فایل ورد (word) : افزايش دقت شناسايي چهره با انتخاب زير مجموعه بهينه از ويژگي¬هاي چهره با بکارگيري الگوريتم فاخته صفحه می باشد دارای تنظیمات و فهرست کامل در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد فایل ورد (word) : افزايش دقت شناسايي چهره با انتخاب زير مجموعه بهينه از ويژگي¬هاي چهره با بکارگيري الگوريتم فاخته کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
توجه : توضیحات زیر بخشی از متن اصلی می باشد که بدون قالب و فرمت بندی کپی شده است
دانلود پروپوزال آماده: : افزایش دقت شناسایی چهره با انتخاب زیر مجموعه بهینه از ویژگی های چهره با بکارگیری الگوریتم فاخته
فرم پروپوزال پر شده و تکمیل شده نیمه رایگان کارشناسی ارشد و دکتری آماده برای انجام پایان نامه و درس روش تحقیق برای رشته های مختلف
علوم کامپیوتر
قسمت هایی از پروپوزال:
1- بیان مسأله:
در طی سال های اخیر، تقاضای ایجاد امنیت از طریق روش های زیستسنجی به شدت رواج پیدا کرده است. استفاده از دادههای زیستی مختلف همچون اثر انگشت، دست خط، چهره و عنبیه ارائه شده است. در میان روش های زیستسنجی مختلف، استفاده از تصاویر چهره به دلیل داشتن ماهیت غیر دخالت کنندگی نسبت به سایر روش ها از سهولت تصویر برداری بیشتری برخوردار است و لذا گستردگی فراوان تری نسبت به بقیه روش ها دارد. برای سیستم های تشخیص چهره بهتر نیاز به ذخیره تصاویر افراد با زوایای مختلف در بانك اطلاعاتی می باشد لذا با افزایش تصاویر در بانک اطلاعاتی، سرعت پردازش آنها كاسته و محل ذخیره نیز كاهش می یابد. از طرفی، تشخیص چهره یکی از مهمترین برنامه های کاربردی از دیدگاه کامپیوتری، به ویژه بمنظور نظارت است. به این معنی که تشخیص چهره و اجزای تشکیل دهند آن یکی از مهمترین رویکردهای تسهیل کنند ارتباط میان انسان و ماشین و حیطه های فعال در حوز علم بینایی ماشین است.
نخستین گام در سیستم تشخیص چهره، شناسایی چهره می باشد به همین دلیل برای عمل شناسائی و استخراج منطقه چهره از غیر چهره ابتدا باید ویژگی های چهره و غیر چهره استخراج و در نهایت تشخیص چهره صورت گیرد. به این ترتیب که، عملکرد روش های شناسایی برمبنای تصاویر دو بعدی چهره تحت تاثیر شرایط محیط است و مواردی مانند تغییر شدت روشنایی محیط، تغییر زاویه تابش نور، تغییر زاویه چهره، حالت چهره، تغییر سن و غیره عملکرد این روشها را تحت تاثیر قرار میدهد. بنابراین مسئله شناسایی چهره سالها مورد بررسی محققان قرار گرفته و الگوریتم های طبقه بندی بسیاری نیز برای آن پیشنهاد شده است. در واقع هدف نهایی یك الگوریتم طبقه بندی شده رسیدن به یک سیستم شناسایی الگو و رسیدن به بالاترین نرخ طبقه بندی ممكن برای مساله مورد نظر است. دور از ذهن نیست که هیچ یك از این روش ها به تنهایی قادر به حل این مساله نیست و هر طبقه بندی دارای نقاط ضعف و قوت خاص خودش است.
در سیستم های تشخیص چهره با افزایش بانک اطلاعاتی تصاویر چهره مشکل کاهش سرعت و کمبود حافظه موجود است. که برای رفع این مشکلات می توان از الگوریتم جستجوی فاخته تغییر یافته در انتخاب ویژگی استفاده کرد.
تشخیص چهره معمولا تحت الگوی یادگیری تحت نظارت مورد استفاده قرار می گیرد که در آن سیستم آموزش دیده تا با استفاده از مجموعه ای از مثال های آموزشی، عملیات تشخیص را انجام دهد. پس از طی دوره آموزش، به منظور انجام عملیات شناسایی چهره جدید به سیستم عرضه می شود تا بر اساس الگوهای موجود مورد شناسایی قرار گیرد.
منظور از انتخاب ویژگی کاهش اندازه مسئله و کاهش فضای جستجوی نتایج برای الگوریتم های یادگیری است. انتخاب بهینه یک زیرمجموعه M عنصری از میان N ویژگی F=[f1,f2,f3,……..fn] ، به طوریکه M < N باشد و نسبت به سایر زیرمجموعه های هم اندازه دیگر بهینه باشد و در عین حال باعث افزایش دقت پیشگوئی شود. در طراحی طبقه بندی برای شناسایی الگو، انتخاب ویژگی می تواند دقت و سرعت طبقه بندی کننده را افزایش دهد. از این روی در سال های اخیر تحقیقات مختلفی در زمینه انتخاب ویژگی پیشنهاد شده اند، الگوریتم های جستجوی فاخته(COA)، الگوریتم بهینه سازی کلونی مورچه ها(ACO)، الگوریتم ژنتیک(GA)، الگوریتم بهینه سازی گروه ذرات(PSO) و الگوریتم رقابت استعماری(ICA) بیشتر مورد توجه قرار گرفته اند. این الگوریتم ها برای رسیدن به جواب بهینه از تکرارهای زیاد و از تجربیات تکرارهای قبلی استفاده می کنند. به غیر از روش هایی که در بالا برای انتخاب ویژگی ها مطرح شد و عمدتا به روش های مبتنی بر یادگیر (wrapper) معروف هستند، دسته ی دیگری از روش ها وجود دارند که به روش های فیلتری معروف هستند. در این روش، برای ارزیابی زیرمجموعه های انتخاب شده از هیچ تابع دسته بندی استفاده نمی شود. به عبارت دیگر از هیچ فیدبكی از الگوریتم یادگیری اعمال شده استفاده نخواهد شد. این یك روش از پیش انتخاب شده ای است كه مستقل از الگوریتم یادگیری ماشین اعمال شده می باشد
2- اهمیت و ضرورت تحقیق:
3- پیشینه تحقیق:
4- اهداف تحقیق:
.
..
5- فرضیه های تحقیق:
.
..
6- مدل تحقیق
..
7- سوالات تحقیق:
.
..
8- تعریف واژهها و اصطلاحات فنی و تخصصی (به صورت مفهومی و عملیاتی):
.
..
9- بیان جنبه نوآوری تحقیق:
.
.
10- روش شناسی تحقیق:
الف: شرح كامل روش تحقیق بر حسب هدف، نوع داده ها و نحوه اجراء (شامل مواد، تجهیزات و استانداردهای مورد استفاده در قالب مراحل اجرایی تحقیق به تفكیك):
.
.
ب- متغیرهای مورد بررسی در قالب یک مدل مفهومی و شرح چگونگی بررسی و اندازه گیری متغیرها:
.
..
ج – شرح کامل روش (میدانی، كتابخانهای) و ابزار (مشاهده و آزمون، پرسشنامه، مصاحبه، فیشبرداری و غیره) گردآوری دادهها :
.
..
د – جامعه آماری، روش نمونهگیری و حجم نمونه (در صورت وجود و امکان):
.
..
ر- روش نمونه گیری و حجم نمونه:
.
..
ز- ابزار تحقیق:
.
..
هـ – روشها و ابزار تجزیه و تحلیل دادهها:
.
..
منابع :
.
..
آسان داک: www.Asandoc.com
دانلود نمونه پروپوزال تکمیل شده، پروژه پر شده، طرح پیشنهادیه آماده