کوشا فایل

کوشا فایل بانک فایل ایران ، دانلود فایل و پروژه

کوشا فایل

کوشا فایل بانک فایل ایران ، دانلود فایل و پروژه

روش اجرایی بهبود مستمر - نسخه غیرقابل ویرایش

اختصاصی از کوشا فایل روش اجرایی بهبود مستمر - نسخه غیرقابل ویرایش دانلود با لینک مستقیم و پر سرعت .

روش اجرایی بهبود مستمر - نسخه غیرقابل ویرایش


روش اجرایی بهبود مستمر - نسخه غیرقابل ویرایش

عنوان مستند: بهبود مستمر

حوزه کاربرد: تضمین کیفیت

تعداد صفحات: 17

محتویات مستند:

  • روش اجرایی بهبود مستمر
  • فرم تعیین نیازبرای تغییر،ارزیابی سبک رهبری براساس روشLSI  

دانلود با لینک مستقیم


دانلود مقالهISI ذرات بهبود یافته بهینه سازی ازدحام برای کار برنامه ریزی در محیط ابر رایانه

اختصاصی از کوشا فایل دانلود مقالهISI ذرات بهبود یافته بهینه سازی ازدحام برای کار برنامه ریزی در محیط ابر رایانه دانلود با لینک مستقیم و پر سرعت .

موضوع فارسی : ذرات بهبود یافته بهینه سازی ازدحام برای کار برنامه ریزی در محیط ابر رایانه 

موضوع انگلیسی : Enhanced Particle Swarm Optimization For Task Scheduling In
Cloud Computing Environments 

تعداد صفحه : 10

فرمت فایل : pdf

سال انتشار : 2015

زبان مقاله : انگلیسی

چکیده

مهمترین نیاز در محیط محاسبات ابری برنامه ریزی کار است که نقش کلیدی است
نقش بهره وری از کل امکانات محاسبات ابری. برنامه ریزی کار در محاسبات ابری بدان معنی است که به
اختصاص بهترین منابع مناسب برای کار به اجرا با در نظر گرفتن پارامترهای مختلف مانند
زمان، هزینه، مقیاس پذیری، را طول، قابلیت اطمینان، در دسترس بودن، توان، استفاده از منابع و غیره.
الگوریتم پیشنهادی قابلیت اطمینان و در دسترس بودن می داند. ترین الگوریتم های زمان بندی انجام قابلیت اطمینان را در نظر نمی
و در دسترس بودن محیط محاسبات ابری به دلیل پیچیدگی برای رسیدن به این پارامترها. ما
مدل ریاضی ارائه با استفاده از موازنه بار جهش (متعادل) یک بهینه سازی ازدحام ذرات
(LBM PSO) برنامه بر اساس و تخصیص برای محاسبات ابری است که طول می کشد به قابلیت اطمینان حساب، زمان اجرا،
زمان انتقال، را دهانه، زمان رفت و برگشت، هزینه انتقال و توازن بار بین وظایف و مجازی
ماشین آلات .LBMPSO تواند نقش مهمی در دستیابی به قابلیت اطمینان از محیط زیست محاسبات ابری با توجه به بازی
منابع موجود و برنامه ریزی مجدد کار است که عدم اختصاص دهند. LBMPSO رویکرد ما در مقایسه با استاندارد
PSO، الگوریتم تصادفی و طولانی ترین تکه ابر به سریعترین پردازنده (LCFP) الگوریتم برای نشان می دهد که می توانید LBMPSO
صرفه جویی در طول ساخت، زمان اجرا، زمان رفت و برگشت، هزینه انتقال است.
 
کلمات کلیدی: ابر رایانه؛ ذرات بهینه سازی ازدحام؛ استراتژی برنامه ریزی؛ تعادل بار. ماشین مجازی

دانلود با لینک مستقیم


پایان نامه بهبود طبقه‌بندی سیگنال الکتروکاردیوگرام -ECG- با ماشین بردار پشتیبان و بهینه‌سازی اجتماع ذرات -PSO-SVM-

اختصاصی از کوشا فایل پایان نامه بهبود طبقه‌بندی سیگنال الکتروکاردیوگرام -ECG- با ماشین بردار پشتیبان و بهینه‌سازی اجتماع ذرات -PSO-SVM- دانلود با لینک مستقیم و پر سرعت .

پایان نامه بهبود طبقه‌بندی سیگنال الکتروکاردیوگرام -ECG- با ماشین بردار پشتیبان و بهینه‌سازی اجتماع ذرات -PSO-SVM-


پایان نامه بهبود طبقه‌بندی سیگنال الکتروکاردیوگرام -ECG- با ماشین بردار پشتیبان و بهینه‌سازی اجتماع ذرات -PSO-SVM-

 

 

 

 

 

 

 



فرمت فایل : WORD (قابل ویرایش)

تعداد صفحات:65

پایان‏ نامه جهت اخذ درجه کارشناسی ارشد
 رشته مهندسی پزشکی

فهرست مطالب:
فصل اول                      مقدمه    1
1-1- مقدمه    2
1-2- تعریف مسئله    2
1-3- ضرورت و اهمیت تحقیق    3
1-4- روش تحقیق    3
1-5- تعریف مفاهیم    4
سیگنال الکتریکی قلب:    4
پتانسیل عمل عضله قلب    5
مرحله استراحت :    5
مرحله دپلاریزاسیون :    5
مرحله رپلاریزاسیون :    5
موج P :    6
منحنی QRS :    6
موج T :    6
قطعه ST :    6
بازه  QT:    6
بیماریهای ضربان قلب :    6
فصل دوم                          پیشینه پژوهش    2
2-1- مقدمه    10
معرفی پایگاه داده:    10
2-2- طبقهبندی سیگنال ECG با استفاده از موجک و شبکه عصبی    10
2-3- طبقهبندی سیگنال ECG با استفاده ازموجک و خواص مورفولوژیک و شبکه عصبی    11
2-4- طبقهبندی سیگنال ECG با استفاده از تبدیل موجک و شبکه عصبی فازی    11
2-5- طبقهبندی سیگنال ECG با استفاده از تبدیل ویولت و شبکه عصبی مصنوعی و الگوریتم پرندگان    12
2-6- طبقهبندی آریتمیهای قلبی با استفاده از SVM    12
2-7- طبقهبندی آریتمی دهلیزی بطنی    12
2-8- طبقهبندی سیگنال الکتروکاردیوگرام با طبقهبند ماشین بردار پشتیبان و الگوریتم PSO    13
2-9-  طبقهبندی آریتمیهای قلبی با استفاده از PSO    13
2-10-  رویکرد ترکیبی در طبقهبندی سرطان    14
2-11- دستهبندی آریتمیهای قلبی بر مینای تبدیل موجک و SVM    14
2-12- طبقهبندی سیگنال ECG با استفاده از خواص مورفولوژی    14
2-13- انتخاب ویژگی با استفاده از الگوریتم فاخته باینری    14
2-14- انتخاب ویژگی با استفاده از الگوریتم فاخته    15
فصل سوم                     معرفی الگوریتم‌ها و روش‌های پردازش سیگنالECG    10
3-1- مقدمه    17
3-2- آنالیز موجک    17
3-2-1- تبدیل موج پیوسته (CWT)    18
3-2-2- تبدیل موجک گسسته    18
3-3-2-2- تجزیه چند سطحی    18
3-2-4- انتخاب موجک مادر    19
3-2-4- ویژگیهای استخراج شده از ویولت    21
3-3- ویژگی زمانی    21
3-4- استخراج ویژگی با مدل خودبازگشتی(AR)    22
3-5- استراتژی انتخاب ویژگی    22
3-6- تحلیل مولفه اصلی (PCA)    23
3-7- روش بیشترین وابستگی و کمترین افزونگی (mRMR)    24
3-8- الگوریتم فاخته COA    26
3-8-2- جزییات الگوریتم بهینهسازی فاخته    27
3-8-2-1- تولید محلهای سکونت اولیه فاختهها (جمعیت اولیهی جوابهای کاندید)    29
3-8-2-2- روش فاختهها برای تخمگذاری    30
3-8-2-3- مهاجرت فاختهها    30
3-8-2-4- از بین بردن فاختههای قرار گرفته در مناطق نامناسب    32
3-8-2-5- همگرایی الگوریتم    32
3-9- گسستهسازی دودویی الگوریتم فاخته    33
3-10- ماشین بردار پشتیبان(SVM)    33
3-11- الگوریتم بهینهسازی ذرات(PSO)    35
3-11-1- وزن اینرسی    36
3-12- شمای کلی سیستم طبقهبندی سیگنال ECG    38
فصل چهارم                        روش پیشنهادی طبقه‌بندی سیگنال ECG    17
4-1- مقدمه    40
4-2- پیشپردازش سیگنال ECG    41
4-2-1- شیفت سیگنال به انحراف زمینه    42
4-2-2- حذف مقدار متوسط سیگنال    42
4-2-3- حذف نویز ناشی از برق شهر    43
4-2-4- هموارسازی سیگنال    43
4-2-5- پنجرهگذاری سیگنال    43
4-2-6- آزمون همبستگی و حذف ضربانهای ناهمبسته    44
4-2-7- انتخاب دادههای آموزش و آزمون    44
4-3- ویژگیهای سیگنال    47
4-3-1- استخراج ویژگی    47
4-3-1-1- ویژگی زمانی    47
4-3-1-2- ویژگی موجک    47
4-3-1-3- ویژگی AR    47
4-3-1-4- شناسایی نقاط پراهمیت سیگنال با استفاده از PCA    48
4-3-2-ترکیب و ادغام ویژگیها    48
4-3-2-1- انتخاب ویژگی با PCA    48
4-3-2-2- انتخاب ویژگی با mRMR    49
4-3-2-3- انتخاب ویژگی با استفاده از الگوریتم فاخته    49
4-4- طبقهبندی با استفاده از SVM    51
فصل پنجم                 نتیجه‌گیری    55
5-1- مقدمه    56
5-2- مقایسه و نتیجهگیری    56
5-4- ارائه پیشنهاد    57
منابع :    58

 

 

چکیده

آریتمی‌های قلبی یکی از بیماری‌های قلبی بوده که در مورد بیماران بستری شده در بخش مراقبتهای ویژه باید به آن توجه شود. هوشمندسازی فرآیند تشخیص دقیق بیماریهای قلبی مساله‌ای است که سال‌ها مورد توجه پژوهشگران قرار گرفته است. در این تحقیق روشی کارآمد جهت گزینش ویژگی‌های مناسب استخراج شده از سیگنال ECG، بر پایه‌ی الگوریتم باینری فاخته (BCOA) ارائه شده است. ویژگی‌های استخراج شده شامل ویژگی‌های زمانی،‌ AR و ضرایب موجک است که تعداد این ویژگی‌ها با استفاده از عملگر mRMR یا PCA کاهش داده می‌شود BCOA ،مجموعه‌هایی از ویژگی تشکیل می‌دهد و همواره در پی یافتن مجموعه‌ای شایسته از تمامی ویژگی‌ها است. ارزیابی این مجموعه از ویژگی‌های ا‌نتخاب شده توسط‌BCOA  با اعمال به طبقه بند SVM بررسی می‌شود. سپس الگوریتم PSO جهت بهینه‌سازی پارامترهای SVM اعمال می‌شود.‌ به کمک شبیه‌سازی کامپیوتری،صحت کلی سیستم برای شناسایی 6 نوع ریتم قلبی %97/98 به دست آمد که در مقایسه دقت حاصل شده با پژوهش‌های پیشین،کارایی مطلوب روش پیشنهادی را نشان می‌دهد.
کلمات کلیدی: طبقهبندی سیگنال الکتروکاردیو گرام، الگوریتم فاخته، طبقه‌بند ماشین بردار پشتیبان


دانلود با لینک مستقیم


بهبود خواص و مشخصات خاک با استفاده از روش انجماد خاک

اختصاصی از کوشا فایل بهبود خواص و مشخصات خاک با استفاده از روش انجماد خاک دانلود با لینک مستقیم و پر سرعت .

خاک مهمترین مصالح ساختمانی و اصلی ترین تکیه گاه سازه است مقاومت خاک وابسته به پیوند بین ذرات است این مقاومت را می توان در دو مقیاس کوچک تحت عنوان تثبیت و مقیاس بزرگ تحت عنوان تسلیح بهبود داد. تحقیق حاضر با توجه به اهمیت مسلح سازی خاک به معرفی روش انجماد خاک که خواص توام تثبیت و تسلیح را دربردارد می پردازد. انجماد خاک فرایند ایجاد لایه های موقت غیرقابل نفوذ مقاوم و افزایش مقاومت فشاری و برشی با تبدیل و انجماداب درحال جریان و موجود درخاک می باشد. براساس نتایج حاصل تسلیح خاک موج افزایش مقاومت فشاری و برشی بهبود پاسخ توده خاک نسبت به بارهای دینامیکی افزایش مدول برشی دینامیکی کاهش پتانسیل روانگرایی و افزایش شکل پذیری خاک می گردد. مهم آنکه مواد مسلح کننده دیگر دارای نقطه ضعف هایی بوده اما روش انجماد خاک روشی عملیاتی مستقل سریع و اسان مقرون به صرفه دارای ضعف کمتر قابل استفاده در دامنه وسیعی ازانواع خاک ها و کاربرد در زمینه های مختلف است که به عنوان تکنیک ضروری و مکمل جهت پایداری حفاری زیرزمینی نسبت به سایر روش های اصلاح خاک ارجح می باشد.

 

سال انتشار: 1392

تعداد صفحات: 13

فرمت فایل: pdf


دانلود با لینک مستقیم


بررسی پتانسیل خود ترمیمی و اثربخشی آن در بهبود رفتار خستگی مخلوط های آسفالتی

اختصاصی از کوشا فایل بررسی پتانسیل خود ترمیمی و اثربخشی آن در بهبود رفتار خستگی مخلوط های آسفالتی دانلود با لینک مستقیم و پر سرعت .

خرابى ها در روسازى آسفالتى از عوامل مختلفى نشأت می گیرد که در این میان خستگى و خرابى هاى ناشی از آن، از مدهای اصلى شکست در روسازى بتن آسفالتى مى باشند. سالانه بخش عمده هزینه هاى تعمیرات و نگهدارى راه ها صرف بر طرف نمودن خرابى هاى ناشی از ترک ها میگردد. یکى از عواملى که می تواند در افزایش عمر خستگى روسازى آسفالتى موثر باشد، پتانسیل خود ترمیمى آسفالت است. منظور از خود ترمیمى، توانایی بازیابی مشخصات مکانیکى از قبیل سختى و مقاومت از دست رفته و نیز بازگشت جا بجایى حاصل از بازشدگى ترک ها، در طى دوره استراحت و دمای بالا، می باشد. هدف از این مقاله بررسى مطالعات صورت گرفته در زمینه خودترمیمى و میزان اثربخشى روش هاى مختلف در بهبود عمر خستگى مخلوط آسفالتى می باشد. بطور خلاصه نتایج مطالعات نشان مى دهد، عملکرد خودترمیمى مخلوط آسفالتى تا حد زیادى به پتانسیل خودترمیمى لایه بیندر بستگى دارد. همچنین افزودنى هاى رسانا و استفاده از جوان سازها در قالب میکرو کپسول ها، پتانسیل خودترمیمی آسفالت را بهبود می بخشد.

 

سال انتشار: 1392

تعداد صفحات: 11

فرمت فایل: pdf


دانلود با لینک مستقیم