متن کامل پایان نامه مقطع کارشناسی ارشد رشته  کامپیوتر با عنوان : تطبيق رشته اي براي شناسايي ساختاري الگودر ادامه مطلب می توانید صفحات ابتدایی این پایان نامه را بخوانید و در صورت نیاز به متن کامل آن می توانید از لینک پرداخت و دانلود آنی برای خرید این پایان نامه اقدام نمائید.

واحد تهران جنوب
دانشكده تحصيلات تكميلي

سمينار براي دريافت درجه كارشناسي ارشد “M.Sc”
مهندسي كامپيوتر – نرم افزار

عنوان :
تطبيق رشته اي براي شناسايي ساختاري الگو

برای رعایت حریم خصوصی اسامی استاد راهنما،استاد مشاور و نگارنده درج نمی شود

تکه هایی از متن به عنوان نمونه :

(ممکن است هنگام انتقال از فایل اصلی 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)

چكيده :
روشهاي تشخيص الگو بصورت آماري ، نحوي و ساختاري مطرح ميشوند. در روشهاي
ساختاري تشخيص الگو ، از يك مجموعه نمادهاي اوليه (سمبول ها) براي شناسايي الگوها استفاده
ميشود. كه اين سمبول ها ، خود نيز از الگوها استخراج ميشوند. پس از آن مجموعه نمادهاي اوليه با
رشته مورد نظر مقايسه شده و فاصله ويرايشي بين آنها بدست ميآيد ، آنگاه سمبولي كه كمترين فاصله
را با الگوي اصلي داشته باشد برنده اين تطبيق است. ساختارهاي دادهاي كه براي تشخيص ساختاري
الگو مورد استفاده قرار ميگيرند ، رشتهها ، درختها و گرافها را شامل ميشوند. كاربردهاي تشخيص
الگوي ساختاري در شناسائي شئهاي دو بعدي ، سه بعدي ، كاراكترها ، تشخيص گفتار ، شناسايي
لغات مشابه در بانك اطلاعاتي لغت نامه و شناخت اجزاي ماشين مطرح ميشود.

مقدمه :
اين مطلب يك ايده متعارف براي تعداد متفاوتي از روشهايي است كه جهت تشخيص الگو بكار
ميروند و اهميت ندارد كه آن الگوها آماري ، تركيبي يا ساختاري باشند. اين يك مقايسه از الگويي
ناشناخته با يك عدد بطور نمونه يا با نمونه الگوي اوليه با بهره گرفتن از فاصله يا ( ميزان ) شباهت يا تفاوت
است. يعني هر الگوي ناشناخته را بصورت نمونه با يك رشته عددي تقريب زده و آن رشته را با رشته
عددي الگوي اوليه مقايسه مي كنيم. ابتدا ارائه يك عدد از نمونههاي اوليه كه به كلاس مربوط به آن
نمونههاي اوليه شناخته شده مرتبط است ، و سپس دسته بندي يك الگوي ناشناخته بوسيله تعيين
كردن بيشترين شباهت الگوي تصميم گيري براي آن كلاس است كه دست يافتني است. پس براي هر
نمونه اوليه يك عدد در نظر ميگيريم كه آن عدد با كلاسهاي اين نمونههاي شناخته شده در ارتباط
است و دسته بندي الگوهاي ناشناخته بوسيله تعيين كردن بيشترين شباهت الگو و تصميم گيري درباره
كلاس آن حاصل ميشود.
در دسته بندي آماري ، نمونهها به وسيله عامل مشترك از يك تابع تصميم گيري ارزيابي
شدهاند. پارامترها از يك احتمال توزيع شده نقاط ، در يك فضاي ويژگي تعريف شده ، و مفهوم شباهت
نيز بر اساس فاصله تعريف شده است. و توابع تصميم گيري در فضاي n بعدي از اعداد حقيقي كار
ميكنند. اگر ساختار الگو لازم باشد ، گرامرهاي رسمي (قراردادي) يك مفهوم مفيد هستند. تابع
متداول بصورت دستي يا بصورت اتوماتيك يك گرامر از يك بسته نمونه را نتيجه مي دهد. بنابراين يك
الگوي ورودي ناشناخته به يك تجزيه كننده تحويل داده شده و مطابق با اين گرامر تحليل ميشود. در
اين روش نه فقط يك دسته بندي ، بلكه همچنين يك شرح ساختاري از الگوي ناشناخته ميتوان فراهم
كرد. تحليل گر نحوي ميتواند مانند يك تابع ويژه براي تصميمگيري شباهت ساختاري تفسير شود.
مطابق ساختارهاي دادهاي متفاوت كه براي تشخيص الگو مورد استفاده قرار ميگيرند ، فقط رشته

گرامرها بررسي نميشود ، بلكه درخت ، گراف و آرايه گرامرها در يك قاعده مهم تشخيص الگو فعاليت
دارند.
اينها مواردي از تعدادي از مثالهاي آماده بسيار كوچك هستند كه كاربردشان براي نتيجهگيري
دستوري است ، يا در جايي است كه تمام توان يك پيشروي دستوري نياز نيست. يعني كاربرد اين
مثالهاي آماده بسيار كوچك براي استنتاجي بر اساس قواعد ، و يا استنتاجي در مكاني كه نيازي نيست
از تمام توان قواعد استنتاجي استفاده كرد ميباشد. اگر ساختار الگو مورد نياز باشد ، با اين حال ، شايد
تكنيك تطبيق ساختاري مفيد باشد.
ايده پايهاي تطبيق ساختاري ، به سوي بازنمايي مستقيم نمونههاي اوليه است ، بخوبي الگوهاي
ورودي ناشناخته ، كه بوسيله معاني يك ساختار داده مناسب و بسوي مقايسه اين ساختارها در ترتيبي
براي يافتن شباهت نمونه اوليه با يك الگوي ناشناخته ورودي حركت مي كند. اين حركت به جلو
نيازمند يك عدد قراردادي از شباهت بين دو ساختار ارائه شده است. تعدادي از برخي اعداد در برخي از
نوشتهها پيشنهاد شده است. آنها ميتوانند به گروههاي بزرگي طبق ساختارهاي دادهاي تقسيم بشوند
كه براي تشخيص الگو استفاده شدهاند. بيشتر ساختارهاي دادهاي مهم ، رشتهاي ، درختي ، گراف و
آرايهاي هستند. وابستگي به دامنه مسائل خاص براي همه اين ساختارهاي دادهاي ميتواند بوسيله
ويژگيهايشان افزايش يابد.
با يك محاسبه پيچيده ، رشتهها خيلي كارآمد هستند ، از آنجائيكه بررسي ميزان شباهت بين
رشتهها ميتواند كاملا سريع انجام شود ، اگر چه رشتهها به تعداد نمايششان محدود هستند. در موارد
خيلي زياد گرافها بيشترين قدرت رسيدن به بازنمايي الگوي ساختاري را دارند. اگر چه تطبيق گراف
بطور مفهومي نسبتا پيچيده است ، و به نسبت قيمت محاسبات ، گران است. بنابراين يك تعادلي بين
تعداد نمايهها و تعداد تكرارهايمان براي تطبيق نياز است. اگر ما براي بازنمايي كلاس الگو از يك گرامر
استفاده كنيم ، يك تعادل ساده رعايت ميشود.

تعداد صفحه :77

قیمت : پنج هزار تومان

***

—-

:       

****         serderehi@gmail.com

جستجو در سایت : کلمه کلیدی خود را وارد نمایید :