فهرست مقالات C-means clustering

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - تحلیل مبدل جریان کرشیو به عنوان نیروگاه تجدیدپذیر و دوستدار محیط زیست
  امیر قائدی
  مقدمه: جریان¬های کرشیو، نمونه¬ای از جریان¬های اقیانوس بوده که در نزدیکی سواحل ژاپن وجود دارد. این جریان¬ها دارای سرعت و در نتیجه انرژی جنبشی می¬باشند و می¬توانند به منظور تولید برق مورد استفاده قرار بگیرند. مشکل اصلی این مبدل¬های انرژی جریان کرشیو این است که به دلیل تغی چکیده کامل

  مقدمه: جریان¬های کرشیو، نمونه¬ای از جریان¬های اقیانوس بوده که در نزدیکی سواحل ژاپن وجود دارد. این جریان¬ها دارای سرعت و در نتیجه انرژی جنبشی می¬باشند و می¬توانند به منظور تولید برق مورد استفاده قرار بگیرند. مشکل اصلی این مبدل¬های انرژی جریان کرشیو این است که به دلیل تغییر سرعت جریان¬های کرشیو، توان تولیدی آن¬ها نیز تغییر کرده و بر جنبه¬های مختلف آن¬ها از جمله قابلیت اطمینان تاثیر می¬گذارد. مواد و روش‌ها: به منظور تعیین مدل قابلیت اطمینان مبدل جریان کرشیو هم خرابی اجزای تشکیل دهنده بر خرابی کل سیستم مورد مطالعه قرار می¬گیرد و هم تغییرات توان خروجی این مبدل¬ها که ناشی از تغییر سرعت جریان¬های کرشیو می¬باشد. شاخص¬های قابلیت اطمینانی که در این سطح محاسبه می¬گردد عبارت است از: احتمال قطع بار، متوسط زمان قطع بار و متوسط انرژی تامین نشد. نتایج و بحث: در این قسمت، یک مبدل انرژی جریان کرشیو که شامل یک توربین به قطر 2 متر است در نظر گرفته شده , شاخص¬های قابلیت اطمینان یک سیستم تست نمونه به دست آورده می¬شود. نتایج نشان می¬دهد با زیاد شدن پیک بار سیستم، احتمال قطع بار، متوسط زمان قطع بار و انرزی تامین نشده سیستم افزایش پیدا کرده و به عبارت دیگر قابلیت اطمینان سیستم بدتر می¬شود. بنابراین لازم است نیروگاه¬های جدید به مدار بیایند تا شاخص¬های قابلیت اطمینان بهبود پیدا کنند. نتیجه‌گیری:در این تحقیق با استفاده از روش خوشه¬بندی فازی c میانگین، تعداد حالت¬ها کاهش داده شده است و یک مدل چند حالته برای مبدل¬های انرژی جریان کرشیو به دست آورده شده است. نتایج حاصل از شبیه¬سازی نشان می¬دهد اضافه شدن نیروگاه¬های جریان کرشیو به سیستم قدرت سبب بهبود شاخص¬های قابلیت اطمینان این سیستم می¬گردد. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  2 - Using fuzzy c-means clustering algorithm for common lecturer timetabling among departments
  hamed babaei Jaber Karimpour Sajjad Mavizi
  University course timetabling problem is one of the hard problems and it must be done for each term frequently which is an exhausting and time consuming task. The main technique in the presented approach is focused on developing and making the process of timetabling com چکیده کامل

  University course timetabling problem is one of the hard problems and it must be done for each term frequently which is an exhausting and time consuming task. The main technique in the presented approach is focused on developing and making the process of timetabling common lecturers among different departments of a university scalable. The aim of this paper is to improve the satisfaction of common lecturers among departments and then minimize the loss of resources within departments. The applied method is to use a collaborative search approach. In this method, at first all departments perform their scheduling process locally; then two clustering and traversing agents are used where the former is to cluster common lecturers among departments and the latter is to find unused resources among departments. After performing the clustering and traversing processes, the mapping operation in done based on principles of common lecturers constraint in redundant resources in order to gain the objectives of the problem. The problem’s evaluation metric is evaluated via using fuzzy c-means clustering algorithm on common lecturer constraints within a multi agent system. An applied dataset is based on meeting the requirements of scheduling in real world among various departments of Islamic Azad University, Ahar Branch and the success of results would be in respect of satisfying uniform distribution and allocation of common lecturers on redundant resources among different departments . پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  3 - روشی برای بخش بندی تصاویر سنجش از دور با استفاده از الگوریتم Watershed و خوشه بندی Fuzzy C-Means
  محسن حامد فاطمه حاجیانی
  در تقسیم بندی پیکسل های تصویر سنجش از دور با استفاده از بخش بندی Watershed، مرزهای تصویر به خوبی آشکار نمی شوند. در این مقاله، یک الگوریتم خوشه بندی تصویر بر اساس بخش بندی Watershed و خوشه بندی Fuzzy C-Means ارائه شده است. روش کار به این صورت است که در ابتدا از الگوریتم چکیده کامل

  در تقسیم بندی پیکسل های تصویر سنجش از دور با استفاده از بخش بندی Watershed، مرزهای تصویر به خوبی آشکار نمی شوند. در این مقاله، یک الگوریتم خوشه بندی تصویر بر اساس بخش بندی Watershed و خوشه بندی Fuzzy C-Means ارائه شده است. روش کار به این صورت است که در ابتدا از الگوریتم Watershed برای بخش بندی تصویر حاصل از مجموع مشتق تصویر با تصویر اصلی استفاده می شود. مشتق گرفتن از تصویر موجب می شود مرزهای تصویر به خوبی آشکار شده و رویهم افتادگی بین مرزها رخ ندهد. پس از بخش بندی، برای ترکیب نواحی مشابه حاصل، از خوشه بندی Fuzzy C-Means استفاده می شود. در نهایت، به منظور بهبود نتایج خوشه بندی، یک ماتریس تقسیم بندی جدید نیز برای هر ناحیه از تصویر، با توجه به ویژگی های نواحی همسایه ی آن محاسبه می شود. با توجه به اینکه تصاویر سنجش از دور شامل یک سطح نویز بالا هستند، الگوریتم پیشنهادی در مقایسه با الگوریتم Watershed رایج، توانایی بیشتری در مقابله با نویز دارد و لبه های تصویر بهتر نمایان می شوند. نتایج آزمایش روش پیشنهادی بر روی یک نمونه تصویر سنجش از دور، عملی بودن و کارایی الگوریتم پیشنهادی را نشان می دهد. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  4 - روشی برای بخش بندی تصاویر سنجش از دور با استفاده از الگوریتم Watershed و خوشه بندی Fuzzy C-Means
  ابراهیم علی بابایی روح اله آقاجانی
  در تقسیم بندی پیکسل های تصویر سنجش از دور با استفاده از بخش بندی Watershed، مرزهای تصویر به خوبی آشکار نمی شوند. در این مقاله، یک الگوریتم خوشه بندی تصویر بر اساس بخش بندی Watershed و خوشه بندی Fuzzy C-Means ارائه شده است. روش کار به این صورت است که در ابتدا از الگوریتم چکیده کامل

  در تقسیم بندی پیکسل های تصویر سنجش از دور با استفاده از بخش بندی Watershed، مرزهای تصویر به خوبی آشکار نمی شوند. در این مقاله، یک الگوریتم خوشه بندی تصویر بر اساس بخش بندی Watershed و خوشه بندی Fuzzy C-Means ارائه شده است. روش کار به این صورت است که در ابتدا از الگوریتم Watershed برای بخش بندی تصویر حاصل از مجموع مشتق تصویر با تصویر اصلی استفاده می‌شود. مشتق گرفتن از تصویر موجب می‌شود مرزهای تصویر به خوبی آشکار شده و رویهم افتادگی بین مرزها رخ ندهد. پس از بخش بندی، برای ترکیب نواحی مشابه حاصل، از خوشه بندی Fuzzy C-Means استفاده می‌شود. در نهایت، به منظور بهبود نتایج خوشه بندی، یک ماتریس تقسیم بندی جدید نیز برای هر ناحیه از تصویر، با توجه به ویژگی‌های نواحی همسایه‌ی آن محاسبه می‌شود. با توجه به اینکه تصاویر سنجش از دور شامل یک سطح نویز بالا هستند، الگوریتم پیشنهادی در مقایسه با الگوریتم Watershed رایج، توانایی بیشتری در مقابله با نویز دارد و لبه های تصویر بهتر نمایان می‌شوند. نتایج آزمایش روش پیشنهادی بر روی یک نمونه تصویر سنجش از دور، عملی بودن و کارایی الگوریتم پیشنهادی را نشان می‌دهد. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  5 - Biogeography-based Optimized Adaptive Neuro-Fuzzy Control of a Nonlinear Active Suspension System
  Ali Fayazi Hossein Ghayoumi Zadeh
  10.52547/mjtd.11.1.43
  This paper presents an optimum network structure based on a BBO tuned adaptive neuro-fuzzy inference system (ANFIS) to control an active suspension system (ASS). The unsupervised learning via Biogeography-Based Optimization (BBO) algorithm is used to train the ANFIS net چکیده کامل

  This paper presents an optimum network structure based on a BBO tuned adaptive neuro-fuzzy inference system (ANFIS) to control an active suspension system (ASS). The unsupervised learning via Biogeography-Based Optimization (BBO) algorithm is used to train the ANFIS network. The optimal proportional-integral-derivative controller tuned based on the LQR method is used to generate the training data set. ANFIS base on Fuzzy c-means (FCM) clustering algorithm is applied to approximate the relationships between the vehicle body (sprung mass) vertical input velocity and the actuator output force. BBO algorithm is used to optimize fuzzy c means clustering parameters. The numerical simulation results showed that the proposed optimized BBO-FCMANFIS based vehicle suspension system has better performance as compared with the optimal LQR-PID controller under uncertainties in both of reducing actuator energy consumption and the suppression of the vibration of the sprung mass acceleration, with a 43% and 9.5% reduction, respectively. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  6 - ارائه روشی جهت شبکه‌های اجتماعی چند لایه‌ای پویا جهت کشف گروه‌های تاثیرگذار مبتنی بر ترکیبب الگوریتم تکاملی جهش قورباغه و خوشه‌بندی C-means
  لیدا ندرلو محمد تحقیقی شربیان
  امروزه علم و فن آوری با آهنگی شتابناک در حال رشد است و شبکه های اجتماعی پیچیده به بخشی ضروری از زندگی تبدیل شده اند، آن گونه که بحث جدایی مردم از شبکه های درهم پیچیده ای که مبتنی بر نیازهای اساسی زندگی است بحث ناگزیری در زندگی روزمره و عرصه دانش است. در پژوهش پ چکیده کامل

  امروزه علم و فن آوری با آهنگی شتابناک در حال رشد است و شبکه های اجتماعی پیچیده به بخشی ضروری از زندگی تبدیل شده اند، آن گونه که بحث جدایی مردم از شبکه های درهم پیچیده ای که مبتنی بر نیازهای اساسی زندگی است بحث ناگزیری در زندگی روزمره و عرصه دانش است. در پژوهش پیش رو مدلی برای شبکه های اجتماعی چندلایه ای پویا برای کشف گروه های تأثیرگذار، مبتنی بر ترکیبب الگوریتم تکاملی جهش قورباغه و خوشه بندی C-means ارائه شده است. بدین ترتیب که پس از جمع‌آوری داده‌ها به پاک سازی و نرمال سازی آن ها پرداخته شد تا داده‌های مطلوب منجر به شناسایی افراد و گروه‌های مؤثر شود که در ادامه کار ماتریس تصمیم شکل گرفت و از روی آن شناسایی و خوشه‌بندی(مبتنی بر خوشه‌بندی فازی) انجام شد و اهمیت گروه‌ها نیز مشخص گردید. برای دستیابی به افراد و گروه‌های تأثیرگذار در شبکه‌های اجتماعی، از الگوریتم قورباغه جهنده برای بهبود تشخیص پارامترهای تأثیرگذار استفاده شد که باعث بهبود اهمیت گره ها شده است. در ارزیابی و شبیه سازی بخش خوشه‌بندی، روش پیشنهادی با روش K-means مقایسه و نتیجه مقدار تعادل روش در انتخاب خوشه برابر 5 شد. گفتنی است که روش پیشنهادی به نسبت روش‌های مورد مقایسه، بهبود مناسب تری را نشان داد. همچنین ارزیابی معیار صحت روش پیشنهادی به نسبت روشهای همسان بهبود 3.3 داشته و نسبت به روش پایه M-ALCD بهبود 3.8 را به ثبت رسانده است. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  7 - High Performance Implementation of Fuzzy C-Means and Watershed Algorithms for MRI Segmentation
  Farnaz Hoseini Ghader Mortezaie Dekahi
  Image segmentation is one of the most common steps in digital image processing. The area many image segmentation algorithms (e.g., thresholding, edge detection, and region growing) employed for classifying a digital image into different segments. In this connection, fin چکیده کامل

  Image segmentation is one of the most common steps in digital image processing. The area many image segmentation algorithms (e.g., thresholding, edge detection, and region growing) employed for classifying a digital image into different segments. In this connection, finding a suitable algorithm for medical image segmentation is a challenging task due to mainly the noise, low contrast, and steep light variations of medical images. Due to the inherently parallel nature of image segmentation algorithms, they suit well for implementation on a Graphics Processing Unit (GPU). The main goal of this paper is to improve the performance of fuzzy c-means clustering through the parallel implementation of this algorithm. Although fuzzy c-means clustering is an important iterative clustering algorithm, it is computationally intensive and uses the same data between the iterations. The center of the clusters changes in each iteration, which requires a considerable amount of time for large data sets. The parallel fuzzy c-means clustering is implemented by applying pipeline parallelism on GPU. The experimental results show that the performance is improved up to 23.35x. Next, the watershed algorithm is applied to the final segmentation. In this paper using parallel fuzzy c-means clustering and computations we have attained competing results with other papers. The implementation results on the BRATS2015 show that the accuracy of diagnosis in Dice Similarity Coefficient metric 97/33% is obtained. This improvement is achieved using enhancing edges and reducing noises in images. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  8 - An Energy Efficient improving the Leach protocol Scheme in Wireless Sensor Networks
  Farzaneh Abdolahi Maryam Khademi
  Data gathering is a common but a critical operation in many applications of wireless sensor networks. So, innovative techniques that improve energy efficiency to prolong the network lifetime are highly required. In this research, we analyze the reduction of energy consu چکیده کامل

  Data gathering is a common but a critical operation in many applications of wireless sensor networks. So, innovative techniques that improve energy efficiency to prolong the network lifetime are highly required. In this research, we analyze the reduction of energy consumption in wireless sensor networks. A sensor network consists of a large number of limited-energy sensor nodes, which are widely distributed in an environment that sense and collect the environmental information. In most applications of wireless sensor networks, there is no possibility of charging node batteries. In these types of networks, the most important challenge is the power constraint that directly affects the lifetime of the sensor network. Protocols designed in these networks should be accompanied by efficient energy consumption. The LEACH protocol is one of the well-known protocols that are widely used in this field. In this study, we use genetic algorithm and fuzzy clustering for improving the LEACH protocol. Our results show that the proposed algorithm has needs energy consumption in comparison with the original version. This leads to a prolonged network lifetime, which is one of the most important issues in wireless sensor networks. پرونده مقاله