پردازش تصویر و کاربرد آن در شناسایی آفات گیاهی

اختصاصی از فی بوو پردازش تصویر و کاربرد آن در شناسایی آفات گیاهی دانلود با لینک مستقیم و پر سرعت .

دانلود پایان نامه استخراج و شناسایی ترکیبات طبیعی موجود در کبد و بافت عضله ماهی کفشک زبان گاوی

اختصاصی از فی بوو دانلود پایان نامه استخراج و شناسایی ترکیبات طبیعی موجود در کبد و بافت عضله ماهی کفشک زبان گاوی دانلود با لینک مستقیم و پر سرعت .

در این تحقیق مواد طبیعی و اسید های چرب موجود در بافت کبد و عضله ماهی کفشک زبان largescale tonguesole با نام علمی  (Cynoglossus Macrolepidotus ) معروف به زبان گاوی با استفاده از روش(Bligh And Dyer ) استخراج گردید .
برای شناسایی این مواد ابتدا کلروفرم که به عنوان حلال مورد استفاده قرار گرفته بود توسط دستگاه Rotary Evaporator تبخیر و سپس مواد در –n هگزان حل گردید و به دستگاه GC-MS تزریق شد . با استفاده از کروماتوگرام جرمی و طیف های جرمی بدست آمده مواد طبیعی موجود از جمله اسیدهای چرب بافت کبد و عضله با محاسبه اندیس کواتس و مقایسه آنها با اندیس کواتس استاندارد و نیز بررسی داده های طیفی ( GC-MS ) و مقایسه آنها با داده های استاندارد موجود در مراجع (Eight Peak ) شناسایی گردید .
در کبد یازده ترکیب شناسایی شد که  Palmitic Acid با 98/14 درصد بیشترین مقدار می باشد . سایر ترکیبات شناسایی شده در کبد شامل Oleic Acid (30/12درصد) ،
 1,3-Cyclooctadiene(97/7درصد)stearicAcidو(80/6)درصد، methyl eicosa-5,8,11,14,17 pentaenoate   (45/6 درصد) ،  1,4,8-Dodecatiene (75/5 درصد). 9-Hexadecanoic Acid (39/5درصد)ethyl ester، 5,8,11,14-Eicosatetranenoic Acid (08/4درصد)،Heptacosane (77/1درصد)،3-Heptadecan-5-yne (24/1درصد)،Myristic Acid (66/0درصد)می باشد . ترکیبات شناسایی شده در بافت عضله شامل Plamitic Acid (15/43درصد) ، Methyl Eicosa-5,8,11,14,17-Pentanoate  (51/23درصد) ،Stearic Acid (35/8درصد)،Oleic Acid(68/0درصد)،Nonane(74/6درصد)، Decane(06/3درصد) می باشد .
واژگان کلیدی : اسیدهای چرب غیر اشباع،روغن کبد و عضله ماهی، کفشک زبان گاوی،پالمتیک اسید، اولئیک اسید
مقدمه :
اسیدهای چرب اشباع نشده با چند پیوند دو گانه (PUFA)Poly Unsturated Fatty Acids  از نوع اسید های چرب Omega-3 و اسیدهای چرب Omega-6 جزو اسیدهای چرب  ضروری برای بدن انسان هستند که بدن انسان توانایی ساخت این اسیدهای چرب اشباع نشده  را ندارد و باید از طریق مواد غذایی تامین گردد .
 اسیدهای چرب  Omega-3 بیشتر در بدن  ماهی و بخصوص ماهی های  روغنی  مثل شاه  ماهی،ماهی خال مخالی، ساردین ، پلیچارد، ماهی آزاد و ماکرل یافت می شود .
اسیدهای چرب امگا 3 شامل (ALA) Alpha – Linolenic Acid و دو مشتق آن با اسامی Decosahexaenoic Acid (DHA) و  Eicosapentaenoic Acid (EPA)
می باشند .

چکیده
مقدمه
فصل اول: کلیات
1-1 هدف
1-2 پیشینه تحقیق
1-3 روش کار و تحقیق
فصل دوم: کفشک زبانی ماهیان(cynoglossidae tongue soles)
 کفشک زبان گاوی(cynoglossus marco lepidotus)
1-2کفشک زبانی ماهیان (cynoglossidae tongue soles)
2-1-1 ریخت شناسی کفشک زبانی ماهیان
2-1-2 گونه های موجود در ایران
2-2 جایگاه سیستماتیک کفشک زبان گاوی (cynoglossidate macrolepidotus )
2-2-1 ریخت شناسی کفشک زبان گاوی (largescale tonguesole)
2-2-2 محیط زیست
2-2-3 ارزش اقتصادی
2-2-4 اندازه و وزن
2-2-5 پراکنش
فصل سوم:چربی ها (lipids) وروغن ماهی(fish oil)
3-1 چربی ها
3-2 اسید های چرب
3-2-1 مشخصات عمومی اسیدهای چرب
3-2-2 خواص اسیدهای چرب
3-3 ساختمان و خواص انوع چربیها
3-3-1 چربی های خنثی (اسیل گلیسرولها)
3-3-2 فسفوگلیسیریدها
3-3-3 اسفنگولیپیدها و گلیکولیپیدها
3-3-4 موم ها ( waxed)
3-3-5 لیپیدهایی که صابون نمی شوند
3-6 روغن ماهی (Fish oil)
فصل چهارم : مواد و روش ها
4-1 مواد مصرف شده
4-2 وسایل آزمایشگاهی مورد نیاز
4-3 دستگاههای مورد نیاز
4-4 روش
4-4-1 تهیه نمونه ماهی کفشک زبان گاوی
4-4-2 استخراج مواد طبیعی از کبد و بافت عضله ماهی کفشک زبان گاوی
4-4-3 مراحل عملی استخراج به روش Bligh and dyer
4-4-4 استخراج و خالص سازی چربی ها در روش Bligh and dyer
4-5 استفاده توأم از کروماتوگراف و طیف سنج جرمیGC/MS
4-5-1 اندیس کواتس (Kovts index )
4-6 شناسایی مواد طبیعی موجود در فاز –n هگزانی کبد و بافت عضله
 ماهی کفشک زبان گاوی (largescale tongusole) با استفاده از دستگاه GC/MS
4-6-1 مشخصات دستگاه GC/MS مورد استفاده
فصل پنجم : نتایج آزمایش و بحث
5-1 نتایج ، تفسیر داده ها و شناسایی طیف های GC-MS
5-2 بحث
پیشنهادات  
فهرست منابع فارسی
فهرست منابع انگلیسی
چکیده انگلیسی

شامل 130 صفحه فایل word

بهبود شناسایی آرم در سند های تصویری مبتنی بر الگوریتم ژنتیک به همراه کدهای نوشته شده در MATLAB

اختصاصی از فی بوو بهبود شناسایی آرم در سند های تصویری مبتنی بر الگوریتم ژنتیک به همراه کدهای نوشته شده در MATLAB دانلود با لینک مستقیم و پر سرعت .

بهبود شناسایی آرم در سند های تصویری مبتنی بر الگوریتم ژنتیک به همراه تمامی کدها و الگوریتم های نوشته شده در نرم افزار MATLAB و تمامی مقالات زبان اصلی مورد استفاده

چکیده

تشخیص آرم یکی از راه های تشخیص منابع اسنادو اطلاعاتی درباره یک سند می باشد.در این مقاله شناسایی و تشخیص آرم ها در تصاویر متنی بیان می شود.بدین صورت که ابتدا تصاویر به سگمنت هایی تقسیم شده ، توسط فاز تشخیص آرم، برای هر سگمنت ویژگی هایی بر پایه آمار اولیه در مورد مؤلفه های پیکسل های سیاه درون هر بخش محاسبه می شود.با استفاده از این ویژگی ها، شبکه عصبی تکاملی بر پایه الگوریتم ژنتیک، سگمنت ها را بر اساس احتمال وجود آرم یا عدم وجود آن دسته بندی می نماید.در نهایت  در مجموعه انتخابی به عنوان مجموعه آرم ها، فاز انطباق آرم به کمک ویژگی های هندسی  محلی  و مستقل  انجام می شود. نتایج نشان می دهد که استفاده از شبکه عصبی تکاملی به منظور شناسایی آرم، با ارائه نتایج مطلوب به عنوان دستاوردی جدید در کنار دیگر روش ها قابل استفاده می باشد.

کلمات کلیدی: استخراج ویژگی ، الگوریتم ژنتیک، تابع ارزیاب، شبکه عصبی تکاملی

1- مقدمه

  مسئله تشخیص آرم از گرایش های بزرگ در حوزه سند خصوصا برای پایگاه داده ها می باشدو مزیت آن امکان بالقوه اش برای تشخیص منابع اسنادوکلی گویی اش برای مسئله تشخیص واطلاعات معنایی در مورد متن است.در زمینه کاربرد سندهای تصویری، تشخیص آرم های مشابه با دو شیوه قابل انجام است .

اول- سندی که شامل یک آرم باشد را به عنوان ورودی وارد نموده و سیستم ، آرم را به عنوان یکی از اعضای مجموعه کوچک آرم های شناخته شده  یا به عنوان آرمی که در حال حاضر در پایگاه داده موجود نیست ، طبقه بندی می کند.

دوم -آرم خاصی را (شناخته شده یا شناخته نشده) در پایگاه داده ای از اسناد اندیس گذاری نموده و اسنادی که شامل آن آرم باشند را استخراج می نماید. نمونه ای از یک سندتصویری در شکل1 نشان داده شده است.مسئله شناسایی آرم را می توان در سه مرحله تقسیم بندی نمود]2,1[:

1- بخش بندی1 : تصویر سند به تصاویرکوچکتری که شامل ارتباطات منطقی بخش هایی از سند می باشد، تقسیم می شود.

2- تشخیص آرم2 : ویژگی هایی از بخش ها استخراج می شوند سپس در دسته بندی بخش ها، بر پایه اینکه احتمالا شامل آرم هستند یا خیر،استفاده می شوند.

3-انطباق آرم3:مجموعه منتخب آرم هادر فاز2 با پایگاه داده شامل کلیه آرم هاانطباق پیدا می کنند تا آرم دقیقا شناسایی و تعیین شود. در اکثر کاربردها هدف نهایی فاز سوم می باشد]5-2[.

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 در ادامه دانلود نمائید

چون فقط تکه هایی از متن برای نمونه در این صفحه درج شده است ولی در فایل دانلودی متن کامل همراه با تمام ضمائم (پیوست ها) با فرمت ورد word که قابل ویرایش و کپی کردن می باشند موجود است

تبیین یک سیستم هشدار دهنده جهت شناسایی بحران های مالی در ایران

اختصاصی از فی بوو تبیین یک سیستم هشدار دهنده جهت شناسایی بحران های مالی در ایران دانلود با لینک مستقیم و پر سرعت .

پایان نامه کارشناسی ارشد اقتصاد

157 صفحه

چکیده:

وقوع انقلاب صنعتی در اواخر قرن هجدهم و اوایل قرن نوزدهم سرآغاز نظام اقتصاد سرمایه داری است. از آن زمان تاکنون این نظام بحران‌های متعدد مالی و اقتصادی را پشت سر گذاشته است. از دیدگاه نظری دلایل زیادی  وجود دارد که بتوان این فرضیه را تأیید کرد،که بحران‌های مالی و اقتصادی از پدیده‌های ذاتی در نظام اقتصاد سرمایه‌داری است. از سوی دیگر، وقوع دهها بحران جدی در خلال دو قرن اخیر می‌تواند فرضیه فوق‌الذکر را به لحاظ مشاهدات و سنجش‌های آماری تأیید کند. با وجود این، نمی‌توان نتیجه گرفت که بحران‌های مالی و اقتصادی اساساً نگران کننده نیست و لذا نیازی به بررسی و تجزیه و تحلیل و تدوین سیاست‌های مناسب برای پیشگیری و مدیریت بحران ندارد. شاید بتوان این بحران‌ها را با وقوع زمین لرزه‌ها در نظام طبیعت مقایسه کرد زیرا اولاً لرزش زمین ذات این نظام طبیعی است و ثانیاً به طور مرتب و پیوسته وجود دارد هرچند وقوع بسیاری از آنها احساس نمی‌شود اما توسط دستگاههای زلزله‌گار قابل ثبت است. با وجود این برخی زمین‌لرزه‌ها جدی است و برخی دیگر بسیار نگران کننده و تعدادی مصیبت‌بار است. تاریخ بحران­های اقتصادی در دنیا نشان­دهنده مخرب بودن بعضی از آنها می­باشد، که لازم به طراحی سیستمی هست تا بتواند جلوی آثار مخرب برخی از این بحران­ها گرفته شود. لذا سیستم هشداردهنده در جهان اولین بار بعد از بحران ارزی کشورهای اروپایی در سال93-1992 ، بحران کشورهای آمریکای لاتین  95-1994 و بطور جدی­تر بعد از بحران کشورهای شرق آسیا در سال 98-1997 مطرح شد ، که تاکنون علاوه بر صندوق بین­المللی پول که پیشرو این روش می باشد ، یک سری مقالات دانشگاهی و تحقیقات بانک های مرکزی کشورها در این زمینه موجود می باشد.

در این تحقیق با استفاده از حدود 60 متغیر اقتصادی مطرح و تاثیرگذار، و با استفاده از روش شبکه عصبی با ترکیب داده­ها و متغیر­های موجود از طریق روش کامینسکای و همچنین با نگاه به شواهد تجربی تاریخی در اقتصاد ایران سال­های بحرانی  استخراج خواهند شد. بعد از آن با استفاده از رویکرد سیگنالی شاخص­های اثر گذار انتخاب خواهند شد. شاخص­های منتخب باید قبل از بحران هشدار­ها و یا آلارم­هایی از خود بروز داده باشند و سپس شاخص­هایی که دارای نویز کمتری هستند با روش لاجیت نیز تخمین زده شده تا بهترین شاخص ها ی اثرگذار معرفی شوند. همچنین در پایان با استفاده از شبکه عصبی و پیش بینی روند متغیر ها و مقایسه آنها با متغیرهای واقعی بر صحت سایر تخمین ها پی برده می شود.

 سیستم هشدار دهنده توانسته است در این سه آزمون سال­های 1359،1366،1372،1373 را به عنوان سال­های بحران شناسایی کند و سپس بهترین شاخص هایی که توانسته اند یک یا دو سال قبل از بحران آلارم منتشر کنند را شناسایی کند. لذا با استفاده از این سه روش شاخص­هایی چون رشد تولید ناخالص داخلی ، تورم، نرخ بهره حقیقی، نسبت بدهی خارجی به دارایی خارجی،تحرکات ارزی و نسبت حساب­های جاری به تولید ناخالص داخلی به عنوان شاخص­های هشدار انتخاب گشته­اند، هر چند شاخص هایی چون نسبت بدهی خارجی به دارایی خارجی و نسبت حساب­های جاری به تولید ناخالص داخلی به دلیل کمبود داده در الگوی لاجیت و شبکه عصبی مورد آزمون قرار نگرفته­ اند.

کلمات کلیدی: سیستم هشدار دهنده اولیه، بحران های مالی، بحران بانکی، بحران ارزی،رویکرد سیگنالی، مدل لاجیت، شبکه عصبی مصنوعی

دانلود با عنوان موضوع شناسایی چهره

اختصاصی از فی بوو دانلود با عنوان موضوع شناسایی چهره دانلود با لینک مستقیم و پر سرعت .