الگوریتم‌های فراابتکاری

ارائه دهنده‌ی انواع مقالات و الگوریتم‌های فراابتکاری به صورت کاملا آکادمیک

ارسال مطلب پرسش و پاسخ کانال تلگرام ما


چرا ترجمه الگوریتم‌ها و مقالات در حوزه بهینه‌سازی و فراابتکاری را از سایت الگوریتم‌های فراابتکاری تهیه کنیم.

۱. یک تیم تخصصی که اکثر دانشجو علوم کامپیوتر هستند به ترجمه تخصصی می‌پردازند.

۲. در فایل ترجمه، کلیه نکات نگارشی ترجمه رعایت شد و کلمات تخصصی مقاله نیز در قالب footnotes ارائه شده است.

۳. کلیه فرمول نویسی‌های مقالات تایپ شده است.

۴. قیمت ترجمه و گزارشات نسبت به بقیه سایت‌ها با توجه به محتوای ارائه شده خیلی پایین‌تر است.

۵. اکثر سایت‌های زرد با خرید محتوای ترجمه سایت ما، ترجمه را با قیمت‌های بالاتر و در دو حالت pdf و word در حال فروش هستند که با توجه به تاریخ انتشار پست بر روی سایت ما، شناسایی چنین سایت‌هایی چندان سخت نیست.

۶. کد‌های پیاده‌سازی با قیمتی بسیار ناچیز و کامل همراه با توضیح بر روی سایت قرار دارد.

۷. اسلایدها همراه با note بسیار زیبا و اکادمیک و براساس محتوای مقاله تنظیم شده است درحالی که سایت‌های دیگر فقط محصول ما را ارائه می‌دهند.

۸. در ایران حق کپی رایت هنوز برای محصولات دیجیتالی فرهنگ‌سازی نشده است ولی اعضای تیم الگوریتم‌های فراابتکاری همچنان برای کمک به دانشجویان محصولات خود را بدون هیچ محدودیتی ارائه می‌دهد و بر این عزم استوار است که دانشجو نباید خود را درگیر ترجمه کند و باید تمرکز خود را در راستای مطالعه و بهبود مقالات قرار دهد، تا زمان سوخته نداشته باشد.

۹. تمام مقالات و الگوریتم‌ها به صورت ماهانه با توجه به مناسبت‌ها دارای کدهای تخفیف ۲۰ الی ۵۰ درصدی می‌باشند که از طریق کانال تلگرامی اطلاع‌رسانی می‌شود.

۱۰. تعداد خرید مقالات و الگوریتم‌ها در صفحه اول سایت موجود می‌باشد. که گویا کیفیت کار ماست.



درگاه واریز مستقیم

واریز وجه

ما را در تلگرام دنبال کنید

ورود به کانال

ما را در تلگرام دنبال کنید

ورود به گروه

ورود به بخش الگوریتم‌ها

ورود

ورود به بخش مقالات

ورود

درخواست پروژه

کلیک کنید

ارتباط با پشتیبان سایت

کلیک کنید

درخواست ترجمه تخصصی

کلیک کنید

مقاله اصلی

Abstract:

Image segmentation is one of the most studied problems in image analysis, computer vision, pattern recognition etc. Edge detection is a discontinuity based approach used for image segmentation. An edge detection using fuzzy set is proposed here, where an image is considered as a fuzzy set and pixels are taken as elements of fuzzy set. The proposed approach converts the color image to a partially segmented image; finally an edge detector is convolved over the partially segmented image to obtain an edged image. The approach is implemented using MATLAB 7.11. (R2010b). In this paper, an attempt is made to evaluate edge detection using ground truth for quantitative and qualitative comparison. 30 BSD (Berkeley Segmentation Database) images and respective ground truths are used for experimentation. Performance parameters used are PSNR (dB) and Performance ratio (PR) of true to false edges. Experimental results shows that the proposed approach gives higher PSNR and PR values when compared withCanny’s edge detection algorithm under almost all scenarios. The proposed approach reduces false edge detection and identification of double edges are minimum

  1. Title: A Fuzzy Set Approach for Edge Detection
  2. Journals :International Journal of Image Processing (IJIP)
  3. Citation Impact Factor: 7.347
  4. Accepted: 1 August 2013
  5. Page: 11

 

اسلاید ارائه

محتویات اسلاید ها به شرح زیر می‌باشد:

  • مقدمه
  • تشخیص لبه
    • مشخصات تشخیص لبه
  • کار‌های مرتبط
  • روش پیشنهادی
    • درجه عضویت فازی پیکسل‌ها
    • تشخیص لبه عکس فازی بدست آمده
  • تنظیمات و نتایج آزمایشات
  1. عنوان: A Fuzzy Set Approach for Edge Detection
  2. تعداد صفحات: ۱۶
  3. زبان: فارسی
 

ترجمه و گزارش مقاله

چکیده:

تقسیم‌بندی تصویر یکی از مسائلی ست که در زمینه تجزیه وتحلیل تصاویر، دید رایانه‌ای، تشخیص الگو و غیره بیشتر مورد بررسی قرار گرفته است. تشخیص لبه یک رویکرد مبتنی بر عدم پیوستگی است که در تقسیم‌بندی تصویر مورد استفاده قرار می‌گیرد. تشخیص لبه‌ای که در اینجا پیشنهاد می‌شود با استفاده از مجموعه فازی بوده که در ان یک تصویر بعنوان یک مجموعه فازی محسوب شده و هر پیکسل آن بعنوان عناصر مجموعه فازی در نظر گرفته می‌شوند. روش پیشنهادی تصویر رنگی را به یک تصویر تقسیم شده جزئی‌تر تقسیم می‌کند. در نهایت تشخیص لبه بر روی تصویر تقسیم شده جزئی می‌پیچد تا تصویر کم کم حاصل شود. این روش در متلب  (R2010) پیاده سازی شده است. در این مقاله سعی بر این شده تا با استفاده از ارزیابی تشخیص لبه، اصل زمینه به صورت کمی و کیفی مقایسه انجام شود. از ۳۰ تصویر BSD و حقایق مربوط به زمین برای آزمایش استفاده شده است. در اینجا از پارامترهای عملکرد PSNR(dB) و نسبت عملکرد (PR) لبه‌های درست به غلط استفاده شده است. نتایج تجربی نشان می دهد روش پیشنهادی در مقایسه با الگوریتم تشخیص لبه Canny تقریبا در تمامی زمینه‌ها مقادیر PSNR و PR بالایی می‌دهد. روش پیشنهادی شناسایی لبه‌های کاذب را کاهش داده و شناسایی لبه‌های دوگانه را به حداقل می‌رساند.

  1. تعداد صفحات: ۱۴
  2. زبان: فارسی
  3. فرمت: Pdf
 

کد و پیاده‌سازی مقاله

پیاده‌سازی مقاله شامل:

  • ارزیابی و مقایسه و پیاده ‌سازی نسخه الگوریتم پیشنهادی با هرکدام از روش های دیگر معرفی شده در مقاله براساس دو معیار:
    • PSNR
    • Performance ratio (PR)
نکته: تمام جداول و شکل‌های موجود در بخش آزمایشات مقاله، پیاده‌سازی شده است و خروجی آنها نیز در پوشه‌‌ی results یا کنار فایل کدها ذخیره شده است. همچنین این نتایج در گزارش مقاله، جایگزین نتایج مقاله اصلی شده است.
  1. زبان برنامه نویسی : Matlab
  2. تعداد فایل‌ها : 12
 

ارتباط با بخش پشتیبانی

  1. ارتباط با پشتیبان از طریق تلگرام
  2. ارتباط با پشتیبان از طریق ایمیل

نظرات  (۲)

من ترجمه رو چند روز پیش خریدم  ولی لینکش که برام ارسال کردی رو از ایمیلم حذف کردم ایا امکانش هست دوباره برام بفرستید

پاسخ:
ایمیل ثبت شده در این نظر بررسی شد و لینک ترجمه مقاله به ایمیلتون راسال شد
مرسی که توی پیاده سازی ها کامنت گذاشتی تا ما متوجه بشیم مال کدوم بخش از مقاله هست
پاسخ:
خواهش میکنم 
ما در تمام پیاده سازی ها  شماره فرمول ها و بخش های اصلی مقاله را در کد کامنت کرده ایم تا دانشجویان به راحتی کد رو مطالعه کنند
ارسال نظر آزاد است، اما اگر قبلا در بیان ثبت نام کرده اید می توانید ابتدا وارد شوید.
شما میتوانید از این تگهای html استفاده کنید:
<b> یا <strong>، <em> یا <i>، <u>، <strike> یا <s>، <sup>، <sub>، <blockquote>، <code>، <pre>، <hr>، <br>، <p>، <a href="" title="">، <span style="">، <div align="">
تجدید کد امنیتی