دانشگاه آزاد اسلامی

واحد تهران جنوب

دانشکده تحصیلات تکمیلی

گروه مهندسی کامپیوتر گرایش نرم افزار

سمینار کارشناسی ارشد

یک مطلب دیگر :

عنوان :

استفاده از  گراف ها در تشخیص  الگوها

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

)

چکیده :
pattern recognition علمی است که به توصیف و کلاسه بندی و تشخیص اشیا مختلف
می پردازد . یکی از روش های مختلف برای  تشخیص الگو تشخیص الگوی ساختاری است
که در آن از تئوری گراف برای توصبف  اجسام موجود استفاده می شود . باز نمایی داده ها
و اشیا توسط گراف ها ما را به سمت الگوریتم های تطبیق گراف سوق می دهند . در این
سمینار قصد داریم الگوریتم های شناسایی الگو با گراف ها و دسته بندی های موجود
در این رابطه را مورد بررسی قرار دهیم . روش های موجود عبارتند از الگوریتم های بهینه
الگوریتم های تقریب الگوریتم های مقاوم در برابر خطا و جستجوی شاخص دار .
الگوریتم های بهینه همیشه بهترین تطابق را استخراج می کنند ولی پیچیدگی زمانی
بسیار  بالایی دارند . در روش های تقریب تضمینی  در مورد بهینه بودن جواب وجود
ندارد در عوض زمان محاسبه و رسیدن به تطابق مورد نظر بسیار کوتاهتر می باشد .
روش های مقاوم در برابر خطا کاربرد بیشتری در محیط های واقعی و نویزی دارند .
الگوریتم های  تطبیق گراف را می توان برای stero vision  تشخیص  داد سازمان دهی
مدل های بانک اطلاعاتی و غیره بکار برد .
مقدمه :
تشخیص الگو در برگیرنده دو عمل اساسی و مهم می باشد : توصیف و دسته بندی
وقتی یک جسم  ناشناخته را به عنوان ورودی به سیستم می دهیم ابتدا یک توصیف
از این جسم تولید می شود . دو راه کار کلی برای پیاده سازی سیستم مهای تشخیص
الو وجود دارد .
1. تشخیص الگوی آماری
2. تشخیص ساختاری
هر کدام از این دو روش تکنیک های متفاوتی را برای عمل توصیف و کلاسه بندی به کار
می برند . روش ها ی آماری با استفاده از تئوری های تصمیم گیری و براساس ویژگی های