جستجو در مقالات منتشر شده


2 نتیجه برای فضای فاز

آقای امیرحسین حسن آبادی، دکتر ابراهیم جباری، دکتر مسعود بحرینی مطلق، دکتر حسین علیزاده، آقای یوسف الفت میری،
دوره 20، شماره 2 - ( 6-1402 )
چکیده

فناوری تیکه­نگاری صوتی، یکی از شاخه‌های دانش سنجش‌ازدور جهت پایش منابع آب سطحی ‌است. داده‌های پرت در این فناوری تابه‌حال با استفاده از روش انحراف معیار تشخیص داده‌شده و حذف می­شده­اند. در این تحقیق، از روش آستانه­گذاری فضای فازی به‌ منظور تشخیص داده­های پرت و  از روش میانگین چهار نقطه در طرفین هر داده پرت جهت جایگزینی داده‌های پرت تشخیص داده‌شده استفاده‌شده است. داده­های مورد استفاده قرار گرفته در این تحقیق شامل مجموعه داده 12 روزه برداشت شده از رودخانه گونو واقع در شهر میوشی، استان هیروشیما ژاپن بوده است. مجموعاً  8017 داده، معادل با  32 %  از 25031 داده اولیه، به‌عنوان نقاط پرت شناسایی و جایگزین شدند. همچنین مقدار انحراف معیار داده­ها پیش از انجام فرایند پرت­کاوی 206/0 و پس از روش آستانه­گذاری فضای فازی به 119/0 رسید. نتایج نشان داد که روش آستانه‌گذاری فضای فازی نسبت به روش انحراف معیار از دقت و عملکرد بالاتری در شناسایی نقاط پرت برخوردار است. در نهایت مشاهده شد که مقایسه خطای نسبی اندازه‌گیری دبی بین روش آستانه­گذاری فضای فازی و دبی-اشل (به عنوان مرجع) در اکثر نقاط کمتر از ۲۰ درصد است. درحالی‌که این مقدار برای روش انحراف معیار و دبی-اشل به بیش از 50 درصد می‌رسد.
علی اکبر علی دوست قادیکلایی، علی مطیع نصرآبادی، سعید ملایری،
دوره 22، شماره 4 - ( 12-1404 )
چکیده

تشخیص ADHD در سال‌های نخست تولد، برای طراحی برنامه درمانی بهتر برای بیماران ضروری است؛ بر اساس آخرین پژوهش‌ها، تشخیص این اختلال از روی ABR[1] روشی مؤثر است. باتوجه به اینکه در اصل ABR غیرخطی است، پردازش غیرخطی می‌تواند برای طبقه‌بندی گروه‌های نرمال و [2]ADHD از یکدیگر مؤثرتر باشد. در این پژوهش، سیگنال ABR دو گروه از کودکان شامل 37 کودک عادی و 31 کودک دارای اختلال ADHD ثبت شده‌است. در ابتدا سیگنال زمانی دوبعدی ABR با روش جای‌گذاری[3] به سیگنال سه‌بعدی تبدیل شد تا از روی آن فضای فاز سیگنال ترسیم شود. در فضای فاز به بررسی صحت این فرض که ممکن است سیگنال‌های نرمال و ADHD در زمان‌های متفاوت در نوع حضور و حرکت بین محوطه‌های مختلف فضای فاز تفاوت داشته باشند پرداخته شد؛ به این منظور ابتدا فضای فاز به المان‌های حجم[4] مساوی بسته به طول هر سیگنال تقسیم‌بندی شد و سپس با تعریف و استخراج ویژگی‌های هندسی جدید در فضای فاز، روش جدیدی برای طبقه‌بندی دو گروه ارائه شده‌است. این رویکرد شامل بررسی اشغال فضای وکسل‌ها به‌وسیله نقاط ترژکتوری داده‌ها در فضای فاز است؛ درنهایت کارایی این روش و ویژگی‌ها ارزیابی شد و بهترین نتیجه در ویژگی مینیمم محلی استخراج‌شده با روش جدید و با استفاده از طبقه‌بندی‌کننده‌های KNN و SVM مشاهده شد. بهترین دقت حدود 98.53 است که افزایش قابل‌توجهی در دقت را در مقایسه با رویکردهای پردازش خطی نشان می‌دهد.
 
[1] Auditory Brainstem Response
[2] Attention Deficit Hyperactivity Disorder
[3] Embedding
[4] Voxels


صفحه 1 از 1     

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