لینک پرداخت و دانلود *پایین مطلب*
فرمت فایل:Word (قابل ویرایش و آماده پرینت)
تعداد صفحه20
فهرست مطالب
Preface:
سیستم مورچگان(AS):
فلسفه سیستم مورچگان:
اثرات فرومون
مسایل بهینه سازی ترکیبی:
مسایل P و NP
پیچیدگی زمانی یک الگوریتم:
بهینه یابی کلونی مورچگان یکی از روشهای فرا ابتکاری است که با الهام از طبیعت به ساختن جواب مسایل بهینه یابی ترکیبی
سخت می پردازد.
این سیستم اولین بار توسط مارکودوریگو در سال 1991برای حل مسایل مذکور معرفی گردید و اولین کاربرد آن در مورد
شناخته شده ترین مسئله بهینه یابی مسایل ترکیبی یعنی مسئله فروشنده دوره گرد بود.
مشاهده جستجوی مورچگان واقعی جهت یافتن غذا و انتخاب کوتاه ترین مسیر با مشارکت جمعی مورچگان یک کلونی ,
سر منشا پیدایش این روش برای حل مسایل بهینه یا بی ترکیبی بود.مورچه های واقعی قادر به تبادل اطلاعات مربوط به منابع
غذایی ازطریق ماده ای شیمیایی به نام فرمون می باشد.
آنها با به جا گذاشتن فرومون در مسیر ی که طی می کنند باعث میشوند تا دیگر مورچه ها با مشاهده اثرات فرومون بجامانده
در مسیر به آن جذب می شوند و همان راه رابرای رسیدن به منابع غذایی دنبال کنندبا افزایش حرکت مورچه ها در یک مسیر
میزان اثر فرومون افزایش یافته وخود عاملی برای جذب بیشتر مورچه ها به پیمودن این مسیر می گردد.
بیان رفتار مورچه های واقعی می تواند با شبیه سازی مناسب برای حل مسایل بهینه یابی ترکیبی استفاده گردد.سیستم
مورچگان تا کنون برای حل مسایل ترکیبی گوناگونی از جمله مسئله برنامه ریزی کارگاه- مسئله رنگ آمیزی گراف- مسئله کوادراتیک ومسئله مسیریابی وسیله نقلیه به کار رفته است.
در این تحقیق به بیان روش بهینه یابی توسط کلونی مورچگان میپردازیم .ودر ابتدا به ذکر مقدمات و فلسفه به وجود آمدن این روش پرداخته و سپس حالت عمومی آن در حل مسئله TSPبه عنوان عمومی ترین مساله ترکیبی ذکر می شود
با استفاده از الگوریتم کلونی مورچگان لبه یابی تصویر پیاده شده است و می توان به راحتی بر روی تصاویر دیگر پیاده سازی نمود.
عالی برای پروژه درس پردازش تصویر مقطع ارشد
به راحتی میتوان مدل را به مدل دلخواه تغییر داد.(امفایل نویسی در متلب انجام شده است)
جواب و خروجی های تست شده است و نگران صحت برنامه نباشید و در صورت اشکال با شماره های زیر تماس بگیرید.)
برای هماهنگ ...
دریافت فایلفایل PDF و فایل پروژه Matlab
به همراه مقاله های مرجع و آموزش نحوه اجرای پروژه
شرح مختصر:
فایل پروژه از دو فایل اصلی تشکیل شده است : یکی ACO_feature_selection.m و ExteractFeatureZernik_DWT.m و یک پایگاه داده که ۴۰۰ تصویر از ۴۰ شخص در ۱۰ حالت متفاوت گرفته شده است. مراحل اجرای پروژه به صورت زیر است :
ابتدا با استفاده از اجرای فایل ExteractFeatureZernik_Dw ویژگی های زرنیک و DWT که مربوط به ویولت هست را از ۴۰۰ تصویر بیرون کشیده و در یک ماتریس با ۴۰۰ ردیف ذخیره می کنیم. تعداد ویژگی های استخراجی برای DWT برابر ۱۶۸ ویژگی است. که با توجه به مقاله ی شماره ۲(شکل۴ مقاله) که در فایل پروژه هست پیاده سازی شده است. تصاویر پایگاه داده ۹۲×۱۱۲ می باشد سه سطح رزولوشن آن باستفاده از تبدیل وارون ویولت کم می شود سطح اول ۴۶×۵۶ ، سطح دوم ۲۳×۲۸ و سطح سوم و آخر ۱۲×۱۴ می شود. در این مرحله تصویر با ابعاد سطح سوم را به صورت برداری تک ردیف ارائه می کنیم و اینکار با کنار هم و بهم پیوست ستون ها انجام می دهیم. که برای هر تصویر بردار ویژگی DWT برداری با طول ۱۶۸ خواهد بود زیرا ۱۲×۱۴=۱۶۸ خواهد شد. پس از استخراج ویژگی های آنها را در ماتریس Feature_DWT.mat با ابعاد ۴۰۰×۱۶۸ برای استفاده ی الگوریتم ACO ذخیره می کنیم. به منظور استخراج ویژگی-های زرنیک نیز از به جای استفاده مستقیم از تصاویر پایگاه داده از تصاویر کاهش یافته ی ۶۴×۶۴ استفاده شده است. که فقط ۲۰ مرتبه ی اول ویزگی های زرنیک محاسبه می شود. و دراین حالت نیز ماتریس با نام Zernike_Moment_features.mat با ابعاد ۴۰۰×۲۰ را به منظور استفاده ACO ذخیره می کنیم.
فهرست فایلها:
توضیحات اجرای پروژه
مقاله زبان اصلی
فایل سورس پروژه