دانلود|فروش|پایان نامه|مقاله
دانلود جزوه|پروژه|پایان نامه|مقاله|تحقیق|طرح توجیهی|آموزشی|نمونه سوال|گزارش کارآموزیدانلود|فروش|پایان نامه|مقاله
دانلود جزوه|پروژه|پایان نامه|مقاله|تحقیق|طرح توجیهی|آموزشی|نمونه سوال|گزارش کارآموزیپرسشنامه رفتار شهروندی سازمانی پادساکف و همکارانش
پرسشنامه رفتار شهروندی سازمانی پادساکف و همکارانش
این پرسشنامه یک پرسشنامه استاندارد می باشد که توسط پادساکف و همکاران طراحی شده و در تحقیقات مختلف مورد استفاده قرار گرفته است. بنابراین دارای روایی و پایایی قابل قبولی می باشد. این پرسشنامه دارای 24 سوال است و ابعاد 5 گانه رفتار شهروندی سازمانی را مورد سنجش قرار می دهد. لازم به ذکر است که منبع اصلی پرسشنامه در درون متن آورده شده است.
...
فرمت فایل: DOCX word (قابل ویرایش)
برای دانلود فایل اینجا کلیک کنید
خوشه بندی فازی fuzzy clustering
عنوان مقاله: خوشه بندی فازی fuzzy clustering
قسمتی از متن: هدف خوشه بندی یافتن خوشه های مشابه از اشیاء در بین نمونه های ورودی می باشد اما چگونه می توان گفت که یک خوشه بندی مناسب است و دیگری مناسب نیست؟ می توان نشان داد که هیچ معیار مطلقی برای بهترین خوشه بندی وجود ندارد بلکه این بستگی به مساله و نظر کاربر دارد که باید تصمیم بگیرد که آیا نمونه ها بدرستی خوشه بندی شده اند یا خیر. با این حال معیار های مختلفی برای خوب بودن یک خوشه بندی ارائه شده است که می تواند کاربر را برای رسیدن به یک خوشه بندی مناسب راهنمایی کند که در بخشهای بعدی چند نمونه از این معیارها آورده شده است. یکی از مسایل مهم در خوشه بندی انتخاب تعداد خوشه ها می باشد. در بعضی از الگوریتم ها تعداد خوشه ها از قبل مشخص شده است و در بعضی دیگر خود الگوریتم تصمیم می گیرد که داده ها به چند خوشه تقسیم شوند.
فهرست مطالب:
- خوشه بندی چیست؟
- هدف از خوشه بندی چیست؟
- خوشه بندی فازی چیست؟
- الگوریتم خوشه بندی c میانگین
- الگوریتم خوشه بندی c میانگین برای داده های نویزی
- الگوریتم خوشه بندی c میانگین با استفاده از نمونه های برچسب گذاری شده
- الگوریتم خوشه بندی c میانگین مبتنی بر آنتروپی
- الگوریتم خوشه بندی c میانگین مبتنی بر آنتروپی برای داده های نویزی
- الگوریتم خوشه بندی c میانگین با استفاده از یادگیری وزن ویژگی ها
- معیارهای کارایی
- مراجع
فرمت فایل: DOC word (قابل ویرایش) تعداد صفحات: 22
برای دانلود فایل اینجا کلیک کنید
یکنواخت سازی هیستوگرام
عنوان مقاله: یکنواخت سازی هیستوگرام
افزایش کنتراست یکی از مهمترن مسائل در پردازش تصاویر است. یکنواختسازی هیستوگرام (HE) یکی از روشهای معمول مورد استفاده برای افزایش کنتراست در تصاویر دیجیتال محسوب میشود. یکنواخت سازی هیستوگرام (HE) به عنوان یک تکنیک افزایش کنتراست ساده و موثر شناخته میشود، اگرچه، زوشهای یکنواخت سازی هیستوگرام عادی، معمولا منتج به افزایش کنتراست بصورت موفقتآمیزی میشود ولی باعث ایجاد تصویر غیرطبیعی و مصنوعی از تصویر میشود. این مقاله به بررسی اشکال جدیدی از هستوگرامها برای افزایش کنتراست تصاویر میپردازد. تفاوت اصلی روشهای متعلق به این خانواده، تفاوت در معیارهای تقسیمبندی هیستوگرام ورودی است. یکنواختسازی هیتسوگرام با حفظ روشنایی (BBHE) و یکنواختسازی هیتسوگرام به صورت تدریجی (QBHE) از مقادیر دارای شدت متوسط به عنوان نقاط جداسازی استفاده میشکنند. یکنواختسازی هیتسوگرام زیرتصویر دوگانه (DSIHE) از میزان شدت میانه به عنوان نقطه جداسازی استفاده می کنند.
...
فرمت فایل: DOC word (قابل ویرایش) + PDF به زبان انگلیسی تعداد صفحات: 11
برای دانلود فایل اینجا کلیک کنید
روش بهینه سازی ازدحام ذرات گسسته برای انتخاب ویژگی در مسائل کلاسبندی باینری
عنوان مقاله: روش بهینه سازی ازدحام ذرات گسسته برای انتخاب ویژگی در مسائل کلاسبندی باینری
این مقاله به ارائه روش جدیدی در انتاب ویژگی برای مسائل کلاسبندی باینری با استفاده از مدل رگرسیون منطقی میپردازد. ما یک الگوریتم بهینه سازی ازدحا ذرات (PSO) بهبود یافته را برای حل مسائل انتخاب زیمجموع ویژگیها ارائه کرده ایم. این روش از یک رویکرد انختاب ویژگی تطبقی که دارای وضعیت پوییا برای ارتباط و وابستگی را برای ویژگیهای مورد نظر و زیرمجموعهی ویژگیها فراهم میکندم، میباشد. ما این روش ارائه شده را با الگوریتمهای جستجوی SCATTER و TABU و با استفاده از پایگاهدادههای عمومی در دسترس، مورد مقایسه قرار دادیم. نتایج نشان دادند که روش پیشنهادی ما درهر دو مورد دقت کلاسبندی و عملکرد محاسباتی دارای عملکرد بهتری بود.
...
فرمت فایل: DOC word (قابل ویرایش) + PDF به زبان انگلیسی تعداد صفحات: 23
برای دانلود فایل اینجا کلیک کنید
تشخیص بیماری هپاتیت با استفاده از روش ترکیبی جدید مبتنی بر ماشین پشتیبان برداری و بازپخت شبیه سازی شده
تشخیص بیماری هپاتیت با استفاده از روش ترکیبی جدید مبتنی بر ماشین پشتیبان برداری و بازپخت شبیه سازی شده (SVM-SA)
چکیده: دراین مطالعه تشخیص بیماری هپاتیت که یکی از بیمارهای شایع و مهم ساست، با استفاده از از روش یادگیری ماشینی انجام شده است. ما یک روش یادگیری ماشینی نوینی را که ترکیبی از ماشین بردار پشتیبان (SVM) و بازپخت شبیهسازی شده (SA) است را ارائه نمودیم. بازپخت شبیهسازی شده یک روش تصادفی است که امروزه به طور گسترده ای برای مسائل بهینهسازی دشوار، به کار میرود همچنین ماشین برداری پشتیبان در سالهای اخیر به عنوان یکی از متدهای پیشبینی که دارای مزیتهای منحصربهفرد زیادی است و نتایج موفقیت آمیزی نیز داشته است، شناخته می شود. مت مجموعه دادههای مورد استفاده در مطالعه خود را از مجموعه داده های آموزشی ماشین UCI برداشتیم. اعتبار سنجی کلاسبندی با میزان دقت متقابل 10 –فول به دست آمد. دقت طبقهبندی به دست آمده 96.25 % بود که در مقایسه با سایر روشهای کلاسبندی در مقالات دیگر، بسیار امیدوار کننده میباشد.
...
فرمت فایل: DOC word (قابل ویرایش) + PDF زبان انگلیسی تعداد صفحات: 24
برای دانلود فایل اینجا کلیک کنید