فی گوو

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

فی گوو

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

مقایسه رفتار سایشی فولاد دو فازی و فولاد نرماله

اختصاصی از فی گوو مقایسه رفتار سایشی فولاد دو فازی و فولاد نرماله دانلود با لینک مستقیم و پر سرعت .

مقایسه رفتار سایشی فولاد دو فازی و فولاد نرماله


مقایسه رفتار سایشی فولاد دو فازی و فولاد نرماله در این مقاله ی کاربردی با فرمت Pdf مقایسه رفتار سایشی فولاد دو فازی و فولاد نرماله مورد تحقیق و پژوهش قرار گرفته است
در تحقیق حاضر رفتار سایش خشک فولاد ST52 در دو حالت با ساختارهای دوفازی و به صورت نرمالیزه شده، مورد بررسی قرار گرفته است. آزمایشات سایش پین روی دیسک تحت نیروهای 1/5، 3/2 و 4 کیلوگرم نیرو و با سرعت حرکت سایشی ثابتی برابر با یک متر بر ثانیه انجام گرفت.
بر اساس نتایج به دست آمده از بررسی سطوح سائیده شده و نواحی زیرین آن، فرآیند سایش در فولادهای مذکور با ایجاد تغییر شکل پلاستیک، تشکیل حفره و ترک و گسترش آنها، همراه بوده است. مشاهدات مذکور به همراه بررسی میکروسکوپ براده های سایش به دست آمده، حاکی از غالب بودن مکانیزم سایش اکسیدی در فولاد دوفازی بوده است. در حالی که در مورد فولاد نرمالیزه شده در نیروهای اعمالی کم مکانیزم، سایش، اکسیدی و در نیروهای بالا از نوع چسبان بوده است.

دانلود با لینک مستقیم


مقایسه رفتار سایشی فولاد دو فازی و فولاد نرماله

تشکیل آستنیت و تبلور مجدد در ساختارهای بینیتی فولادهای فازی محتوی آستنیت باقیمانده

اختصاصی از فی گوو تشکیل آستنیت و تبلور مجدد در ساختارهای بینیتی فولادهای فازی محتوی آستنیت باقیمانده دانلود با لینک مستقیم و پر سرعت .

تشکیل آستنیت و تبلور مجدد در ساختارهای بینیتی فولادهای فازی محتوی آستنیت باقیمانده


تشکیل آستنیت و تبلور مجدد در ساختارهای بینیتی فولادهای فازی محتوی آستنیت باقیمانده در این مقاله ی کاربردی با فرمت Pdf تشکیل آستنیت و تبلور مجدد در ساختارهای بینیتی فولادهای فازی محتوی آستنیت باقیمانده مورد تحقیق و پژوهش قرار گرفته است
در این پژوهش اثر تغییر شکل قبلی بر چگونگی تشکیل آستنیت و تبلور مجدد ساختارهای بینیتی در یک فولاد چند فازی محتوی آستنیت باقیمانده مورد مطالعه قرار گرفته است. رفتار تشکیل آستنیت در نمونه های کار شده با نمونه های بینیتی بدون کرنش متفاوت می باشد. چگونگی تشکیل آستنیت (و در نتیجه اندازه دانه های آستنیت) در نمونه های کار شده با رقابت دو عامل ایجاد آستنیت و تبلور مجدد بینیت در حین آنیل، کنترل می شود. نتایج نشان می دهد که هنگامی که تبلور مجدد بینیت به کندی انجام شود، ذرات آستنیت به طور ترجیحی در مرزدانه های قبلی آستنیت و سپس درون دانه های آستنیت و به ویژه در طول بسته ها و مرز تیغه های بینیت تشکیل می شوند. اما هنگامی که بینیت تحت تغیرر شکب قرار گیرد (50 درصد) تبلور مجدد ساختار، قبل از تشکیل آستنیت به سرعت انجام شده و ذرات آستنیت عموما در مرز دانه های فریت ریز حاصل از تبلور مجدد تشکیل می شوند.

دانلود با لینک مستقیم


تشکیل آستنیت و تبلور مجدد در ساختارهای بینیتی فولادهای فازی محتوی آستنیت باقیمانده

پایان نامه استفاده از روش های فازی در بیومتریک اثر انگشت48صفحه

اختصاصی از فی گوو پایان نامه استفاده از روش های فازی در بیومتریک اثر انگشت48صفحه دانلود با لینک مستقیم و پر سرعت .

پایان نامه استفاده از روش های فازی در بیومتریک اثر انگشت48صفحه


پایان نامه استفاده از روش های فازی در بیومتریک اثر انگشت48صفحه

 

 

 

 

فایل pdf

48 صفحه

در ای پژوهش ابتدا در مورد، ابتدا در مورد اثر انگشت و تاریخچه منطهق فهازی و همچنهی نهر

 

مختصری در مورد استفاده از منطق فهازی در بیومتریهک مهی پهردازیم . در ادامهه ، کارههای کهه محققهی در

 

خصوص استفاده از رونهای فازی هت نناسایی اثر انگشت انجام داده اند از مله روش استفاده از منطق

 

فازی در سیستم های اثر انگشت، معماری یک سیستم ترکیبی، و همچنی استفاده از رمز گذاری فازی برای

 

نشان دادن ساختار ویژگی های برآمدگی های دونهاخه توضهیحاتی را مطهر مهی کنهیم ، در نهایهت مبهانی

 

تحقیقات مذکور بیان نده است

 

 

 

 

 


دانلود با لینک مستقیم


پایان نامه استفاده از روش های فازی در بیومتریک اثر انگشت48صفحه

دانلود پایان نامه کارشناسی رشته کامپیوتر با موضوع پروژه فازی

اختصاصی از فی گوو دانلود پایان نامه کارشناسی رشته کامپیوتر با موضوع پروژه فازی دانلود با لینک مستقیم و پر سرعت .

در این پست می توانید متن کامل این پایان نامه را  با فرمت ورد word دانلود نمائید:

 

 پروژه فازی

استاد راهنما :

جناب آقای دکتر یعقوبی

توسط :

فاطمه دهقان

چکیده

خوشه بندی روشی است که داده های یک مجموعه داده را به گروه یا خوشه تقسیم می کند . از مرسوم ترین روش های خوشه بندی،الگوریتم های خوشه بندی k-Means وfuzzy k-Means می باشند.این دو الگوریتم فقط روی داده های عددی عمل می کنند و به منظور رفع این محدودیت، الگوریتم های k-Modes و fuzzy k-Modes ارائه شدند که مجموعه داده های گروهی (دسته ای) را نیز خوشه بندی می کنند. . با این وجود، این الگوریتم ها ،شبیه همه روال های بهینه سازی دیگر که برای مینیمم عمومی یک تابع جستجو می کنند، احتمال گیر افتادن در یک مینیمم محلی وجود دارد. به منظوردستیابی به جوبب بهینه عمومی ، الگوریتم های تکاملی مانند ژنتیک و جدول جستجو با الگوریتم های مذکور ترکیب می شوند. در این پژوهش، الگوریتم ژنتیک ، GA، را با الگوریتم fuzzy k-Modes ترکیب شده ،بطوریکه عملگر ادغام به عنوان یک مرحله از الگوریتم fuzzy k-Modes تعریف می شود. آزمایش ها روی دو مجموعه داده واقعی انجام شده است تا همراه با مثال کارایی الگوریتم پیشنهادی را روشن نماید.

1.مقدمه

به عنوان یک ابزار اولیه در داده کاوی ،تجزیه و تحلیل خوشه ، که تجزیه و تحلیل سگمنت نیز نامیده می شود،روشی است که داده ها را به گروه هایی همگن تحت عنوان خوشه تقسیم می کند.در چنین روشی داده های موجود در یک کلاستر یا خوشه خیلی شبیه به هم و داده ها ی کلاستر های مختلف خیلی متفاوت نسبت به هم هستند.اغلب، شباهت بر مبنای معیار فاصله می باشد.

آنالیز خوشه،خوشه بندی، تکنیک عمومی برای آنالیز داده های آماری می باشد که در بسیاری زمینه ها مانند یادگیری ماشین ، داده کاوی ، شناسایی الگو و آنالیز تصویر کاربرد دارد.در کنار اصطلاح خوشه بندی داده (یا فقط خوشه بندی)،بعضی اصطلاحات دیگرنیزهمانند کلاس بندی اتوماتیک ،طبقه بندی عددی، آنالیز نوع شناسی ، با معنای مشابه استفاده می شود[1].

به طور کلی ،یک الگوریتم خوشه بندی خوب معمولا برای طراحی شامل چهار فاز ذیل را شامل می شود:1- نمایش داده2- مدل کردن.3- بهینه سازی.4- اعتبار سنجی[2] ..

فاز نمایش داده، تعیین می کند که چه نوعی از ساختارهای خوشه می تواند داده ها را شناسایی کند.سپس فاز مدلینگ ضوابط و معیار ها را برروی ساختار تعریف می کند بطوریکه که ساختارها ی گروه های مطلوب را از موارد نامطلوب مجزا می کند.در فاز مدلینگ ، در طول جستجو برای ساختار های مخفی در داده ،یک معیار کیفیت مانند معیار بهینه سازی یا معیار تقریب تولید می شود. بعبارتی دیگرفاز بهینه سازش،ساختار های موثرتر و بهینه تر را انتخاب میکند. از آنجا که فرآیند خوشه بندی ،یک فرایند بدون سرپرستی است فاز اعتبار سنجی خیلی ضروری است تا نتایج تولید شده به وسیله الگوریتم خوشه بندی ارزیابی شوند.

به طور کلی ،الگوریتم های خوشه بندی به دو دسته تقسیم بندی می شوند[3,4] : الگوریتم های خوشه بندی سخت و الگوریتم های خوشه بندی فازی.

در چهارچوب خوشه بندی سخت ،هر شی ء به یک و فقط یک خوشه تعلق دارد و برعکس در چهار چوب خوشه بندی فازی به هر شی ء اجازه داده می شود که توابع تعلقی به همه خوشه ها داشته باشد.هر دو روش الگوریتم خوشه بندی سخت و فازی ،مرکز های خوشه (نمونه های اولیه) را تعیین می کنند و مجموع مربع فاصله بین این مرکز ها و خوشه ها را مینیمم می کنند.

بسیاری از الگوریتم ها به منظور دستیابی به خوشه بندی سخت در یک مجموعه داده پیشرفت داده شده اند.در بین آنها الگوریتم k-meansو روش های خوشه بندی IsoData به طور گسترده ای مورد استفاده گرفته اند.این دو الگوریتم بر پایه تکرار می باشند. کاربرد مجموعه های فازی در توابع کلاس بندی موجب می شود هر داده در یک زمان به چندین کلاس با درجه های متفاوت تعلق داشته باشد[3].

معروف ترین و پرکاربردترین الگوریتم خوشه بندی فازی ،الگوریتم fuzzy C-Means [7] است. الگوریتم fuzzy C-Means با یک مقدار اولیه از Wشروع می شود و مکررا بین تخمین مراکز خوشه Z داده شده درZ و تخمین ماتریس تعلق داده شده درW تکرار می شود تا هنگامیکه دو مقدار متوالی از Z یا W مساوی شوند.

از نظر ریاضی ،یک مسئله خوشه بندی فازی را می توان به صورت یک مسئله بهینه سازی به صورت ذیل نمایش داد.[5,6]

که n تعداد اشیاء در مجموعه داده مورد بررسی وk تعداد خوشه ها است .مجموعه از n شی ء است که هر یک با d ویژگی توصیف می شوند.   Z یک مجموعه با k مرکز کلاستر ، W یک ماتریس تعلق فازی و توان وزن و d معیار فاصله معین بین مرکز خوشه و شی ء می باشد.

از آنجا که الگوریتم fuzzy c-Means فقط روی داده های عددی کار می کند،یک الگوریتم fuzzy k-Modes  را به منظور خوشه بندی مجموعه داده های گروهی پیشنهاد می دهیم [6-9] . با این وجود،این الگوریتم ها ،شبیه همه روال های بهینه سازی دیگر که برای مینیمم عمومی یک تابع جستجو می کنند، احتمال گیر افتادن در یک مینیمم محلی وجود دارد.

برای مسئله بهینه سازی ،یک مسئله شناخته شده وابسته به هر دو الگوریتم fuzzy C-Means و fuzzy k-Modes این است که آنها ممکن است روی بهینه محلی متوقف شوند[5] .برای رفع این مشکل و رسیدن به یک راه حل عمومی،تکنیک های بر پایه الگوریتم های ژنتیک و تابو سرچ به کار برده شده اند. برای مثال ،الگوریتم genetic k-Means،الگوریتم genetic و الگوریتمk-Means  را ترکیب می کند بدین منظورکه راه حل عمومی و بهینه را پیدا کند[10].به منظور پیدا کردن راه حل بهینه عمومی برای الگوریتم fuzzy k-Modes،Ng و Wong تابو سرچ را بر پایه الگوریتم fuzzy k-Modes معرفی کردند[11].

هدف اصلی در این پروژه این است که الگوریتم genetic fuzzy k-Modes را بکار ببریم تا الگوریتم های fuzzy k-Modes و genetic را به منظور پیدا کردن راه حل بهینه در مسئله بهینه سازی ترکیب کند[5].

طرح کلی پروژه به صورت ذیل است که در قسمت 2، مروری برکارهای قبل و دیگر روش ها خواهیم داشت .بدین صورت که ابتدا الگوریتم های k-means, fuzzy C-means,k-modes,fuzzy k-modes با جزییات شرح می دهیم که مقدمه ای از روال کلی رسیدن به الگوریتم مورد بررسی در این مقاله هستند. سپس در قسمت 3 ،روش پیشنهادی مان،الگوریتم ترکیبی genetic fuzzy k-Modes را تشریح می کنیم. نتایج پیاده سازی الگوریتم برروی دو مجموعه داد ه واقعی از UCI را در قسمت 4 نشان می دهیم ودر نهایت در قسمت 5 بعضی نتایج را عنوان می کنیم.

2- مروری بر روش های قبل

 1.2- الگوریتمk-means Hard

الگوریتم k-means،الگوریتمی است که n نمونه داده را بر پایه ویژگی هایشان به c قسمت (c<n) خوشه بندی می کند. الگوریتم k-means روال هایی بر پایه نمونه اولیه هستند که فاصله بین نمونه های اولیه و دیگر داده ها را به وسیله ساختار یک تابع هدف مینیمم می کند[7].بعبارتی دیگر هدف الگوریتم این است که واریانس درون خوشه ای کل ،یا تابع مربع خطا را مینیمم سازد.این الگوریتم در سال 1956 معرفی شد.

روال کلی الگوریتم بدین صورت می باشد که :

  1. تعداد خوشه ها را ، k در نظر بگیرید.
  2. به طور تصادفی k خوشه تولید کنید و مراکز خوشه ها را تعیین نمایید.یا به طور مستقیم، k نقطه رندم را به عنوان مراکز خوشه ها تولید کنید.
  3. در مجموعه داده،هر نمونه داده را به نزدیکترین مرکز کلاسترآن نسبت دهید.
  4. دوباره مراکز خوشه های جدید را بدست آورید.
  5. دو مرحله قبل را تا زمانیکه همگرایی مناسب حاصل شود(تفاوتی در دو خوشه بندی متوالی وجود نداشته باشد)،تکرار نمایید.

 

(ممکن است هنگام انتقال از فایل ورد به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

متن کامل را می توانید دانلود نمائید

چون فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به طور نمونه)

ولی در فایل دانلودی متن کامل پایان نامه

همراه با تمام ضمائم (پیوست ها) با فرمت ورد word که قابل ویرایش و کپی کردن می باشند

موجود است

 


دانلود با لینک مستقیم


دانلود پایان نامه کارشناسی رشته کامپیوتر با موضوع پروژه فازی

تئوری مجموعه های فازی و کاربرد آن در مهندسی صنایع

اختصاصی از فی گوو تئوری مجموعه های فازی و کاربرد آن در مهندسی صنایع دانلود با لینک مستقیم و پر سرعت .

تئوری مجموعه های فازی و کاربرد آن در مهندسی صنایع


تئوری مجموعه های فازی و کاربرد آن در مهندسی صنایع

فرمت فایل : word (قابل ویرایش) تعداد صفحات : 32 صفحه

. معرفی

تحلیل SWOT ابزاری کارآمد برای شناسایی شرایط محیطی و توانایی های درونی سازمان است. پایه و اساس این ابزار کارآمد در مدیریت استراتژیک و همین طور بازاریابی، شناخت محیط پیرامونی سازمان است. حروف SWOT که آن را به شکل های دیگر مثل TOWS هم می نویسند، ابتدای کلمات قوت)[1](S، ضعف)[2](W، فرصت)[3]  (oو تهدید)[4]  (Tمی باشد (شکل1-1).

تکنیک SWOT یکی از تکنیک های برنامه ریزی راهبردی است. لیکن با شناخته شدن سودمندی آن از دهه 1980 میلادی نظریه پردازان موفق شدند تا دامنه کاربرد تکنیک های یاد شده را از قلمرو برنامه ریزی موسسات خصوصی به قلمرو برنامه ریزی و مدیریت شهری در عرصه عمومی و برنامه های دولتی و همگانی تسری بخشیده و با الزامات آن منطبق سازند (گلکار 1384).

مدل SWOT یکی از ابزار های استراتژیک تطابق نقاط قوت و ضعف درون سیستمی با فرصت ها و تهدیدها برون سیستمی است. از دیدگاه این مدل یک استراتژی مناسب قوت ها و فرصت ها را به حد اکثر و ضعف ها و تهدید ها را به حداقل ممکن می رساند (هریسون 1382).

تجزیه و تحلیل SWOT اصطلاحی است که برای شناسایی نقاط قوت و ضعف داخلی و فرصت ها و تهدید های خارجی که یک شرکت، مجموعه و یا قلمرو با آن روبرو است به کار برده می شود. تجزیه و تحلیل SWOT شناسایی نظام مند عواملی است که راهبرد باید بهترین سازگاری را با آنها داشته باشد. منطق رویکرد مذکور این است که راهبرد اثر بخش باید قوت ها و فرصت های سیستم را به حداکثر برساند و ضعف ها و تهدید ها را به حداقل برساند. این منطق اگر درست به کار گرفته شود نتایج بسیار خوبی را برای انتخاب و طراحی یک راهبرد اثر بخش خواهد داشت.

ماهیت قوت و ضعف به درون سازمان مربوط می شود و فرصت و تهدید معمولاً محیطی هستند. در اینجا به معرفی عوامل داخلی و خارجی  پرداخته شده است.

 

1-1. قوت ها

قوت های سازمان همان منابع و توانایی هایی است که سازمان در اختیار دارد و می تواند از آنها به منظور ایجاد یک مزیت رقابتی استفاده کند. موارد زیر می توانند از قوت های شرکت به حساب آیند :

اختراعات ثبت شده شرکت، نام تجاری و برند شناخته شده، شهرت در بین مشتریان، مزیت در قیمت تمام شده، دسترسی اختصاصی به منابع طبیعی، دسترسی به شبکه های توزیع مناسب، نیروی انسانی کارآمد و آموزش دیده


1Strength

2Weakness

3Opportunity

4Threat

 


دانلود با لینک مستقیم


تئوری مجموعه های فازی و کاربرد آن در مهندسی صنایع