ژیکو

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

ژیکو

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

پروژه بررسی سن مناسب ازدواج برای دختران

اختصاصی از ژیکو پروژه بررسی سن مناسب ازدواج برای دختران دانلود با لینک مستقیم و پر سرعت .

پروژه بررسی سن مناسب ازدواج برای دختران


پروژه بررسی سن مناسب ازدواج برای دختران

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

 تعداد صفحه17

 

سال تحصیلی 87 - 88

مقدمه :

ما دانش آموزان با انجام تحقیقی که به عمل آمده سعی بر این داشته تا تقریباً با داشتن متوسط حداقل 150 داده سن مناسب ازدواج برای دختران را البته در محدوده دبیرستان تخمین بزنیم .

با تلاشی پی در پی دوستان واعضای گروه والبته همکاری دانش آموزان عزیز این تحقیق به پایان رسید . وهم اکنون در دست شما می باشند . با انجام این تحقیقات نشان داده شده که این سن مناسب ازدواج برای دختران در نتیجه اول 20 سالگی ودر مرتبه دوم 22 سالگی( یعنی بعد از 20 سالگی سن مناسب را 22 دانسته اند ) می باشد مشاهده کردن به نمودار های صفحه های بعدی چطور انتخاب شدن سن ازدواج را برای بهتر مشاهده خواهید کرد و مفهوم را بیش تر از پیش متوجه خواهید شد و هدف از انجام این تحقیق این بوده که متوجه شوید دختران چه سنی را برای ازدواج خود می دانند؟ و امیدوارم که با مشاهده کردن نمودار ها توانسته باشیم مفهوم مورد نظر را در ذهن شما ایجاد کنیم .

 

 

 

 

 

داده ها :

18،18،18،18،19،19،19،19،19،20،20،20،20،20،20،20،20،20،20،21،21،21،21،21،

21،21،21،21،21،21،22،22،22،22،22،22،22،22،22،23،23،23،23،23،23،23،23،23،23،23،23،23،23،23،23،23،23،24،24،24،24،24،24،24،24،24،24،24،24،24،24،24

،24،24،24،24،24،24،24،24،25،25،25،25،25،25،25،25،25،25،25،25،25،25،25،25

،25،25،25،25،25،25،25،25،25،25،26،26،26،26،26،26،26،26،26،26،26،26،26،

26،28،28،28،28،28،28،28،28،28،29،29،29،30،32،32،27،27،27،27،27،27،27

،27،27،27،27،27،27،27

 

 

 

 

 

 

مد و میانه و میانگین :

 

       

 (24×23) + (23×18)+ (22×9)+(9×28)+(27×24)+(26×15)+(32×2)+(30×1)+(29×3)

        

150

 

 

 

 

 

150

 

=

 

(21×11) + (20×10)+ (19×5)+(18×4) +(25×26)+

 

 

  
  1. 086
 

 

 

 

 

 

 

 

 

 

 

 

 

جدول فراوانی:

R = 32 - 18 = 14

  C =

 

درصد فراوانی نسبی

فراوانی نسبی

مرکز دسته

فراوانی تجمعی

فراوانی مطلقfi

حدود دسته ها

14٪

18٪

14٪

18٪

32٪

19٪

 

19

21

23

25

27

29

31

9

30

47

106

135

147

150

9

21

27

49

29

12

150

 

31

(20 - 18]

(22 - 20]

(24 - 22]

(26 - 24]

(28 - 26]

(30 - 28]

[32 - 30]

 

 

 

نمودار ساقه و برگ :

 

برگ

ساقه

888899999

000000000011111111111222222222333333333333333333444444444444444444444445555555555555555555555555556666666666666667777777777777888888888999

022

1

2

 

 

3

 

 

 

 

 

 

 

 

 

نمودار میله ای :


دانلود با لینک مستقیم


پروژه بررسی سن مناسب ازدواج برای دختران

راهنمای انتخاب قطعات مناسب برای کامپیوتر

اختصاصی از ژیکو راهنمای انتخاب قطعات مناسب برای کامپیوتر دانلود با لینک مستقیم و پر سرعت .

راهنمای انتخاب قطعات مناسب برای کامپیوتر


راهنمای انتخاب قطعات مناسب برای کامپیوتر

وقتی قصد دارید کامپیوتری برای خود تهیه کنید لزوم دانستن سطح قطعات هم از لحاظ کیفیت و هم کارایی وجود دارد، و هرگاه که به خرید می روید نگرانید که کلاه سرتان نرود و سیستم خوبی برای دست و پا کنید. به همین بر آن شدیم تا مقاله ای برای راهنمایی مشتریان هنگام خرید در سایت بزاریم.

امیدواریم راهنمایی ها مفید فایده واقع شود.


دانلود با لینک مستقیم


راهنمای انتخاب قطعات مناسب برای کامپیوتر

پوستر آ4 مناسب برای شهدا

اختصاصی از ژیکو پوستر آ4 مناسب برای شهدا دانلود با لینک مستقیم و پر سرعت .

پوستر آ4 مناسب برای شهدا


پوستر آ4 مناسب برای شهدا

پوستر طراحی شده برای شهدا

مناسب برای قاب شهدا

بنیاد شهید

یادواره ها

استفاده در مجالس

به صورت لایه باز و قابل ویرایش

فرمت پی اس دی

 


دانلود با لینک مستقیم


پوستر آ4 مناسب برای شهدا

فایل فلش مناسب AMJ A704P

اختصاصی از ژیکو فایل فلش مناسب AMJ A704P دانلود با لینک مستقیم و پر سرعت .

فایل فلش مناسب AMJ A704P


فایل فلش  مناسب  AMJ A704P

فایل فلش برای شماره برد 

k0712b_v3.2

 حل مشکل لوگو و ویروس 

 

 

MT6572
TY0712-3G-HD-2
TY0712-3G-HD-2__ty702_jty_hspa
4.2.2
ALPS.JB3.MP.V1.10


دانلود با لینک مستقیم


فایل فلش مناسب AMJ A704P

دانلود فایل ورد Word پروژه استخراج ویژگی مناسب برای تشخیص سیگنال های حرکات ارادی EEG

اختصاصی از ژیکو دانلود فایل ورد Word پروژه استخراج ویژگی مناسب برای تشخیص سیگنال های حرکات ارادی EEG دانلود با لینک مستقیم و پر سرعت .

دانلود فایل ورد Word پروژه استخراج ویژگی مناسب برای تشخیص سیگنال های حرکات ارادی EEG


دانلود فایل ورد Word پروژه استخراج ویژگی مناسب برای تشخیص سیگنال های حرکات ارادی EEG

استخراج ویژگی مناسب برای تشخیص سیگنال­های حرکات ارادی EEG

تعداد صفحات : 106

چکیده

در این پروژه قصد داریم با ارائه یک ویژگی مناسب عمل دسته بندی را بر روی سیگنال های مغزی انجام دهیم. برای این منظور ابتدا از سیگنالهای مغزی نویز دستگاه ثبت حذف می شود سپس از این سیگنال ها با استفاده از تبدیل والش و آنتروپی ویژگی استخراج می شود. بعد از استخراج ویژگی ، بر اساس این ویژگی ها عمل دسته بندی انجام می شود.
اولین پیش پردازش برای دسته بندی سیگنال های مغزی حذف نویز از این سیگنال ها می باشد. در این پروژه دو روش کلاسیک حذف نویز و دو روش پیشنهادی حذف نویز بررسی می شود. ابتدا با استفاده از روش کلاسیک ICA ، تبدیل موجک و دو روش پیشنهادی تبدیل والش و روش ترکیبی والش و ICA از سیگنال حذف نویز می شود. برای داشتن یک ارزیابی از این چند روش، نتایج حاصل از این چهار روش با استفاده از سه معیار، نسبت سیگنال به نویز(SNR)، میانگین مربع خطا(MSE) و جذر میانگین تفاضل مربعات(درصد) (PRD) ارزیابی می¬شود. نتایج ارزیابی با استفاده از این معیارها نشان داد که روش ترکیبی والش و ICA و تبدیل والش دارای کمترین مقدار میانگین مربع خطا می باشد. همچنین این دو روش دارای بیشترین مقدار نسبت سیگنال به نویز و جذر میانگین تفاضل مربعات(درصد) است.
بعد از حذف نویز از سیگنال، به بحث استخراج ویژگی از سیگنال¬ها و دسته بندی آنهاپرداخته می شود. ویژگی¬های استخراج شده تعداد ویژگی کمی می باشد و یک بردار ویژگی 22 مولفه ای است. این ویژگی ها مربوط به آنتروپی تبدیل والش کانال های سیگنال، آنتروپی تبدیل والش کل سیگنال، توان تبدیل والش کانال های سیگنال و توان تبدیل والش کل سیگنال می باشد. برای ارزیابی کارایی این ویژگی ها همین ویژگی¬ها، نیز با استفاده از تبدیل موجک و فوریه استخراج می شوند و عمل دسته بندی بر اساس ویژگی های استخراجی این سه روش به طور جداگانه انجام می شود. بعد از استخراج ویژگی، بر اساس ویژگی های استخراجی، به دسته بندی سیگنال ها با استفاده از طبقه بندی کننده SVM و نزدیکترین همسایه پرداخته می شود. نتایج حاصل نشان می دهد که دسته بندی با استفاده از ویژگی های استخراجی تبدیل والش به مراتب بهتر از دسته بندی بر اساس ویژگی های دو تبدیل دیگر است. نرخ تشخیص با استفاده از روش پیشنهادی و svm، 42.5 درصد و با روش نزدیکترین همسایه 39.0 درصد است.
در مقایسه ای دیگر، نتایج حاصل با نتایج پیاده سازی شده بر روی این مجموعه داده، در چهارمین دوره مسابقات BCI مقایسه شده است. نتایج نشان داد که روش دسته بندی با استفاده از تبدیل والش از همه¬ی روشها به جز نفر اول بهتر است.. ولی مزیتی که روش پیشنهادی نسبت به همه روشها دارد این است که در بحث زمانی این روش دارای مجموع زمان تست و آموزش کمی است. این زمان 52 ثانیه می باشد که نسبت به روش اول که 403 و 640 ثانیه است به مراتب بهتر است.

فهرست
فصل اول
مقدمه
1-1- مقدمه
1-2- تاریخچه BCI
1-3- کاربردهای BCI
1-4- تعریف مساله
1-5 – ساختار پروژه
فصل دوم
سیگنالهای مغزی
2-1- مقدمه
2-2- کشف سیگنالهای مغزی
2-3- ثبت سیگنالهای مغزی
2-4- پیش پردازشها روی سیگنالهای مغزی
فصل سوم
مروری بر تحقیقات انجام شده در زمینه دسته بندی سیگنالهای مغزی
3-1- مقدمه
3-2- معرفی داده های موجود
3-2-1- مشخصات داده های ثبت شده توسط گروه دانشگاه Colorado
3-2-2- مشخصات داد ه های ثبت شده توسط گروه Graz
3-2-3- مشخصات دادههای MIT-BIH
3-3- استخراج ویژگی
3-4- دسته بندی
فصل چهارم
مقایسه تحلیلی تبدیل فوریه ، موجک و والش
4-1- مقدمه
4-2- تبدیل فوریه
4-3- تبدیل موجک
4-3-1- مقیاس.
4-4- تاریخچه تبدیل والش
4-4-1- توابع والش
4-4-2- تبدیل والش
فصل پنجم
توصیف روش پیشنهادی
5-1- مقدمه
5-2- پایگاه داده مورد استفاده
5-3- حذف نویز
5-3-1- آنالیز مولفه های مستقل
5-3-2- حذف نویز با استفاده از آنالیز مولفه هایمستقل
5-3-3- حذف نویز با استفاده از تبدیل موجک
5-3-4- حذف نویز با استفاده از تبدیل والش
5-3-5- حذف نویز با استفاده از روش ترکیبی تبدیل والش و ICA
5-4- استخراج ویژگی
5-4-1- آنتروپی
5-4-2- استخراج ویژگی با استفاده از تبدل والش
5-4-3- استخراج ویژگی با استفاده تبدیل فوریه و موجک
5-5- ماشین بردار پشتیبان (Support Vector Machin)
5-5-1- ابر صفحه جداساز
5-5-2- جداسازی غیر خطی
فصل ششم
نتایج و نتیجه گیری
6-1- مقدمه
6-2- حذف نویز
6-3- معیارهای ارزیابی
6-3-1- نسبت سیگنال به نویز (Signal to Noise Rate)
6-3-2- میانگین مربع خطا (Mean Square Error)
6-3-3- جذر میانگین تفاضل مربعات(درصد)(Percentage Root Mean Square Difference)
6-4- استخراج ویژگی
6-4-1- ویژگیهای تبدیل والش
6-4-2- ویژگیهای تبدیل فوریه
6-4-3- ویژگیهای تبدیل موجک
6-5- مقایسه با کارهای مرتبط بر روی این مجموعه داده
6-6- نتیجه گیری
6-7- پیشنهاد ها
منابع

فهرست شکل ها
عنوان صفحه

شکل 1-1 – واحد های پردازشی و دسته بندی در یک سیستم BCI
شکل 2-1- محل قرار گرفتن الکترود ها در سیستم
شکل 2-2- محدوده دامنه و فرکانس برخی از سیگنالهای حیاتی
شکل 4-1 – سیگنال ایستا دارای چهار جزء فرکانسی 5 ، 10، 20 و 50 هرتز
شکل 4-2 – تبدیل فوریه سیگنال رابطه 2-4))
شکل 4-3 – سیگنال غیر ایستا دارای چهار جزء فرکانسی 5، 10، 20 و 50 هرتز
شکل 4-4 – تبدیل فوریه سیگنال شکل (3-4)
شکل 4-5- تجزیه سیگنال با استفاده از تبدیل موجک
شکل 4-6- مقیاسهای مختلف یک تابع کسینوسی
شکل 4-7- تبدیل موجک در یک مقیاس خاص
شکل 4-8- تابع والش برای n=8
شکل 5-1- نحوه قرارگیری الکترودها بر روی سر هنگام ثبت سیگنالهای مغزی مورد استفاده
شکل 5-2- سیگنالهای گرفته شده توسط هر کانال
شکل 5-3- مولفههای بدست آمده توسط ICA
شکل 5-4- تبدیل والش از کانال های سیگنال
شکل 5-5- حد آستانه مشخص شده بر روی تبدیل والش برای حذف نویز
شکل 5-6- حد آستانه مشخص شده بر روی تبدیل والش، مولفههای ICA برای حذف نویز
شکل 5- 7 – صفحه های جداساز و بردارهای پشتیبان
شکل 5- 8 – صفحه جداساز و نواحی مربوط به هر کلاس
شکل 5-9- افزایش بعد جهت جداسازی خطی دادهها
شکل 6-1- سیگنال اصلی و سیگنال دارای نویز
شکل 6-2- سیگنال حاصل از حذف نویز با استفاده از روش ICA ، روش ترکیبی والش- ICA ، تبدیل والش و تبدیل موجک
شکل 6-3- نسبت سیگنال به نویز ده سیگنال
شکل 6-4- میانگین مربع خطا برای ده سیگنال
شکل 6-5- جذر میانگین تفاضل مربعات(درصد) برای ده سیگنال
شکل 6-6- آنتروپی توالی کانالهای سیگنالهای کلاس اول
شکل 6-7- توان آنتروپی هر کانال از سیگنالهای کلاس اول
شکل 6-8- آنتروپی تبدیل فوریه کانالهای سیگنالهای کلاس اول
شکل 6-9- آنتروپی تبدیل موجک کانالهای سیگنالهای کلاس اول

فهرست جدول ها
عنوان صفحه

جدول 3-1 – انواع ویژگیهای استفاده شده در پردازش سیگنال
جدول 4-1 – مقدار توابع والش و خروجی این تابع
جدول 6-1-نرخ تشخیص طبقه بندی کننده SVM و نزدیکترین همسایه برای دو مجموعه داده بر اساس ویژگیهای تبدیل والش
جدول 6-2-نرخ تشخیص طبقه بندی کننده SVM و نزدیکترین همسایه برای دو مجموعه داده بر اساس ویژگی های تبدیل فوریه
جدول 6-3-نرخ تشخیص طبقهبندی کننده SVM و نزدیکترین همسایه برای دو مجموعه داده بر اساس ویژگیهای تبدیل موجک
جدول 6-4- نتایج دستهبندی بر اساس ویژگیهای سه روش
جدول 6-5- مقایسه متوسط زمان اجرای تبدیل والش ، تبدل فوریه و تبدیل موجک
جدول 6-6- مقایسه متوسط زمان اجرای روش پیشنهادی با نفر اول مسابقات BCI و تبدل فوریه و تبدیل موجک
جدول 6-7- مقایسه نرخ تشخیص روش پیشنهادی با 4 نفر اول مسابقات BCI


دانلود با لینک مستقیم


دانلود فایل ورد Word پروژه استخراج ویژگی مناسب برای تشخیص سیگنال های حرکات ارادی EEG