جستجو در مقالات منتشر شده


4 نتیجه برای استنتاج فازی

الناز خدادای، راحیل حسینی، مهدی مزینانی،
دوره 16، شماره 2 - ( 6-1398 )
چکیده

مدل‌های محاسبات نرم مبتنی بر سامانه‌های هوشمند فازی درتشخیص سرطان سینه، امکان مدیریت عدم قطعیت در فرایند استدلال در سامانه‌ را فراهم می‌کند.در این پژوهش، یک مدل استنتاج فازی به‌منظور مدیریت عدم قطعیت در داده‌های ورودی طراحی شده است و الگوریتم‌های هایبریدی مبتنی بر فازی جهت تنظیم و بهینه‌سازی پارامتر‌ها، به کار برده شده‌اند. هدف، ارائه روش‌های مؤثر جهت تشخیص نوع توده‌های خوش‌خیم، بدخیم و نرمال سینه است. طبقه‌بندی توده‌ها جهت تشخیص موارد نرمال، خوش‌خیم و بدخیم با مدل‌های هایبریدی محاسبات نرم و بر اساس تحلیل ویژگی‌ها در تصاویر ماموگرافی انجام شده است. الگوریتم‌های هایبریدی ارایه‌شده در این پژوهش شامل1 ) فازی- ژنتیک، 2) فازی- بهینه‌سازی ازدحام ذرات و 3) فازی- بهینه‌سازی مبتنی بر جغرافیای زیستی است. به‌منظور سنجش عملکرد سامانه از تحلیل منحنی مشخصه(ROC)و همچنین از روش اعتبار‌سنجی تقاطعی ده‌بخشی جهت تقسیم‌بندی داده‌ها به بخش‌های آموزش و آزمون برای به‌دست‌آوردن نتایج قابل اعتماد و اعتبار‌سنجی استفاده شده است. نوآوری پژوهش حاضر در ارایه مدل پیشنهادی هایبریدی فازی- بهینه‌سازی مبتنی بر جغرافیای زیستی و بهبود عملکرد مدل طبقه‌بندی جهت تشخیص سرطان سینه است. روش‌ جدید هایبریدی فازی- بهینه‌سازی مبتنی بر جغرافیای زیستی ارایه‌شده به‌منظور تشخیص سرطان سینه در این پژوهش، عملکرد بالاتری نسبت به روش‌های موجود بر روی این بانک اطلاعاتی معتبر و معروف جهت تشخیص سرطان سینه داشته است. باتوجه به نتایج به‌دست آمده و مقایسه عملکرد مدل‌های هایبریدی پیشنهادی در این پژوهش، روش ‌هایبریدی فازی مبتنی بر جغرافیای زیستی با میزان صحت 25/95% از عملکرد بهینه‌تری نسبت به روش‌های هایبریدی پیشنهادی دیگر جهت تشخیص سرطان سینه برخوردار است. مدل حاضر در مقایسه با سایر مدل‌های پیشنهادی در پژوهش‌های قبلی بهبود یافته است. استفاده از مدل‌های پیشنهادی در این پژوهش، می‌تواند به‌منظور تشخیص زود‌هنگام بیماری و ارائه درمان‌های مؤثر امید‌بخش باشد.
 


آذر محمودزاده،
دوره 18، شماره 3 - ( 10-1400 )
چکیده

سامانه‌های حمل و نقل دریایی بخش مهمی از ترابری جهانی را شامل می‌شوند. سامانه‌های نظارتی در صنایع دریانوردی و کشف اهداف دریایی از اهمیت به‌سزایی در کاربردهای نظامی و تجاری برخوردار است. افزایش روزافزون ترابری دریایی موجب علاقه پژوهش‌گران به توسعه روش‌های نظارتی هوشمند در زمینه ترابری دریایی شده است. به‌دلیل وجود کلاترها، مه و گرد و غبار در دریا، تصاویر حرارتی نسبت به تصاویر مرئی در این زمینه، از کارایی و دقت تشخیص بالاتری برخوردار هستند. در این مقاله، یک روش برای کشف اهداف دریایی در تصاویر نوفه‌ای حرارتی ارائه شده است. روش پیشنهاد‌شده شامل دو مرحله آشکارسازی خط افق در تصویر و سپس کشف اهداف است. ابتدا خط افق با استفاده از روش بیشینه‌‌گیری از تصویر گرادیان و برازش خط آشکار، سپس یک ناحیه مشخص برای جستجوی اهداف دریایی حول خط افق انتخاب می‌شود. محدود‌کردن ناحیه جستجو باعث افزایش سرعت روش پیشنهادی و کاهش هشدارهای کاذب می‌شود. در مرحله دوم، ناحیه انتخابی بلوک‌بندی می‌شود و از هر بلوک تعدادی ویژگی استخراج می‌شود. این ویژگی‌ها به چندین دسته‌بند متعارف داده و نتایج آنها به یک تصمیم‌ساز فازی نوع دوم بازه‌ای داده می‌شود تا با ترکیب این نتایج در مورد تعلق بلوک به ناحیه هدف یا پس‌زمینه تصمیم‌گیری نهایی را انجام دهد؛ در‌نهایت اهداف مورد نظر از تجمیع این بلوک‌ها و حذف موارد ناخواسته کشف می‌شوند. مقادیر شاخصه‌های ارزیابی دقت، صحت و فراخوان سیستم پیشنهادی روی پایگاه داده به‌ترتیب 59/97%، 19/96% و 92/97% بوده که نسبت به سایر روش‌های مقایسه شده، مقادیر بالاتری را گزارش داده است. نتایج به‌دست‌آمده نشان می‌دهد که در روش پیشنهادی، خط افق با حجم محاسباتی کم و با دقت خوبی آشکار شده و در‌نهایت اهداف دریایی مورد نظر با دقت بالایی کشف می‌شوند.

مجید عبدالرزاق نژاد، مهدی خرد،
دوره 18، شماره 4 - ( 12-1400 )
چکیده

پیش‌بینی قیمت سهام در بورس اوراق بهادار از جمله چالش برانگیزترین مباحث در مقوله پیش‌بینی است که توجهات بسیاری از جمله محققان را به خود جلب کرده است. عوامل مختلف درگیر در بورس اوراق بهادار سبب شده است تا بازار بورس همیشه از خود فرآیندی پویا و پیچیده داشته باشند. لذا پژوهش‌گران بر آن شده‌اند تا در پیش‌بینی رفتار بورس، به دنبال روش‌های نوینی باشند که دربرابر عدم ایستایی و پیچیده بودن مقاوم باشند. در این پژوهش یک مدل ترکیبی دوگانه متشکل از دو سامانه استنتاج فازی و یک الگوریتم رقابت استعماری به‌صورت ترکیبی استفاده شده است که یک سامانه فازی برای ایجاد مدلی برای پیش‌بینی قیمت سهام براساس 10 متغیر تأثیرگذار بر قیمت سهام استفاده می‌شود که قوانین فازی موتور استنتاج این سامانه فازی توسط نسخه بهبود یافته فازی جدید الگوریتم رقابت استعماری به‌دست می‌آید و پارامترهای الگوریتم رقابت استعماری نیز توسط یک سامانه فازی دیگر به نام تنظیم‌کننده پارامترها ، تعیین می‌شوند. به‌منظور ارزیابی عملکرد مدل پیشنهادی اطلاعات مرتبط با قیمت سهام شش شرکت فعال در بورس اوراق بهادار تهران در نظر گرفته شده و هشت مدل پیش‌بینی قیمت سهام در دو گروه الگوریتم به همراه مدل پیشنهادی پیاده‌سازی شدند. نتایج به‌دست‌آمده نشان از عملکرد بهتر مدل پیشنهادی از جهت کیفیت نتایج پیش‌بینی شده و انحراف کم نتایج فاز آزمون از فاز آموزش دارد.
 

نیلوفر خسروی راد، رضا احسن، احمد شریف، علی کریمی،
دوره 22، شماره 4 - ( 12-1404 )
چکیده

با پیشرفت فناوری در حوزه اینترنت اشیا، شبکه بین‌خودرویی[1] تحولی در دنیای فناوری ایجاد کرده‌است. در این شبکه‌ها، گره‌ها به‌عنوان مسیریاب و میزبان فعالیت کرده و اطلاعات مسیر را بین وسایل نقلیه و RSUها به اشتراک می‌گذارند. چالش اصلی این شبکه، اعتماد به پیام‌های مبادله‌شده ‌است که نیاز به صحت‌سنجی گره‌ها پیش از ارتباط دارد. در طرح پیشنهادی، هر وسیله نقلیه به‌محض مشاهده یک رخ‌داد، پیامی را به‌صورت همه‌پخشی ارسال می‌کند و RSU برای اعتبارسنجی، میزان اعتماد گره فرستنده را بررسی می‌کند؛ در این راستا، برای جلوگیری از تکرار رخ‌دادها، پیام‌های تکراری منتشر نمی‌شوند؛ به‌منظور افزایش کارایی، ساختار Chord به‌جای الگوریتم‌های اجماع زمان‌بر به‌کار گرفته شده‌است. این سامانه شامل مراحل امتیازدهی به پیام‌ها، محاسبه اعتماد و تشکیل گروه‌های ارزیاب به‌وسیله RSUها است. نتایج نشان می‌دهد که قابلیت اطمینان پیام‌ها در این روش شش درصد نسبت به SBTMS و یازده درصد نسبت به POW بهبود یافته‌است. این پژوهش با ترکیب VANET، فناوری زنجیره قالبی و منطق فازی، مدلی کارآمد برای افزایش قابلیت اعتماد در شبکه‌های بین‌خودرویی ارائه می‌دهد.
 
[1] VANET


صفحه 1 از 1     

کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.