 9,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.   پرداخت و دریافت فایل
  • راهنمای استفاده:
    گزارش اختصاصی سایت به همراه پاورقی، شکل، جدول و فهرست منابع
    مناسب برای استفاده دانشجویان رشته مهندسی کامپیوتر و فناوری اطلاعات
    (گزارش در سطح کارشناسی ارشد نرم افزار)



  • محتوای فایل دانلودی:
    در قالب فایل word و کاملاً قابل تغییر و ویرایش
    به همراه توضیحات کامل و روان مطالب با عکس