الگوریتم عیب یابی گیربکس های اتوماتیک

شرح مختصر: با پیچیده تر شدن سیستم های اتومبیل نیاز به یکپارچه سازی تحقیقات علمی و نرم افزارهای مهندسی رو به افزایش است. به عنوان ابزار شبیه سازی می توان از نرم افزارهای مختلف برای مدل سازی فرایند سیستم های مختلف خودرو نظیر سیستم گیربکس اتوماتیک استفاده نمود. برای عیب یابی سیستم گیربکس اتوماتیک نیز یک سری الگوریتم تعریف شده است. در این مقاله در فصل 1 مطالب مقدماتی در زمینه گیربکسهای اتوماتیک ارائه می شود. سپس در فصل 2 به بررسی عیوب گیربکس های اتوماتیک و کدهای عیوب آن می پردازیم. در پایان نیز الگوریتم و پروسه عیب یابی گیربکس اتوماتیک و متعلقات آن را مورد بررسی و پژوهش قرار می دهیم.

فهرست مطالب

1- مقدمه:4

1-1- گیربکس اتوماتیک.... 4

1-2- مزایای سیستم.. 6

1-3- اجزاء و قطعات سیستم گیربکس اتوماتیک هوشمند. 7

2- عیوب گیربکسهای اتوماتیک.... 8

2-1- کدهای مربوط به عیوب مختلف گیربکس.... 8

3- الگوریتم عیب یابی گیربکس اتوماتیک ZF 4HP20.. 11

3-1- پروسه عیب یابی.. 11

3-1-1- بررسی های اولیه. 12

3-1-2- عیب یابی سریع.. 13

3-1-3- نشتی روغن گیربکس اتوماتیک.... 14

3-2- تجهیزات عیب یابی گیربکس اتوماتیک.... 16

3-3- الگوریتم های عیب یابی.. 19

3-3-1- لیست عیوب احتمالی گیربکس اتوماتیک.... 19

3-3-2- سیگنال سرعت موتور20

3-3-3- سرعت ورودی گیربکس اتوماتیک.... 21

3-3-4- سرعت خروجی گیربکس اتوماتیک.... 22

3-3-5- سوئیچ چند کاره22

نتیجه گیری:23

مراجع 24

خرید فایل

الگوریتم رقابت استعماری(استراتژی بهینه سازی مبتنی بر تکامل اجتماعی سیاسی)

شرح مختصر:

الگوریتم های بهینه‌سازی الهام گرفته از طبیعت به عنوان روشهای هوشمند بهینه‌سازی در کنار روش‌های کلاسیک موفقیت قابل ملاحظه‌ای از خود نشان داده‌اند. از جمله این روش‌ها می‌توان به الگوریتم‌های ژنتیک[1] (الهام گرفته از تکامل بیولوژیکی انسان و سایر موجودات)، بهینه‌سازی کلونی مورچه‌ها[2] (بر مبنای حرکت بهینه مورچه‌ها) و روش بازپخت شبیه‌سازی شده[3] (با الهام‌گیری از فرایند تبرید فلزات) اشاره نمود. این روش‌ها در حل بسیاری از مسائل بهینه‌سازی در حوزه‌های مختلفی چون تعیین مسیر بهینه عامل‌های خودکار، طراحی بهینه کنترل کننده برای پروسه های صنعتی، حل مسائل عمده مهندسی صنایع همانند طراحی چیدمان بهینه برای واحدهای صنعتی، حل مسائل صف و نیز در طراحی عامل‌های هوشمند استفاده شده‌اند.

الگوریتم‌های بهینه‌سازی معرفی شده، به طور عمده الهام گرفته از فرایند‌های طبیعی می‌باشند و در ارائه این الگوریتم‌ها به سایر نمودهای تکامل انسانی توجهی نشده است. در این نوشتار الگوریتم جدیدی برای بهینه‌سازی مطرح می‌‌شود که نه از یک پدیده طبیعی، بلکه از یک پدیده اجتماعی – انسانی الهام گرفته است. بطور ویژه این الگوریتم به فرایند استعمار، به عنوان مرحله‌ای از تکامل اجتماعی – سیاسی بشر نگریسته و با مدل‌سازی ریاضی این پدیده تاریخی، از آن به عنوان منشأ الهام یک الگوریتم قدرتمند در زمینه بهینه‌سازی بهره می‌گیرد. در مدت کوتاهی که از معرفی این الگوریتم می‌گذرد، از آن برای حل مسائل بسیاری در حوزه بهینه‌سازی استفاده شده است. طراحی چیدمان بهینه برای واحد‌های صنعتی، آنتن‌های مخابراتی هوشمند، سیستم‌های پیشنهاددهنده هوشمند و نیز طراحی کنترل کننده بهینه برای سیستم‌های صنعتی شیمیایی تعدادی معدود از کاربردهای گسترده این الگوریتم در حل مسائل بهینه‌سازی می‌باشد.

فهرست مطالب

1 مقدمه......................................................................... 1-2

1-1 هدف و اهمیت مسئله:...................................... 1-2

1-2 الگوریتم توسعه داده شده:...................... 1-3

1-3 مزایای الگوریتم توسعه داده شده:.. 1-5

1-4 ساختار پایان‌نامه............................................ 1-6

2بهینه‌سازی و روشهای موجود........................................ 2-3

3 استراتژی بهینه‌سازی مبتنی بر تکامل اجتماعی‌ـ‌سیاسی 3-5

3-1 مقدمه........................................................................... 3-5

3-2 مروری تاریخی بر پدیده استعمار........ 3-6

3-2-1 هند......................................................................... 3-8

3-2-2 مالزی................................................................... 3-9

3-2-3 هند و چین فرانسه.......................................... 3-9

3-2-4 هند شرقی (اندونزی)............................. 3-10

3-3 الگوریتم پیشنهادی....................................... 3-11

3-3-1 شکل دهی امپراطوری‌های اولیه...... 3-13

3-3-2 مدل‌سازی سیاست جذب: حرکت مستعمره‌ها به سمت امپریالیست...................... 3-17

3-3-3 جابجایی موقعیت مستعمره و امپریالیست 3-19

3-3-4 قدرت کل یک امپراطوری....................... 3-20

3-3-5 رقابت استعماری........................................ 3-20

3-3-6 سقوط امپراطوری‌های ضعیف................. 3-23

3-3-7 همگرایی........................................................... 3-24

3-4 مثال کاربردی..................................................... 3-25

3-5 نتیجه‌گیری.............................................................. 3-30

3-6 توابع هزینه مورد استفاده.................... 3-31

4پیاده‌سازی های انجام شده........................................... 4-3

4-1 استفاده از الگوریتم معرفی شده برای طراحی یک کنترل‌کننده PID بهینه 4-3

4-1-1 کنترل‌کننده PID............................................ 4-3

4-1-2 طراحی کنترل‌کننده PID بهینه توسط الگوریتم رقابت استعماری..................... 4-5

4-1-3 نتیجه‌گیری...................................................... 4-10

4-2 استفاده از الگوریتم رقابت امپریالیستی برای طراحی کنترل‌کننده PID چند متغیره برای سیستم صنعتی ستون تقطیر 4-10

4-2-1 مقدمه................................................................. 4-10

4-2-2 کنترل‌کننده PID برای فرایند چند متغیره 4-11

4-2-3 نتایج شبیه‌سازی........................................ 4-13

4-2-4 نتیجه‌گیری...................................................... 4-20

4-3 الگوریتم رقابت استعماری؛ ابزاری برای یافتن نقطه تعادل نش 4-20

4-3-1 یک بازی غیر خطی استاتیک ساده. 4-20

4-3-2 یک بازی با پیچیدگی بیشتر............ 4-22

4-4 طراحی بهینه آنتهای آرایه‌ای.............. 4-24

4-5 استفاده از الگوریتم رقابت استعماری برای شناسایی ویژگی مواد از آزمون فرورفتگی4-26

4-5-1 مقدمه................................................................. 4-26

4-5-2 توصیف مسئله معکوس............................... 4-27

4-5-3 حل مسئله معکوس توسط الگوریتم رقابت استعماری4-28

4-5-4 نتیجه‌گیری...................................................... 4-31

4-6 کنترل فازی اتومبیل.................................... 4-31

4-6-1 مدل اتومبیل................................................ 4-31

4-6-2 نتایج................................................................. 4-33

5 خلاصه، نتیجه‌گیری و پیشنهادات.................................... 5-3

6 مراجع........................................................................ 6-2

پیوست: جعبه‌ابزار بهینه‌سازی تهیه‌شده........................................ 3

بیان مسئله................................................................................... 5

تنظیم پارامتهای الگوریتم............................................ 5

نمایش نتایج................................................................................ 7

انتخاب شیوه نمایش............................................................... 7

پیوست: مقالات مستخرج........................................................... 3

مقالات ژورنال............................................................................. 4

مقالات کنفرانس.......................................................................... 5

فهرست شکل‌ها

شکل ‏1‑1: شمای کلی الگوریتم رقابت استعماری............................................. 1-4

شکل ‏1‑2: حرکت مستعمرات به سمت امپریالیست (سیاست جذب).................... 1-4

شکل ‏1‑3: شمای کلی رقابت استعماری.......................................................... 1-5

شکل ‏3‑1: اعمال سیاست جذب از طرف استعمارگران بر مستعمرات................... 3-8

شکل ‏3‑2: فلوچارت الگوریتم پیشنهادی........................................................ 3-12

شکل ‏3‑3: اجزای اجتماعی سیاسی تشکیل دهنده یک کشور............................ 3-14

شکل ‏3‑4: چگونگی شکل‌گیری امپراطوری‌های اولیه....................................... 3-16

شکل ‏3‑5: شمای کلی حرکت مستعمرات به سمت امپریالیست......................... 3-17

شکل ‏3‑6: حرکت واقعی مستعمرات به سمت امپریالیست................................ 3-18

شکل ‏3‑7: تغییر جای استعمارگر و مستعمره................................................... 3-20

شکل ‏3‑8: کل امپراطوری، پس از تغییر موقعیت‌ها.......................................... 3-20

شکل ‏3‑9: شمای کلی رقابت استعماری: امپراطوری‌های بزرگ‌تر، با احتمال بیشتری، مستعمرات امپراطوری‌های دیگر را تصاحب می‌کنند................................................. 3-21

شکل ‏3‑10: سقوط امپراطوری‌ ضعیف؛ امپراطوری شماره 4، به علت از دست دادن کلیه مستعمراتش، دیگر قدرتی برای رقابت ندارد و باید از میان بقیه امپراطوری‌ها حذف شود........ 3-25

شکل ‏3‑11: شبه کد مربوط به الگوریتم رقابت استعماری................................. 3-25

شکل ‏3‑12: شمای کلی الگوریتم توسعه داده شده........................................... 3-26

شکل ‏3‑13: نمایش سه بعدی از تابع مسئله ............................................... 3-27

شکل ‏3‑14: امپراطوری‌های اولیه؛ هر رنگ نمایش‌دهنده‌ی یک امپراطوری می‌باشد.3-28

شکل ‏3‑15: امپراطوری‌ها در نسل 10ام؛ 4 تا از امپراطوری‌ها باقی مانده‌اند........ 3-28

شکل ‏3‑16: امپراطوری‌ها در نسل 30ام؛ تنها دو امپراطوری باقی مانده‌اند........... 3-28

شکل ‏3‑17: امپراطوری‌ها در نسل 33ام (همگرایی)؛ تنها یک امپراطوری واحد داریم.3-29

شکل ‏3‑18: هزینه‌ی مینیمم و میانگین همه‌ی امپراطوری‌های مسئله بر حسب تکرار الگوریتم 3-29

شکل ‏3‑19: هزینه‌ی مینیمم و میانگین همه‌ی امپراطوری‌های مسئله ، و ، بر حسب تکرار الگوریتم........................................................................................................ 3-30

شکل ‏3‑20: هزینه‌ی مینیمم و میانگین همه‌ی امپراطوری‌های مسائل و بر حسب تکرار الگوریتم 3-30

شکل ‏4‑1: بلوک دیاگرام یک سیستم کنترل فیدبک............................................ 4-3

شکل ‏4‑2: زمان صعود (t_r)، زمان نشست (t_s)، بیشترین فراجهش (M_p) و انتگرال قدر‌مطلق خطا (مساحت ناحیه‌ی تیره رنگ)................................................................................. 4-5

شکل ‏4‑3: امپراطوری‌های اولیه در مسئله طراحی کنترل‌کننده PID...................... 4-7

شکل ‏4‑4: امپراطوری‌ها در نسل 30ام؛ دو امپراطوری ضعیف سقوط کرده و تنها 4 امپراطوری باقی مانده‌اند........................................................................................................... 4-7

شکل ‏4‑5: امپراطوری‌ها در نسل 50ام؛ تنها 2 تا از امپراطوری‌ها زنده‌اند و بصورت شدیدی برای حذف یکدیگر رقابت می‌کنند........................................................................... 4-8

شکل ‏4‑6: هزینه‌ی مینیمم و میانگین امپریالیست‌ها بر حسب تکرار الگوریتم، در مسئله طراحی کنترل‌کننده PID.................................................................................................... 4-8

شکل ‏4‑7: هزینه‌ی مینیمم جمعیت الگوریتم ژنتیک، بر حسب تکرار، در مسئله طراحی کنترل‌کننده PID........................................................................................................... 4-9

شکل ‏4‑8: پاسخ پله‌ی سیستم به ورودی پله با استفاده از هر چهار کنترلر موجود در جدول 4-1. 4-11

شکل ‏4‑9: بلوک دیاگرام یک سیستم چند متغیره را به همراه کنترل‌کننده............. 4-11

شکل ‏4‑10: شمای ساده‌ای از فرایند تقطیر شیمیایی........................................ 4-13

شکل ‏4‑11: فلوچارت الگوریتم رقابت استعماری مورد استفاده برای طراحی یک کنترل‌کننده PID برای سیستم ستون تقطیر.............................................................................. 4-16

شکل ‏4‑12: هزینه مینیمم ICA و GA را بر حسب تکرار نسل.......................... 4-17

شکل ‏4‑13: پاسخ سیستم ستون تقطیر به تاخیر‌های متفاوت در ورودی پله (الف: ورودی اول، ب: ورودی دوم).................................................................................................. 4-18

شکل ‏4‑14: قدر مطلق خطای خروجی فرایند ستون تقطیر به تأخیر‌های مختلف در ورودی پله. (الف: قدر مطلق خطای ورودی اول. ب: قدر مطلق خطای ورودی دوم).................... 4-19

شکل ‏4‑15: شمای کلی الگوریتم رقابت استعماری، اعمال شده به مسئله تعیین نقطه تعادل نش. ناحیه داخل خط‌چین مربوط به الگوریتم و بقیه مربوط به مسئله می‌باشد....................... 4-21

شکل ‏4‑16: همگرایی هزینه برای الگوریتم ژنتیک........................................... 4-22

شکل ‏4‑17: همگرایی هزینه برای الگوریتم رقابتی استعماری............................ 4-22

شکل ‏4‑18: نحوه پخش (f1,f2) برای 50000 نقطه تصادفی............................ 4-23

شکل ‏4‑19: همگرایی الگوریتم ژنتیک........................................................... 4-24

شکل ‏4‑20: همگرایی الگوریتم معرفی شده.................................................... 4-24

شکل ‏4‑21: شمای کلی یک آنتن آرایه ای..................................................... 4-24

شکل ‏4‑22: نمودار همگرایی الگوریتم رقابت استعماری و الگوریتم ژنتیک........ 4-25

شکل ‏4‑23: مقایسه LMS با الگوریتم ژنتیک.................................................. 4-26

شکل ‏4‑24: مقایسه الگوی الگوریتم ژنتیک و الگوریتم معرفی شده.................... 4-26

شکل ‏4‑25: فلوچارت ICA، اعمال شده به آنالیز معکوس آزمون فرورفتگی....... 4-28

شکل ‏4‑26: امپراطوری‌های اولیه.................................................................. 4-29

شکل ‏4‑27: امپراطوری‌ها در نسل 35............................................................ 4-29

شکل ‏4‑28: امپراطوری‌ها در نسل 77 (همگرایی). جواب نهایی مسئله............... 4-29

شکل ‏4‑29: هزینه میانگین و مینیمم همه‌ی امپریالیست‌ها بر حسب تکرار الگوریتم.4-29

شکل ‏4‑30: مقایسه جواب‌های دقیق و نتایج الگوریتم معکوس برای یک دسته از نتایج آزمون فرورفتگی به دست آمده از FEA............................................................................. 4-30

شکل ‏4‑31: مقایسه جواب‌های دقیق و نتایج الگوریتم معکوس برای یک دسته از نتایج آزمون فرورفتگی به دست آمده از FEA، در صفحه‌ی ................................................. 4-30

شکل ‏4‑32: مقایسه جواب‌های دقیق و نتایج الگوریتم معکوس برای یک دسته از نتایج آزمون فرورفتگی به دست آمده از FEA، در صفحه‌ی .................................................. 4-30

شکل ‏4‑33: مقایسه جواب‌های دقیق و نتایج الگوریتم معکوس برای یک دسته از نتایج آزمون فرورفتگی به دست آمده از FEA، در صفحه‌ی ................................................ 4-30

شکل ‏4‑34: اتومبیل در جاده شیب‌د‌ار............................................................ 4-32

شکل ‏4‑35:توابع عضویت مربوط به متغیر سرعت.......................................... 4-33

شکل ‏4‑36:توابع عضویت متغیر ............................................................... 4-33

شکل ‏4‑37:توابع عضویت متغیر T............................................................... 4-34

شکل ‏4‑38: سرعت خروجی برای V(0)=0 و =1....................................... 4-34

شکل ‏4‑39: سرعت خروجی برای V(0)=0 و =5....................................... 4-34

شکل ‏4‑40: سرعت خروجی برای V(0)=100 و =7................................... 4-34

شکل ‏4‑41: سرعت خروجی برای V(0)=100 و =-6.................................. 4-34

شکل ‏0‑1: شمای کلی جعبه ابزار گرافیکی تهیه شده بر مبنای الگوریتم رقابت استعماری 3

شکل ‏0‑2: صفحه انتخاب الگوریتم مورد نظر برای بهینه‌سازی................................ 4

شکل ‏0‑3: صفحه راهنمای مربوط به الگوریتم ژنتیک............................................ 4

شکل ‏0‑4: بخش مربوط به بیان مسئله................................................................. 5

شکل ‏0‑5: بخش مربوط به تنظیم پارامترهای الگوریتم رقابت استعماری.................. 6

شکل ‏0‑6: الگوریتم رقابت استعماری در حال بهینه‌سازی تابع GUI_Testfunction. 6

شکل ‏0‑7: انتخاب شیوه نمایش نتایج.................................................................. 7

فهرست جدول‌ها

جدول ‏4‑1: پارامترهای کنترل‌کننده‌های مختلف طراحی شده، به همراه میزان هزینه‌های مختلف آن‌ها 4-9

جدول ‏4‑2: مقادیر پارامتر‌های کنترل‌کننده‌های به دست آمده از اعمال الگوریتم رقابت استعماری، الگوریتم ژنتیک و روش DRF 4-17

جدول ‏4‑3: بخش‌های مختلف تابع هزینه به دست آمده از روش‌های ICA، GA و DRF 4-18

جدول ‏4‑4: پارامتهای مورد استفاده در الگوریتم رقابت استعماری 4-25

جدول ‏4‑5: پارامتهای مورد استفاده در الگوریتم ژنتیک 4-25

جدول ‏4‑6: قوانین فازی مورد استفاده در کنترل سرعت اتومبیل 4-33

خرید فایل

کاربرد الگوریتم ژنتیک در شبکه های حسگر

کاربرد الگوریتم ژنتیک در شبکه های حسگر

قسمتی از متن:

الگوریتم ژنتیک: الگو ریتم ژنتیک که روش بهینه سازی الهام گرفته از طبیعت جاندار(موجودات زنده) است که میتوان در طبقه‌بندی‌ها، از آن به عنوان یک روش عددی، جستجوی مستقیم و تصادفی یاد کرد. این الگو ریتم، الگو ریتمی مبتنی بر تکرار است و اصول اولیۀ آن همانطور که پیشتر اشاره شد از علم ژنتیک اقتباس گردیده است و با تقلید از تعدادی از فرآیندهای مشاهده شده در تکامل طبیعی اختراع شده است و به طور موثّری از معرفت قدیمی موجود در یک جمعیت استفاده می‌کند، تا حل‌های جدید و بهبود یافته را ایجاد کند. این الگوریتم در مسائل متنوعی نظیر بهینه‌سازی، شناسایی و کنترل سیستم، پردازش تصویر و مسایل ترکیبی، تعین توپولوژی و آموزش شبکه‌های عصبی مصنوعی و سیستم‌های مبتنی بر تصمیم و قاعده به کار می‌رود.علم ژنتیک، علمی است که دربارۀ چگونگی توارث و انتقال صفحات بیولوژیکی از نسلی به نسل بعد صحبت می‌کند. عامل اصلی انتقال صفحات بیولوژیکی در موجودات زنده کروموزوم‌ها و ژن‌ها می‌باشد و نحوه عملکرد آنها به گونه‌ای است که در نهایت ژن‌ها و کروموزوم‌های برتر و قوی مانده و ژن‌ها[1]ی ضعیف‌تر از بین می‌روند. به عبارت دیگر نتیجۀ عملیات متقابل ژن‌ها و کروموزوم‌‌ها باقی ماندن موجودات اَصلح و برتر می‌باشد.

همچنین مجدداً یادآور می‌شویم که این الگوریتم برای بهینه سازی، جستجو و یادگیری ماشین مورد استفاده قرار می‌گیرد. اساس این الگوریتم قانونِ تکاملِ داروین (بقا بهترین) است که می‌گوید: موجودات ضعیف‌تر از بین می‌روند و موجودات قوی‌تر باقی می‌مانند. در واقع تکامل فرآیندی است که روی رشته‌ها صورت می‌گیرد، نه روی موجودات زنده‌ای که معرف موجودات رشته است. در واقع، قانون انتخاب طبیعی برای بقا می‌گوید که هر چه امکان تطبیق موجود بیشتر باشد بقای موجود امکان‌پذیرتر است و احتمال تولید مثل بیشتری، برایش وجود دارد. این قانون بر اساس پیوند بین رشته‌ها و عملکرد ساختمان‌های رمزگشایی شده آنها می‌باشد.

---

[1] Gene

خرید فایل

بررسی ماتریس الگوریتم

بررسی ماتریس الگوریتم

-2) EZW

الگوریتم EZW در سال 1993 توسط shapiro ابداع شد نام کامل این واژه به معنای کدینگ تدریجی با استفاده از درخت ضرایب ویولت است. این الگوریتم ضرایب ویولت را به عنوان مجموعه ای از درختهای جهت یابی مکانی در نظر می گیرد هر درخت شامل ضرایبی از تمام زیرباندهای فرکانسی و مکانی است که به یک ناحیه مشخص از تصویر اختصاص دارند. الگوریتم ابتدا ضرایب ویولت با دامنه بزرگتر را کددهی می کند در صورتیکه دامنه یک ضریب بزرگتر یا مساوی آستانه مشخص باشد ضریب به عنوان ضریب معنی دار در نظر گرفته می شود و در غیر اینصورت بی معنی می باشد یک درخت نیز در صورتی معنی دار است که بزرگترین ضریب آن از نظر دامنه بزرگتر یا مساوی با آستانه مورد نظر باشد و در غیراینصورت درخت بی معنی است.

مقدار آستانه در هر مرحله از الگوریتم نصف می شود و بدین ترتیب ضرایب بزرگتر زودتر فرستاده می شوند در هر مرحله، ابتدا معنی دار بودن ضرایب مربوط به زیر باند فرکانسی پایین تر ارزیابی می شود اگر مجموعه بی معنی باشد یک علامت درخت صفر استفاده می شود تا نشان دهد که تمامی ضرایب مجموعه صفر می باشند در غیراینصورت مجموعه به چهارزیرمجموعه برای ارزیابی بیشتر شکسته می شود و پس از اینکه تمامی مجموعه ها و ضرایب مورد ارزیابی قرار گرفته اند این مرحله به پایان می رسد کدینگ EZW براساس این فرضیه استوار است که چگالی طیف توان در اکثر تصاویر طبیعی به سرعت کاهش می یابد بدین معنی که اگر یک ضریب در زیر باند فرکانسی پایین تر کوچک باشد به احتمال زیاد ضرایب مربوط به فرزندان آن در زیر باندهای بالاتر نیز کوچک هستند به بیان دیگر اگر یک ضریب والد بی معنی باشد به احتمال زیاد فرزندان آن نیز بی معنی هستند اگر آستانه ها توانهایی از دو باشند میتوان کدینگ EZW را به عنوان یک کدینگ bit-plane در نظر گرفت در این روش در یک زمان، یک رشته بیت که از MSB شروع می شود کددهی می شود با کدینگ تدریجی رشته بیت ها و ارزیابی درختها از زیرباندهای فرکانسی کمتر به زیرباندهای فرکانسی بیشتر در هر رشته بیت میتوان به کدینگ جاسازی دست یافت.

الگوریتم EZW بر پایه 4 اصل استوار است [3]

1- جدا کردن سلسله مراتبی زیرباندها با استفاده از تبدیل ویولت گسسته

1-1-2) تبدیل ویولت گسسته

تبدیل ویولت سلسله مراتبی که در EZW و SPIHT مورد استفاده قرار می گیرد نظیر یک سیستم تجزیه زیرباند سلسله مراتبی است که در آن فاصله زیرباندها در مبنای فرکانس بصورت لگاریتمی است.

در شکل 2-2 یک مثال از تجزیه دو سطحی ویولت روی یک تصویر دو بعدی نشان داده شده است. تصویر ابتدا با بکارگیری فیلترهای افقی و عمودی به چهار زیرباند تجزیه می‌شود. در تصویر (c ) 2-2 هر ضریب مربوط به ناحیه تقریبی 2×2 پیکسل در تصویر ورودی است. پس از اولین مرحله تجزیه سه زیر باند LH₁ , HL₁ و HH₁ بعنوان زیرباندهای فرکانس بالایی در نظر گرفته می شوند که به ترتیب دارای سه موقعیت عمودی، افقی و قطری می باشند اگر W_v , W_h به ترتیب فرکانسهای افقی و عمودی باشند، پهنای باند فرکانسی برای هر زیر باند در اولین سطح تجزیه ویولت در جدول
1-2 آمده است[4]

جدول 2-1 ) پهنای باند فرکانسی مربوط به هر زیر باند پس از اولین مرحله تجزیه ویولت با استفاده از فیلترهای مشابه (پایین گذر و بالاگذر) زیر باند LL₁ پس از اولین مرحله تجزیه ویولت، مجدداً تجزیه شده و ضرایب ویولت جدیدی به دست می آید جدول 2-2) پهنای باند مربوط به این ضرایب را نشان می دهد.

2-1-2) تبدیل ویولت بعنوان یک تبدیل خطی

میتوان تبدیل بالا را یک تبدیل خطی در نظر گرفت [5]. P یک بردار ستونی که درایه هایش نشان دهنده یک اسکن از پیکسلهای تصویر هستند. C یک بردار ستونی شامل ضرایب ویولت به دست آمده است از بکارگیری تبدیل ویولت گسسته روی بردار p است. اگر تبدیل ویولت بعنوان ماتریس W در نظر گرفته شوند که سطرهایش توابع پایه تبدیل هستند میتوان تبدیل خطی زیر را در نظر گرفت.

فرمول

بردار p را میتوان با تبدیل ویولت معکوس به دست آورد.

فرمول

اگر تبدیل W متعامد باشد. است و بنابراین

فرمول

در واقع تبدیل ویولت W نه تنها متعامد بلکه دو متعامدی می باشد.

3-1-2) یک مثال از تبدیل ویولت سلسله مراتبی

یک مثال از تبدیل ویولت سلسله مراتبی در این بخش شرح داده شده است. تصویر اولیه 16*16 و مقادیر پیکسلهای مربوط به آن به ترتیب در شکل 3-2 و جدول 3-2 آمده است.

یک ویولت چهارلایه روی تصویر اولیه اعمال شده است. فیتلر مورد استفاده فیلتر دو متعامدی Daubechies 9/7 است [6]. جدول 4-2 ضرایب تبدیل گرد شده به اعداد صحیح را نشان می دهد. قابل توجه است که ضرایب با دامنه بیشتر در زیرباندهای با فرکانس کمتر قرار گرفته اند و بسیاری از ضرایب دامنه های کوچکی دارند ویژگی فشرده سازی انرژی در تبدیل ویولت در این مثال به خوبی دیده می شود جدول 5-2 تصویر تبدیل یافته و کمی شده را نشان می دهد چنانکه کمی سازی تنها برای اولین سطح ویولت انجام گرفته است یک ضریب مقیاس 25/0 در هر ضریب فیلتر ویولت ضرب شده و سپس مجموعه فیلتر پاین گذر و بالاگذر روی تصویر اولیه بکار گرفته می شود اندازه گام کمی سازی مربوطه در این حالت 16 است.

پس از کمی سازی بیشتر ضرایب در بالاترین زیر باند فرکانسی صفر می شوند تصویربازسازی شده و تبدیل ویولت معکوس در شکل (b) 7-2 و جدول 6-2 آمده است. به علت کمی سازی بازسازی با اتلاف است.

1- ضرایب با دامنه بزرگتر زدوتر ارسال می شوند.

2- بیتهای پرارزش تر ضریب حاوی اطلاعات کمتری هستند و زودتر ارسال میشوند.

میتوان نشان داد که چگونه اینکدر SPIHT از این اصلها برای انتقال تدریجی ضرایب ویولت به دیکدر استفاده می کند فرض می شود تبدیل ویولت به تصویر اعمال شده و ضرایب C_i,j در حافظه ذخیره شده اند. این ضرایب بدون در نظر گرفتن علامتشان مرتب شده و اطلاعات مرتب شده در آرایه m قرار گرفته اند و عضو m(k) از این آرایه شامل مختصات (i,j) مربوط به آرایه C_i,j است و بنابراین برای همه مقادیر k داریم

فرمول

جدول 58-5 مقادیر فرضی 16 ضریب را نشان می دهد که هر کدام بعنوان یک عدد 16 بیتی نشان داده شده است. پرارزشترین بیت،‌بیت علامت است و 15 بیت باقیمانده مربوط به مقدار عدد هستند. اولین ضریب است که برابر با S1aci…r است. ضریب دوم نیز برابر با است و به همین ترتیب

اطلاعات مرتب شده ای که اینکدر باید بفرستد دنباله m(k) است که به ترتیب زیر است:

علاوه بر آن باید 16 علامت و 16 ضریب را به ترتیب ارزش بفرستد. یک انتقال مستقیم شامل ارسال 16 عدد است. این روش یک روش wastfull است. در الگوریتم SPIHT ، اینکدر وارد یک حلقه می شود که در هر تکرار حلقه دو گام انجام می شود: گام مرتب سازی و گام اصلاح.

در اولین تکرار اینکدر عدد 2= L یعنی تعدد ضرایبی را که در فاصله

فرمول

قرار دارند می فرستد در ادامه دو جفت مختصات ( 3و 2 ) و (4 و 3) و علامت دو ضریب اول فرستاده می شود. این عملیات در نخستین مرحله مرتب سازی انجام می شود. این اطلاعات دیکدر را قادر به تخمین زدن ضرایب به ترتیبی که در ادامه آمده است می کند:

ضرایب و بعنوان یک عدد 16 بیتی بصورت و 14 ضریب باقیمانده صفر بازسازی می شوند. این نشان می دهد که چگونه پرارزش ترین بیتهای مربوط به بزرگترین ضرایب ابتدا به دیکدر فرستاده می شوند. گام بعدی مرحله اصلاح می باشد که در تکرار اول انجام نمی شود.

در تکرار دوم (حلقه دوم) اینکدر هر دو گام را انجام می دهد. در مرحله مرتب سازی عدد 4= L بعنوان تعداد ضرایبی که در فاصله

فرمول

قرار دارند در ادامة آن چهار مختصات ( 2و 3) ، (4 و 4) ، (2 و 1) و (1 و3) و علامت چهار ضریب فرستاده می شود. در گام اصلاح دو بیت b , a بعنوان چهاردهمین بیت با ارزش ضرایب مربوطه به حلقه قبلی فرستاده می شود.

اطلاعات به دست آمده دیکدر را قادر به اصلاح ضرایب تقریبی که از مرحله قبل بدست آمده اند می کند و شش ضریب اول به شکل زیر در می آید:

فرمول

و ده ضریب باقیمانده تغییری نمی کند.

2-2-2) دسته بندی ضرایب در الگوریتم SPIHT

به منظور کاهش تعداد تصمیم گیری ها در مقایسه میان بیتها و نیز کاهش حجم داده های خروجی در الگوریتم SPIHT از ساختار سلسله مراتبی استفاده می شود. در اینجا هدف اصلی دسته بندی ضرایب در مجموعه ها به گونه ای است که تعداد عضوهای یک مجموعه بی معنی حداکثر باشد و هر مجموعه معنی دار تنها یک عضو را شامل شود.

خرید فایل

یک الگوریتم جدید مبتنی بر تئوری خاکستری و کیفیت خدمات برای رتبه بندی وب سرویسها

یک الگوریتم جدید مبتنی بر تئوری خاکستری و کیفیت خدمات برای رتبه بندی وب سرویسها

رتبه بندی وب سرویسها یکی از مباحث داغ تحقیقاتی در مهندسی وب است. رتبه بندیهای انجام شده در روشهای مختلفهرکدام دارای مزایا و معایب مختص به خود است. اما آنچه مشخص است در الگوریتمهای ارائه شده توجه زیادی به انتظاراتکاربران نشده است و رتبه بندی تنها بر اساس پارامترهای کیفیتی ...

دریافت فایل

یک الگوریتم مبتنی بر k نزدیک ترین همسایه برای دسته بندی چند برچسبی

یک الگوریتم مبتنی بر k نزدیک ترین همسایه برای دسته بندی چند برچسبی

در این پژوهش تلاش شده است تا الگوریتمی مبتنی بر k نزدیکترین همسایه برای دستهبندی چند برچسبی ارائه شود. ابتدا مروری خواهد شد بر یادگیری چند برچسبی ) Multi-Label Learning ( و اینکه چرا به این دسته از الگوریتمهای یادگیرینیاز وجود دارد. همچنین مثالهایی از مسائلی که با استفاده از این نوع ...

دریافت فایل

دانلود تحقیق آماده در قالب word با عنوان الگوریتم های مسیر یابی 140 ص

دانلود تحقیق آماده در قالب word با عنوان الگوریتم های مسیر یابی 140 ص

مقدمه الگوریتمهای مسیریابی در هریک از سه قرم گذشته فناوری خاصی رونق داشته باشد قرن هجدهم زمان توسعه سیستم های مکانیکی بزرگ به همراه انقلاب صنعتی بود. قرن نوزدهم عصر موتور بخار بود. قرن بیستم زمان جمع آو ری ،پردازش ، و توزیع اطلاعات بودو در بین سایر پیشرفت ها ،شاهد نصب شبکه های ...

دریافت فایل

ارائه الگوریتم جدید پنهان نگاری داده درون تصویر جهت پنهان نگاری مقاوم در برابر حملات آماری

ارائه الگوریتم جدید پنهان نگاری داده درون تصویر جهت پنهان نگاری مقاوم در برابر حملات آماری

این مقاله به بررسی و ارائه الگوریتم جدید پنهان نگاری داده درون تصویر جهت پنهان نگاری مقاوم در برابر حملات آماری می پردازد ...

دریافت فایل

دانلود رایگان کتاب سئو seo و بررسی الگوریتم های گوگل google seo algoritms

دانلود رایگان کتاب سئو seo و بررسی الگوریتم های گوگل google seo algoritms

کتاب سئو و بهینه سازی وب سایت امروزه به دغدغه وب مستر ها تبدیل شده است. در این کتاب سعی شده است شما را با الگوریتم های گوگل مانند گوگل پاندا و گوگل پنگوئه آشنا کنیم. در این کتاب شما بطور خلاصه با مباحث سئو و بهینه سازی وب سایت اشنا می شوید. مطالعه ی این کتاب می تواند شما را در ...

دریافت فایل

دانلود پایان نامه ارشد عمران قالب pdf با عنوان توسعه الگوریتم های اولویت بندی پلها جهت تعمیرات و نگهداری ۱۸۱ ص

دانلود پایان نامه ارشد عمران قالب pdf با عنوان توسعه الگوریتم های اولویت بندی پلها جهت تعمیرات و نگهداری ۱۸۱ ص

دانلود پایان نامه ارشد عمران قالب pdf با عنوان توسعه الگوریتم های اولویت بندی پلها جهت تعمیرات و نگهداری ۱۸۱ ص پایان نامه برای دریافت درجه کارشناسی ارشد M.Sc مهندسی عمران- برنامه ریزی حمل و نقل عنوان: توسعه الگوریتم های اولویت بندی پلها جهت تعمیرات و نگهداری ...

دریافت فایل