الگوریتم تشخیص لبه تصویر مبتنی بر منطق فازی

A study of model reference adaptive control for variable-pressure pump (مطالعه کنترل تطبیقی مدل مرجع برای پمپ فشار متغیر) A Bi-level Programming Model for Network Traffic Surveillance of Optimal Camera Location Fuzzy Logic Based Image Edge Detection Algorithm in MATLAB (الگوریتم تشخیص لبه تصویر مبتنی بر منطق فازی در MATLAB) Development of Monocular Vision System for Depth Estimation in Mobile Robot – Robot Soccer (توسعه سیستم بینایی یک چشم (Monocular) برای برآورد عمق در ربات متحرک ربات فوتبالیست) کامپیوتر Bayesian-Inference-Based Recommendation in Online Social Networks Applying Data Mining to the Geosciences Data A Data Mining Analysis of the Parkinson’s Disease A best-first multivariate decision tree method used for urban land cover classification iabet prediction with using data mining techniques مقاله شبیه سازی شده کد پروژه:1504 09367292276 azsoftir@gmail.com azsoft.ir 09367292276 azsoftir@gmail.com 09367292276 azsoftir@gmail.com azsoft.ir 09367292276 azsoftir@gmail.com موضوع:داده کاوی؛ سیستم خبره شامل:4 مقاله اصلی +ترجمه مقالات + گزارش کامل از خلاصه ای از مقاله و نتایج شبیه سازی با وکا Weka+ دیتاستdataset عنوان مقالات: A comparative study on the pre-processing and mining of Pima Indian Diabetes Dataset A Hybrid Model of Hierarchical Clustering and Decision Tree for Rule-based Classification of Diabetic Patients Comparative Study of Different Data Mining Techniques Performance in knowledge Discovery from Medical Database Performance Enhancement of Classifiers using Integration of Clustering and Classification Techniques چکیده حرفه ای پزشکی نیاز به یک روش پیش بینی قابل اعتماد برای تشخیص دیابت دارد. داده کاوی فرآیند تجزیه و تحلیل داده ها از دیدگاه های مختلف و خلاصه سازی آن به اطلاعات مفید است. هدف اصلی از داده کاوی کشف الگوهای جدید برای کاربران و تفسیر الگوهای داده ها برای ارائه اطلاعات معنی دار و مفید برای کاربران است. داده کاوی در پیدا کردن الگوهای مفید برای کمک به وظایف مهم تشخیص پزشکی و درمان بکار میرود. مدل های ترکیبی در داده کاوی و مطالعه پژوهش های پزشکی به تازگی مورد توجه قرار گرفتند. دقت و صحت عملکرد روش استفاده شده از پارامترهای مهم در فرآیندهای داده کاوی است؛ در نتیجه به دنبال روشی هستیم که با دقت بالاتری بیمارانی که خطر ابتلا به دیابت تهدیدشان می کند را پیش بینی کند تا از طریق روشهای پیشگیرانه و درمان؛ احتمال مبتلا شدن به دیابت را کاهش دهد. کلمات کلیدی داده کاوی؛ طبقه بندی: خوشه بندی؛ مجموعه داده دیابتی PIMA 09367292276 azsoftir@gmail.com azsoft.ir 09367292276 azsoftir@gmail.com 09367292276 azsoftir@gmail.com azsoft.ir 09367292276 azsoftir@gmail.com Abstract Data mining in medical data has successfully converted raw data into useful information. This information helps the medical experts in improving the diagnosis and treatment of diseases. In this paper, we review studied data mining applications applied exclusively on an open source diabetes dataset. Type II Diabetes Mellitus is one of the silent killer diseases worldwide. According to the World Health Organization, 346 million people are suffering from diabetes worldwide. Diagnosis or prediction of diabetes is done through various data mining techniques such as association, classification, clustering and pattern recognition. The study led to the related open issues of identifying the need of a relation between the major factors that lead to the development of diabetes. This is possible by mining patterns found between the independent and dependant variables in the dataset. This paper compares the classification accuracies of non-processed and pre-processed data. The results clearly show that the pre-processed data gives better classification accuracy. Keywords: Diabetes prediction; Type II Diabetes Mellitus; Data Mining; Data pre-processing سفارش پروژه A data placement strategy in cloud workflows مقاله شبیه سازی شده کد پروژه:1501 موضوع: مدیریت داده در جریان کاری ها روی ابرها A data placement strategy in cloud workflows شامل: 4مقاله از ژورنالهای معتبر + فایل گزارش مروری بر چهار مقاله عنوان مقاله: A data placement strategy in cloud workflows استراتژی مدیریت داده روی جریان کاری ها در ابر لیست مقالات: 1. A data placement strategy in scientific cloud workflows 2. On-demand minimum cost benchmarking for intermediate dataset storage in scientific cloud workflow systems 3. Policy Based Data Placement in High Performance Scientific Computing 4. Data Management Challenges of Data-Intensive Scientific Workflows 09367292276 azsoftir@gmail.com azsoft.ir 09367292276 azsoftir@gmail.com 09367292276 azsoftir@gmail.com azsoft.ir 09367292276 azsoftir@gmail.com خلاصه: در جریان کاری علمی روی ابر، نیاز به ذخیره سازی مقادیر زیادی از داده های برنامه در مراکز داده توزیع شده است. برای ذخیره کارا و موثر این دادهها، مدیر دادهها باید هوشمندانه مراکز داده را برای اقامت این دادهها انتخاب کند. به طور سنتی، مرکز داده به طور انتخابی با توجه به ظرفیت ذخیره سازی سیستم تعیین میشود (تعیین دستی). در مورد دادههایی که مکان ثابت نیستند؛ وقتی یک کار نیاز به مجموعه داده های مختلف واقع در مراکز داده مختلف دارد، حرکت حجم زیادی از دادهها به یک چالش تبدیل میشود. در حال حاضر انجام کارهای علمی در ابرها محبوب شده است، مجموعه داده های میانی در جریان کاری علمی روی ابر را میتوان با استراتژیهای ذخیره سازی مختلف بر اساس مدل «پرداخت به اندازه استفاده» ذخیره کرد و سیستم را مطلوبتر ساخت. در صورتی که مدیر داده­ها، مراکز داده محلی را برای استقرار مجموعه داده­ها انتخاب کند؛ حرکت داده­ها میان مراکز داده کم می­شود و تحقیقات نشان داده که کاهش میزان حرکت دادهها روی سرعت و کارایی جریان کاری موثر میباشد. کلمه کلیدی: ابر؛ جریان کاری؛ مدیریت داده؛ جریان کارهای علمی A Bi-level Programming Model for Network Traffic Surveillance of Optimal Camera Location مقاله شبیه سازی کد پروژه:1054 موضوع: کنترل بهینه بهینه سازی ترافیک شهری شامل: 17 مقاله مرتبط+ ترجمه مقاله+ شبیه سازی با ویژوال C + + 2008+ گزارش شبیه سازی 15 صفحه ای دارای توضیح کامل شبیه سازی+ فیلم DEMO آموزش شبیه سازی عنوان مقاله: A Bi-level Programming Model for Network Traffic Surveillance of Optimal Camera Location Address: ieeexplore 09367292276 azsoftir@gmail.com azsoft.ir 09367292276 azsoftir@gmail.com 09367292276 azsoftir@gmail.com azsoft.ir 09367292276 azsoftir@gmail.com چکیده دوربین های دیجیتال قادر به سنتز تفکیکاطلاعات خودرو از مکان های مختلف هستند.این مقاله، در مورد مشکل چگونگی تعیین محل بهینه دوربین برای نظارت ترافیک در شبکه جاده های شهری است. همه کاربران به کلاس های متعدد با توجه به درجه پذیرش از نظارت دوربین (ADOCM) تقسیم شده اند. مدل دو سطحی برنامه نویسی برای مشکل محل دوربین (CLP) معرفی شده است.هدف از مسئله سطح بالایی، به حداکثر رساندن مشاهده جریان ترافیک کل از نظر برنامه ریزان شبکه است. و مسئله سطح پایین تر به تصویر کشیدن مبتنی بر لگاریتم از انتخاب مسیر تصادفی کاربران است. روش میانگین های متوالی (MSA) و الگوریتم فرانک ولف برای حل این مسئله به کار رفته است. نمونه های عددی نشان می دهد، بینش مدیریتی دوربین های نظارت که رفتار در برابر دوربین های نظارت بر از دست دادن قابل توجه به نظارت ترافیک شبکه به ارمغان آورد. Cameras enable synthesis of disaggregated vehicle information from multiple locations. This paper addresses the problem of how to determine the optimal locations of cameras for best traffic surveillance in urban road networks. All users are divided into multiple classes according to their own acceptance degree of camera monitoring (ADOCM). A bi-level programming model for camera location problem (CLP) is introduced. The objective of upper level problem is to maximize the total observed traffic flow from the viewpoint of network planners. The lower level problem is to depict the logit-based stochastic route choice behavior of users. The method of successive averages (MSA) and Frank Wolfe algorithm are employed to solve the problem. Numerical examples show the managerial insight that the behavior against camera monitoring has brought considerable loss to network traffic surveillance. مقدمه یک شبیه سازی ترافیک (ATS) بسته توسعه یافته شبیه سازی میکروسکوپی ترافیک با استفاده