SlideShare a Scribd company logo
1 of 26
Download to read offline
‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬
Data Fusion
faradars.org/fvdm9405
‫مدرس‬:
‫خزایی‬ ‫مقداد‬
‫بیوسیستم‬ ‫مکانیک‬ ‫دکتری‬ ‫دانشجوی‬
‫مدرس‬ ‫تربیت‬ ‫دانشگاه‬
‫آن‬ ‫کاربردهای‬ ‫و‬ ‫داده‬ ‫تلفیق‬ ‫راهبرد‬
‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬
FaraDars.org
‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬
Data Fusion
faradars.org/fvdm9405
‫ویژگی‬ ‫سطح‬ ‫در‬ ‫داده‬ ‫تلفیق‬
‫استخراج‬‫ویژگی‬
‫تلفیق‬‫ویژگی‬
‫انتخاب‬‫تلفیقی‬‫ویژگی‬‫های‬‫برتر‬
‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬
FaraDars.org
‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬
Data Fusion
faradars.org/fvdm9405
‫خام‬ ‫سیگنال‬ ‫جای‬ ‫به‬ ‫های‬ ‫ویژگی‬ ‫ارائه‬
MAX 
Kurtosis 
RMS ‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬
FaraDars.org
‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬
Data Fusion
faradars.org/fvdm9405
‫ویژگی‬ ‫استخراج‬
‫جهت‬‫پیشبرد‬‫راهبرد‬‫تلفیق‬‫داده‬‫در‬‫سطح‬،‫ویژگی‬‫ابتدا‬‫الزم‬‫است‬‫تا‬‫ویژگی‬‫های‬‫مو‬‫ثر‬
‫اطالعاتی‬‫که‬‫از‬‫سامانه‬‫به‬‫دست‬‫می‬‫آید‬‫استخراج‬‫شود‬.
‫این‬‫ویژگی‬‫ها‬‫در‬‫واقع‬‫توابعی‬‫هستند‬‫که‬‫بر‬‫روی‬‫مقادیر‬‫کمی‬‫اطالعات‬‫تعریف‬‫می‬‫شو‬‫ند‬.
‫به‬‫این‬‫مرحله‬‫داده‬‫کاوی‬‫گفته‬‫می‬‫شود‬.
‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬
FaraDars.org
‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬
Data Fusion
faradars.org/fvdm9405
‫شایسته‬‫است‬‫پیش‬‫از‬‫داده‬‫کاوی‬‫یک‬‫مرحله‬‫نوفه‬‫زدایی‬‫نیز‬‫اعمال‬‫ش‬‫ود‬.
0 2000 4000 6000 8000 10000 12000 14000 16000
-6
-4
-2
0
2
4
6
Original signal
Denoised signal
‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬
FaraDars.org
‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬
Data Fusion
faradars.org/fvdm9405
‫یک‬‫استخراج‬‫ویژگی‬‫خوب‬‫و‬‫خالقانه‬‫می‬‫تواند‬‫به‬‫خوبی‬‫فضای‬‫داده‬‫ای‬‫را‬‫کاهش‬
،‫داده‬‫باعث‬‫رسیدن‬‫به‬‫نتایج‬‫بهتر‬‫با‬‫محاسبات‬‫کمتر‬‫و‬‫افزایش‬‫دقت‬‫شود‬.
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0
0.1
0.2
0.3
0.4
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
F3
a
F5
F11
Normal
Overloading
Overheating
0
20
40
60
80
100
1
-150
-100
-50
0
50
-40
-20
0
20
40
60
80
100
120
F9
b
F24
F25
Normal
Overloading
Overheating
‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬
FaraDars.org
‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬
Data Fusion
faradars.org/fvdm9405
‫ویژگی‬ ‫توابع‬
‫انگلیسی‬ ‫نام‬ ‫فرمول‬ ‫نام‬‫فارسی‬
mean ‫میانگین‬
max ‫بیشینه‬
rms ‫مربعات‬ ‫میانگین‬ ‫ی‬ ‫ریشه‬
std ‫معیار‬ ‫انحراف‬
1
1
( )
N
n
x n
T
N



2 max( ( ) )T x n
2
1
3
( ( ))
N
n
x n
T
N



2
11
4
( ( ) )
1
N
n
x n T
T
N





‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬
FaraDars.org
‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬
Data Fusion
faradars.org/fvdm9405
‫ویژگی‬ ‫توابع‬
‫انگلیسی‬ ‫نام‬ ‫فرمول‬ ‫نام‬‫فارسی‬
var ‫واریانس‬
skewness ‫کشیدگی‬
kurtosis ‫چولگی‬
Shape factor ‫شکل‬ ‫فاکتور‬
2
11
5
( ( ) )
1
N
n
x n T
T
N





3
11
6 3
4
( ( ) )
( 1)
N
n
x n T
T
N T





4
11
7 4
4
( ( ) )
( 1)
N
n
x n T
T
N T





3
8
1
1
( )
N
n
T
T
x n
N 


‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬
FaraDars.org
‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬
Data Fusion
faradars.org/fvdm9405
‫ویژگی‬ ‫توابع‬
‫انگلیسی‬ ‫نام‬ ‫فرمول‬ ‫نام‬‫فارسی‬
Impulse factor ‫ضربه‬ ‫فاکتور‬
Crest factor ‫فاکتور‬ ‫کرست‬
3rd Central Moment ‫سوم‬ ‫مرکزی‬ ‫ممان‬
4rd Central Moment ‫چهارم‬ ‫مرکزی‬ ‫ممان‬
2
9
1
1
( )
N
n
T
T
x n
N 


2
10
3
T
T
T

3
11
11
( ( ) )
1
K
k
x n T
T
K





4
11
12
( ( ) )
1
K
k
x n T
T
K





‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬
FaraDars.org
‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬
Data Fusion
faradars.org/fvdm9405
‫ویژگی‬ ‫توابع‬
‫انگلیسی‬ ‫نام‬ ‫فرمول‬ ‫نام‬‫فارسی‬
5rd Central Moment ‫پنجم‬ ‫مرکزی‬ ‫ممان‬
6rd Central Moment ‫ششم‬ ‫مرکزی‬ ‫ممان‬
FM4
5
11
13
( ( ) )
1
K
k
x n T
T
K





6
11
14
( ( ) )
1
K
k
x n T
T
K





12
15 2
5( )
T
T
T

‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬
FaraDars.org
‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬
Data Fusion
faradars.org/fvdm9405
‫ویژگی‬ ‫انتخاب‬
‫انتخاب‬‫صحیح‬‫ویژگی‬‫ها‬‫چه‬‫از‬‫دیدگاه‬‫کمی‬‫و‬‫چه‬‫از‬‫دیدگاه‬‫کیفی‬‫یکی‬‫از‬‫مهم‬‫ترین‬‫م‬‫راحل‬
‫فرآیند‬‫عیب‬‫یابی‬‫به‬‫شمار‬‫می‬‫رود‬.
‫همچنین‬‫کیفیت‬‫ویژگی‬‫های‬‫انتخاب‬‫شده‬‫از‬‫اهمیتی‬‫حیاتی‬‫برخوردار‬‫است‬.‫بدین‬‫مع‬‫نا‬‫که‬
‫باید‬‫ویژگی‬‫هایی‬‫انتخاب‬‫شود‬‫که‬‫برای‬‫شناسایی‬‫آن‬‫نوع‬‫سیگنال‬‫مفید‬‫باشد‬.
‫انتخاب‬‫تعداد‬‫فراوان‬‫توابع‬‫ویژگی‬‫باعث‬‫می‬‫شود‬‫تا‬‫طبقه‬‫بند‬‫در‬‫اصطالح‬‫سردرگم‬‫ش‬‫ود‬‫و‬
‫نتواند‬‫تفاوت‬‫بین‬‫دو‬‫گروه‬‫ویژگی‬‫استخراج‬‫شده‬‫از‬‫دو‬‫طبقه‬‫سیگنال‬‫را‬‫تشخیص‬‫دهد‬.
‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬
FaraDars.org
‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬
Data Fusion
faradars.org/fvdm9405
‫ای‬ ‫توسعه‬ ‫فاصله‬ ‫ارزیابی‬ ‫روش‬
Improved Distance Evaluation (IDE)‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬
FaraDars.org
‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬
Data Fusion
faradars.org/fvdm9405
‫محوری‬ ‫ایده‬
‫بهترین‬‫ویژگی‬‫باید‬‫دو‬‫شرط‬‫زیر‬‫را‬‫داشته‬‫باشد‬:
‫مقادیر‬‫آن‬‫برای‬‫یک‬‫طبقه‬(‫تصمیم‬)‫به‬‫یکدیگر‬‫تا‬‫حد‬‫ممکن‬‫نزدیک‬‫باشند‬.
‫مقادیر‬‫مجموعه‬‫آنها‬‫برای‬‫دو‬‫طبقه‬‫متفاوت‬(‫تصمیم‬)‫تا‬‫حد‬‫ممکن‬‫از‬‫یکدیگر‬‫دور‬‫باش‬‫ند‬.
‫در‬‫این‬‫روش‬‫با‬‫استفاده‬‫از‬‫نوعی‬‫میانگین‬‫گیری‬‫از‬‫مقادیر‬‫ویژگی‬‫ها‬‫و‬‫فاصله‬‫ی‬‫بین‬‫مراکز‬
‫قرارگیری‬‫آنها‬‫در‬‫صفحه‬،‫به‬‫هر‬‫ویژگی‬‫یک‬‫امتیاز‬‫اختصاص‬‫داده‬‫می‬‫شود‬.
‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬
FaraDars.org
‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬
Data Fusion
faradars.org/fvdm9405
‫در‬‫نتیجه‬:
‫هرچقدر‬‫امتیاز‬‫یک‬‫ویژگی‬‫بیشتر‬‫باشد‬‫یعنی‬‫مقادیر‬‫آن‬‫ویژگی‬‫برای‬‫سیگنال‬‫ها‬‫ی‬‫دو‬‫کالس‬
‫متفاوت‬‫از‬‫هم‬‫دورتر‬‫هستند‬‫و‬‫برای‬‫یک‬‫طبقه‬‫به‬‫هم‬‫نزدیک‬‫تر‬‫هستند‬.
‫سپس‬‫با‬‫قرار‬‫دادن‬‫یک‬‫حد‬‫آستانه‬،‫ویژگی‬‫هایی‬‫که‬‫امتیازشان‬‫باالتر‬‫از‬‫حد‬‫آستانه‬‫ب‬‫اشد‬،‫به‬
‫عنوان‬‫ویژگی‬‫های‬‫برتر‬‫انتخاب‬‫می‬‫گردند‬.
‫بیشتر‬ ‫امتیاز‬=‫طبقه‬ ‫آن‬ ‫های‬ ‫ویژگی‬ ‫بهتر‬ ‫بیان‬
‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬
FaraDars.org
‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬
Data Fusion
faradars.org/fvdm9405
‫روش‬ ‫های‬ ‫شاخص‬IDE
‫فرض‬‫کنید‬:
c=1, 2, … C‫تعداد‬‫کالس‬‫ها‬
m=1, 2, …, M‫تعداد‬‫نمونه‬‫های‬‫موجود‬‫در‬‫هر‬‫کالس‬
j=1, 2, …, J‫تعداد‬‫ویژگی‬‫های‬‫استخراج‬‫شده‬
‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬
FaraDars.org
‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬
Data Fusion
faradars.org/fvdm9405
‫را‬‫مقدار‬j‫امین‬‫ویژگی‬‫از‬m‫امین‬‫نمونه‬‫از‬‫کالس‬c‫در‬‫نظر‬‫می‬‫گیریم‬.
‫پس‬‫یعنی‬‫مقدار‬‫ویژگی‬‫شماره‬6‫که‬‫از‬12‫امین‬‫نمونه‬‫از‬‫طبقه‬‫سوم‬‫استخراج‬‫شده‬
‫است‬.
, ,m c jq
12,3,6q
‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬
FaraDars.org
‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬
Data Fusion
faradars.org/fvdm9405
‫میانگین‬‫فاصله‬‫ی‬‫بین‬‫مقادیر‬‫یک‬‫ویژگی‬‫که‬‫از‬‫سمپل‬‫های‬‫مختلف‬‫یک‬‫کالس‬‫اس‬‫تخراج‬
‫شده‬‫اند‬،‫از‬‫فرمول‬‫زیر‬‫به‬‫دست‬‫می‬‫آید‬.
, , , , ,
,
| ;
1 |
( 1)
M
c j m c j l c j
l m
l md q q
M M
  
  
‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬
FaraDars.org
‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬
Data Fusion
faradars.org/fvdm9405
‫بیشینه‬‫تغییرات‬‫با‬‫استفاده‬‫از‬‫فرمول‬‫زیر‬‫به‬‫دست‬‫می‬‫آید‬:
‫هر‬‫چقدر‬‫شاخص‬‫برای‬‫یک‬‫ویژگی‬‫کوچکتر‬،‫باشد‬‫نشان‬‫می‬‫دهد‬‫که‬‫فاصله‬‫ی‬‫مقا‬‫دیر‬
‫آن‬‫ویژگی‬‫در‬‫یک‬‫کالس‬،‫معین‬‫به‬‫یکدیگر‬‫نزدیکتر‬‫و‬‫از‬‫پراکندگی‬‫کمتری‬‫برخ‬‫وردار‬‫هستند‬.
‫به‬‫عبارت‬‫ساده‬‫تر‬‫کوچکتر‬‫بودن‬‫این‬‫شاخص‬‫به‬‫معنی‬‫دقیق‬‫تر‬‫بودن‬‫یک‬‫ویژگی‬‫ج‬‫هت‬
‫شناسایی‬‫آن‬‫سیگنال‬‫است‬.
,c j
d
,( )
,
|
max( )
|
min( )
c jw
j
c j
d
v
d

( )w
j
v
‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬
FaraDars.org
‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬
Data Fusion
faradars.org/fvdm9405
‫فاصله‬‫ی‬‫متوسط‬‫بین‬‫مقادیر‬‫یک‬‫ویژگی‬‫در‬‫هر‬‫کالس‬‫از‬‫طریق‬‫فرمول‬‫زیر‬‫استخراج‬‫می‬‫شود‬:
‫هر‬‫چقدر‬‫شاخص‬‫برای‬‫یک‬‫ویژگی‬‫بزرگتر‬‫باشد‬‫یعنی‬‫مقادیر‬‫آن‬‫ویژگی‬‫در‬‫ک‬‫الس‬
‫های‬‫مختلف‬‫از‬‫یکدیگر‬‫فاصله‬‫بیشتری‬‫دارند‬.
‫پس‬‫هرچقدر‬‫این‬‫شاخص‬‫بزرگتر‬،‫باشد‬‫امتیاز‬‫ویژگی‬‫بیشتر‬‫خواهد‬‫بود‬.
( )
,
1
1 C
w
j c j
c
d d
C 
 
( )w
j
d
‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬
FaraDars.org
‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬
Data Fusion
faradars.org/fvdm9405
‫تا‬‫کنون‬‫در‬‫مورد‬‫فواصل‬‫بین‬‫مقادیر‬‫یک‬‫ویژگی‬‫برای‬‫سمپل‬‫های‬‫مختلف‬‫در‬‫یک‬‫کال‬‫س‬
‫بحث‬‫شده‬‫است‬.
‫اکنون‬‫الزم‬‫است‬‫تا‬‫فواصل‬‫میانگین‬‫ویژگی‬‫ها‬‫بین‬‫کالس‬‫های‬‫مختلف‬‫نیز‬‫محاسبه‬‫گردد‬.
‫ابتدا‬‫میانگین‬‫مقادیر‬‫یک‬‫ویژگی‬‫برای‬‫تمامی‬‫سمپل‬‫های‬‫یک‬‫کالس‬‫به‬‫صورت‬‫زی‬‫ر‬‫به‬‫دست‬
‫می‬‫آید‬:
, , ,
1
1
M
M
c j m c j
m
u q

  
‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬
FaraDars.org
‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬
Data Fusion
faradars.org/fvdm9405
‫حال‬‫فاصله‬‫ی‬‫بین‬‫مقادیر‬‫میانگین‬‫یک‬‫ویژگی‬‫در‬‫کالس‬‫های‬‫از‬‫طریق‬‫فرمول‬‫زیر‬‫مح‬‫اسبه‬
‫می‬‫گردد‬:
‫هرچه‬‫این‬‫شاخص‬‫برای‬‫یک‬‫ویژگی‬‫بیشتر‬،‫باشد‬‫یعنی‬‫مقادیر‬‫آن‬‫ویژگی‬‫برای‬‫کال‬‫س‬‫های‬
‫مختلف‬‫با‬‫هم‬‫فاصله‬‫ی‬‫بیشتری‬‫دارند‬‫و‬‫برای‬‫تمایز‬‫قائل‬‫شدن‬‫بین‬‫آن‬‫کالس‬‫ها‬‫من‬‫اسب‬‫تر‬
‫خواهد‬‫بود‬.
( )
, ,
, 1
1 | |
( 1)
C
b
j c j e j
c e
d u u
C C 
  
  ‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬
FaraDars.org
‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬
Data Fusion
faradars.org/fvdm9405
‫بیشینه‬‫تغییرات‬‫شاخص‬‫به‬‫صورت‬‫زیر‬‫محاسبه‬‫می‬‫گردد‬: ( )b
j
d
, ,( )
, ,
max(| |)
min(| |)
c j e jb
j
c j e j
u u
v
u u


 ‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬
FaraDars.org
‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬
Data Fusion
faradars.org/fvdm9405
‫هرچه‬‫فواصل‬‫مقادیر‬‫یک‬‫ویژگی‬‫در‬‫درون‬‫یک‬‫کالس‬‫بیشتر‬‫باشد‬‫امتیاز‬‫آن‬‫کمتر‬‫ا‬‫ست‬
‫هرچه‬‫فواصل‬‫مقادیر‬‫یک‬‫ویژگی‬‫بین‬‫کالس‬‫های‬‫مختلف‬‫بیشتر‬،‫باشد‬‫امتیاز‬‫آن‬‫ب‬‫یشتر‬‫است‬.
‫پس‬‫امتیاز‬‫هر‬‫ویژگی‬‫متناسب‬‫است‬‫با‬:
( )
( )
b
j
j w
j
d
d
 
‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬
FaraDars.org
‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬
Data Fusion
faradars.org/fvdm9405
‫هر‬‫ویژگی‬‫که‬‫مقادیر‬‫شاخص‬‫های‬‫و‬‫دارای‬‫واریانس‬‫کمتر‬‫باشد‬‫کیفیت‬‫ب‬‫هتری‬
‫خواهد‬‫داشت‬‫پس‬‫باید‬‫امتیاز‬‫بیشتری‬‫بگیرد‬.
‫بر‬‫همین‬‫اساس‬‫و‬‫با‬‫استفاده‬‫از‬‫واریانس‬‫های‬‫این‬،‫مقادیر‬‫شاخص‬‫پاداش‬‫برای‬‫هر‬‫ویژگی‬
‫تعریف‬‫می‬‫شود‬.
( ) ( )
( ) ( )
1
max( ) max( )
j w b
j j
w b
j j
v v
v v
 

( )b
jd( )w
jd
‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬
FaraDars.org
‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬
Data Fusion
faradars.org/fvdm9405
‫با‬‫استفاده‬‫از‬‫فاکتور‬،‫پاداش‬‫امتیاز‬‫هر‬‫ویژگی‬‫به‬‫صورت‬‫خام‬‫برابر‬‫است‬‫با‬:
‫در‬‫نهایت‬‫با‬‫استفاده‬‫از‬‫فرمول‬‫زیر‬‫امتیاز‬‫هر‬‫ویژگی‬‫نرمال‬‫می‬‫شود‬‫تا‬‫بتوان‬‫با‬‫اعمال‬‫حد‬‫آ‬‫ستانه‬‫ی‬
‫دلخواه‬،‫بهترین‬‫ویژگی‬‫ها‬‫را‬‫انتخاب‬‫نمود‬.
( )
( )
b
j
j j w
j
d
d
  
max( )
j
j
j




‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬
FaraDars.org
‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬
Data Fusion
faradars.org/fvdm9405
‫فرادرس‬ ‫در‬ ‫شده‬ ‫مطرح‬ ‫نکات‬ ‫مبنای‬ ‫بر‬ ‫ها‬ ‫اسالید‬ ‫این‬
«‫یا‬ ‫داده‬ ‫تلفیق‬ ‫راهبرد‬ ‫کاربردهای‬ ‫و‬ ‫مبانی‬ ‫آموزش‬Data Fusion»
‫است‬ ‫شده‬ ‫تهیه‬.
‫نمایید‬ ‫مراجعه‬ ‫زیر‬ ‫لینک‬ ‫به‬ ‫آموزش‬ ‫این‬ ‫مورد‬ ‫در‬ ‫بیشتر‬ ‫اطالعات‬ ‫کسب‬ ‫برای‬.
faradars.org/fvdm9405
26
‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬
FaraDars.org

More Related Content

What's hot

آموزش ساختمان داده ها - بخش پنجم
آموزش ساختمان داده ها - بخش پنجمآموزش ساختمان داده ها - بخش پنجم
آموزش ساختمان داده ها - بخش پنجمfaradars
 
آموزش روش تقسیم و حل در طراحی الگوریتم (مرور – تست کنکور ارشد)
آموزش روش تقسیم و حل در طراحی الگوریتم (مرور – تست کنکور ارشد)آموزش روش تقسیم و حل در طراحی الگوریتم (مرور – تست کنکور ارشد)
آموزش روش تقسیم و حل در طراحی الگوریتم (مرور – تست کنکور ارشد)faradars
 
آموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش چهارم
آموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش چهارمآموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش چهارم
آموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش چهارمfaradars
 
آموزش ساختمان داده ها - بخش هفتم
آموزش ساختمان داده ها - بخش هفتمآموزش ساختمان داده ها - بخش هفتم
آموزش ساختمان داده ها - بخش هفتمfaradars
 
آموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش پنجم
آموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش پنجمآموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش پنجم
آموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش پنجمfaradars
 
آموزش شبیه سازی مدارات الکتریکی با OrCAD
آموزش شبیه سازی مدارات الکتریکی با OrCADآموزش شبیه سازی مدارات الکتریکی با OrCAD
آموزش شبیه سازی مدارات الکتریکی با OrCADfaradars
 
آموزش ساختمان داده ها - بخش اول
آموزش ساختمان داده ها - بخش اولآموزش ساختمان داده ها - بخش اول
آموزش ساختمان داده ها - بخش اولfaradars
 
مجموعه آموزش های کاربرد متلب در شیمی - درس ششم
مجموعه آموزش های کاربرد متلب در شیمی - درس ششممجموعه آموزش های کاربرد متلب در شیمی - درس ششم
مجموعه آموزش های کاربرد متلب در شیمی - درس ششمfaradars
 
آموزش ساختمان داده ها - بخش نهم
آموزش ساختمان داده ها - بخش نهمآموزش ساختمان داده ها - بخش نهم
آموزش ساختمان داده ها - بخش نهمfaradars
 
آموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش یکم
آموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش یکمآموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش یکم
آموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش یکمfaradars
 
بخش بندی تصاویر لیدار با استفاده از یک روش خوشه بندی سلسله مراتبی
بخش بندی تصاویر لیدار با استفاده از یک روش خوشه بندی سلسله مراتبیبخش بندی تصاویر لیدار با استفاده از یک روش خوشه بندی سلسله مراتبی
بخش بندی تصاویر لیدار با استفاده از یک روش خوشه بندی سلسله مراتبیtahereh sharafi
 
مجموعه آموزش های کاربرد متلب در شیمی - درس پنجم
مجموعه آموزش های کاربرد متلب در شیمی - درس پنجممجموعه آموزش های کاربرد متلب در شیمی - درس پنجم
مجموعه آموزش های کاربرد متلب در شیمی - درس پنجمfaradars
 
آموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش سوم
آموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش سومآموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش سوم
آموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش سومfaradars
 
آموزش سیستم های عامل - بخش ششم
آموزش سیستم های عامل - بخش ششمآموزش سیستم های عامل - بخش ششم
آموزش سیستم های عامل - بخش ششمfaradars
 
تشخیص انجمن در مقیاس کلان داده
تشخیص انجمن در مقیاس کلان دادهتشخیص انجمن در مقیاس کلان داده
تشخیص انجمن در مقیاس کلان دادهNavid Sedighpour
 
آموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش دوم
آموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش دومآموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش دوم
آموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش دومfaradars
 
آموزش ساختمان داده ها - بخش هشتم
آموزش ساختمان داده ها - بخش هشتمآموزش ساختمان داده ها - بخش هشتم
آموزش ساختمان داده ها - بخش هشتمfaradars
 
آموزش سیستم های عامل - بخش هفتم
آموزش سیستم های عامل - بخش هفتمآموزش سیستم های عامل - بخش هفتم
آموزش سیستم های عامل - بخش هفتمfaradars
 

What's hot (18)

آموزش ساختمان داده ها - بخش پنجم
آموزش ساختمان داده ها - بخش پنجمآموزش ساختمان داده ها - بخش پنجم
آموزش ساختمان داده ها - بخش پنجم
 
آموزش روش تقسیم و حل در طراحی الگوریتم (مرور – تست کنکور ارشد)
آموزش روش تقسیم و حل در طراحی الگوریتم (مرور – تست کنکور ارشد)آموزش روش تقسیم و حل در طراحی الگوریتم (مرور – تست کنکور ارشد)
آموزش روش تقسیم و حل در طراحی الگوریتم (مرور – تست کنکور ارشد)
 
آموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش چهارم
آموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش چهارمآموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش چهارم
آموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش چهارم
 
آموزش ساختمان داده ها - بخش هفتم
آموزش ساختمان داده ها - بخش هفتمآموزش ساختمان داده ها - بخش هفتم
آموزش ساختمان داده ها - بخش هفتم
 
آموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش پنجم
آموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش پنجمآموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش پنجم
آموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش پنجم
 
آموزش شبیه سازی مدارات الکتریکی با OrCAD
آموزش شبیه سازی مدارات الکتریکی با OrCADآموزش شبیه سازی مدارات الکتریکی با OrCAD
آموزش شبیه سازی مدارات الکتریکی با OrCAD
 
آموزش ساختمان داده ها - بخش اول
آموزش ساختمان داده ها - بخش اولآموزش ساختمان داده ها - بخش اول
آموزش ساختمان داده ها - بخش اول
 
مجموعه آموزش های کاربرد متلب در شیمی - درس ششم
مجموعه آموزش های کاربرد متلب در شیمی - درس ششممجموعه آموزش های کاربرد متلب در شیمی - درس ششم
مجموعه آموزش های کاربرد متلب در شیمی - درس ششم
 
آموزش ساختمان داده ها - بخش نهم
آموزش ساختمان داده ها - بخش نهمآموزش ساختمان داده ها - بخش نهم
آموزش ساختمان داده ها - بخش نهم
 
آموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش یکم
آموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش یکمآموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش یکم
آموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش یکم
 
بخش بندی تصاویر لیدار با استفاده از یک روش خوشه بندی سلسله مراتبی
بخش بندی تصاویر لیدار با استفاده از یک روش خوشه بندی سلسله مراتبیبخش بندی تصاویر لیدار با استفاده از یک روش خوشه بندی سلسله مراتبی
بخش بندی تصاویر لیدار با استفاده از یک روش خوشه بندی سلسله مراتبی
 
مجموعه آموزش های کاربرد متلب در شیمی - درس پنجم
مجموعه آموزش های کاربرد متلب در شیمی - درس پنجممجموعه آموزش های کاربرد متلب در شیمی - درس پنجم
مجموعه آموزش های کاربرد متلب در شیمی - درس پنجم
 
آموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش سوم
آموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش سومآموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش سوم
آموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش سوم
 
آموزش سیستم های عامل - بخش ششم
آموزش سیستم های عامل - بخش ششمآموزش سیستم های عامل - بخش ششم
آموزش سیستم های عامل - بخش ششم
 
تشخیص انجمن در مقیاس کلان داده
تشخیص انجمن در مقیاس کلان دادهتشخیص انجمن در مقیاس کلان داده
تشخیص انجمن در مقیاس کلان داده
 
آموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش دوم
آموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش دومآموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش دوم
آموزش طراحی الگوریتم به همراه حل مثال های عملی - بخش دوم
 
آموزش ساختمان داده ها - بخش هشتم
آموزش ساختمان داده ها - بخش هشتمآموزش ساختمان داده ها - بخش هشتم
آموزش ساختمان داده ها - بخش هشتم
 
آموزش سیستم های عامل - بخش هفتم
آموزش سیستم های عامل - بخش هفتمآموزش سیستم های عامل - بخش هفتم
آموزش سیستم های عامل - بخش هفتم
 

Viewers also liked

آموزش ترمودینامیک ۲ بخش هشتم
آموزش ترمودینامیک ۲ بخش هشتمآموزش ترمودینامیک ۲ بخش هشتم
آموزش ترمودینامیک ۲ بخش هشتمfaradars
 
مجموعه آموزش های زیست شناسی سامانه ای
مجموعه آموزش های زیست شناسی سامانه ایمجموعه آموزش های زیست شناسی سامانه ای
مجموعه آموزش های زیست شناسی سامانه ایfaradars
 
آموزش ترمودینامیک ۲ بخش پنجم
آموزش ترمودینامیک ۲ بخش پنجمآموزش ترمودینامیک ۲ بخش پنجم
آموزش ترمودینامیک ۲ بخش پنجمfaradars
 
پردازش سیگنال های صدا و ارتعاشات در سامانه های مکانیکی و زیستی-بخش پنجم
پردازش سیگنال های صدا و ارتعاشات در سامانه های مکانیکی و زیستی-بخش پنجمپردازش سیگنال های صدا و ارتعاشات در سامانه های مکانیکی و زیستی-بخش پنجم
پردازش سیگنال های صدا و ارتعاشات در سامانه های مکانیکی و زیستی-بخش پنجمfaradars
 
آموزش آمار و احتمال مهندسی - بخش هشتم
آموزش آمار و احتمال مهندسی - بخش هشتمآموزش آمار و احتمال مهندسی - بخش هشتم
آموزش آمار و احتمال مهندسی - بخش هشتمfaradars
 
PLC LOGO training
PLC LOGO trainingPLC LOGO training
PLC LOGO trainingdarkstar-mv
 
آموزش استاتیک - بخش هفتم
آموزش استاتیک - بخش هفتمآموزش استاتیک - بخش هفتم
آموزش استاتیک - بخش هفتمfaradars
 
پردازش سیگنال های صدا و ارتعاشات در سامانه های مکانیکی و زیستی-بخش دوم
پردازش سیگنال های صدا و ارتعاشات در سامانه های مکانیکی و زیستی-بخش دومپردازش سیگنال های صدا و ارتعاشات در سامانه های مکانیکی و زیستی-بخش دوم
پردازش سیگنال های صدا و ارتعاشات در سامانه های مکانیکی و زیستی-بخش دومfaradars
 
آموزش هوش مصنوعی - بخش پنجم
آموزش هوش مصنوعی - بخش پنجمآموزش هوش مصنوعی - بخش پنجم
آموزش هوش مصنوعی - بخش پنجمfaradars
 
راهكارهاي ساده براي افزايش اعتماد به نفس
راهكارهاي ساده براي افزايش اعتماد به نفسراهكارهاي ساده براي افزايش اعتماد به نفس
راهكارهاي ساده براي افزايش اعتماد به نفسdigidanesh
 
آموزش مدیریت بانک اطلاعاتی اوراکل - بخش چهاردهم
آموزش مدیریت بانک اطلاعاتی اوراکل - بخش چهاردهمآموزش مدیریت بانک اطلاعاتی اوراکل - بخش چهاردهم
آموزش مدیریت بانک اطلاعاتی اوراکل - بخش چهاردهمfaradars
 
IQ….......ضريب هوش
IQ….......ضريب هوشIQ….......ضريب هوش
IQ….......ضريب هوشhhaghdadi
 
Rajabi security project
Rajabi security projectRajabi security project
Rajabi security projectabnoos1
 
آموزش ریاضی عمومی ۱ - بخش دوم
آموزش ریاضی عمومی ۱ - بخش دومآموزش ریاضی عمومی ۱ - بخش دوم
آموزش ریاضی عمومی ۱ - بخش دومfaradars
 
آموزش هوش مصنوعی - بخش سوم
آموزش هوش مصنوعی - بخش سومآموزش هوش مصنوعی - بخش سوم
آموزش هوش مصنوعی - بخش سومfaradars
 
پکیج آموزش کیفیت پژوهان کیاراد
پکیج آموزش کیفیت پژوهان کیارادپکیج آموزش کیفیت پژوهان کیاراد
پکیج آموزش کیفیت پژوهان کیارادzahra Dehghani
 
Persian presentation the dance of change
Persian presentation   the dance of changePersian presentation   the dance of change
Persian presentation the dance of changeHamideh Iraj
 
آموزش طراحی قالب های پلاستیک با نرم افزار اینونتور (Inventor)
آموزش طراحی قالب های پلاستیک با نرم افزار اینونتور (Inventor)آموزش طراحی قالب های پلاستیک با نرم افزار اینونتور (Inventor)
آموزش طراحی قالب های پلاستیک با نرم افزار اینونتور (Inventor)faradars
 
خلافت احمدیہ اور دجالی تحریکات کا مقابلہ
خلافت احمدیہ اور دجالی تحریکات کا مقابلہخلافت احمدیہ اور دجالی تحریکات کا مقابلہ
خلافت احمدیہ اور دجالی تحریکات کا مقابلہmuzaffertahir9
 

Viewers also liked (20)

آموزش ترمودینامیک ۲ بخش هشتم
آموزش ترمودینامیک ۲ بخش هشتمآموزش ترمودینامیک ۲ بخش هشتم
آموزش ترمودینامیک ۲ بخش هشتم
 
مجموعه آموزش های زیست شناسی سامانه ای
مجموعه آموزش های زیست شناسی سامانه ایمجموعه آموزش های زیست شناسی سامانه ای
مجموعه آموزش های زیست شناسی سامانه ای
 
آموزش ترمودینامیک ۲ بخش پنجم
آموزش ترمودینامیک ۲ بخش پنجمآموزش ترمودینامیک ۲ بخش پنجم
آموزش ترمودینامیک ۲ بخش پنجم
 
secret of words
secret of wordssecret of words
secret of words
 
پردازش سیگنال های صدا و ارتعاشات در سامانه های مکانیکی و زیستی-بخش پنجم
پردازش سیگنال های صدا و ارتعاشات در سامانه های مکانیکی و زیستی-بخش پنجمپردازش سیگنال های صدا و ارتعاشات در سامانه های مکانیکی و زیستی-بخش پنجم
پردازش سیگنال های صدا و ارتعاشات در سامانه های مکانیکی و زیستی-بخش پنجم
 
آموزش آمار و احتمال مهندسی - بخش هشتم
آموزش آمار و احتمال مهندسی - بخش هشتمآموزش آمار و احتمال مهندسی - بخش هشتم
آموزش آمار و احتمال مهندسی - بخش هشتم
 
PLC LOGO training
PLC LOGO trainingPLC LOGO training
PLC LOGO training
 
آموزش استاتیک - بخش هفتم
آموزش استاتیک - بخش هفتمآموزش استاتیک - بخش هفتم
آموزش استاتیک - بخش هفتم
 
پردازش سیگنال های صدا و ارتعاشات در سامانه های مکانیکی و زیستی-بخش دوم
پردازش سیگنال های صدا و ارتعاشات در سامانه های مکانیکی و زیستی-بخش دومپردازش سیگنال های صدا و ارتعاشات در سامانه های مکانیکی و زیستی-بخش دوم
پردازش سیگنال های صدا و ارتعاشات در سامانه های مکانیکی و زیستی-بخش دوم
 
آموزش هوش مصنوعی - بخش پنجم
آموزش هوش مصنوعی - بخش پنجمآموزش هوش مصنوعی - بخش پنجم
آموزش هوش مصنوعی - بخش پنجم
 
راهكارهاي ساده براي افزايش اعتماد به نفس
راهكارهاي ساده براي افزايش اعتماد به نفسراهكارهاي ساده براي افزايش اعتماد به نفس
راهكارهاي ساده براي افزايش اعتماد به نفس
 
آموزش مدیریت بانک اطلاعاتی اوراکل - بخش چهاردهم
آموزش مدیریت بانک اطلاعاتی اوراکل - بخش چهاردهمآموزش مدیریت بانک اطلاعاتی اوراکل - بخش چهاردهم
آموزش مدیریت بانک اطلاعاتی اوراکل - بخش چهاردهم
 
IQ….......ضريب هوش
IQ….......ضريب هوشIQ….......ضريب هوش
IQ….......ضريب هوش
 
Rajabi security project
Rajabi security projectRajabi security project
Rajabi security project
 
آموزش ریاضی عمومی ۱ - بخش دوم
آموزش ریاضی عمومی ۱ - بخش دومآموزش ریاضی عمومی ۱ - بخش دوم
آموزش ریاضی عمومی ۱ - بخش دوم
 
آموزش هوش مصنوعی - بخش سوم
آموزش هوش مصنوعی - بخش سومآموزش هوش مصنوعی - بخش سوم
آموزش هوش مصنوعی - بخش سوم
 
پکیج آموزش کیفیت پژوهان کیاراد
پکیج آموزش کیفیت پژوهان کیارادپکیج آموزش کیفیت پژوهان کیاراد
پکیج آموزش کیفیت پژوهان کیاراد
 
Persian presentation the dance of change
Persian presentation   the dance of changePersian presentation   the dance of change
Persian presentation the dance of change
 
آموزش طراحی قالب های پلاستیک با نرم افزار اینونتور (Inventor)
آموزش طراحی قالب های پلاستیک با نرم افزار اینونتور (Inventor)آموزش طراحی قالب های پلاستیک با نرم افزار اینونتور (Inventor)
آموزش طراحی قالب های پلاستیک با نرم افزار اینونتور (Inventor)
 
خلافت احمدیہ اور دجالی تحریکات کا مقابلہ
خلافت احمدیہ اور دجالی تحریکات کا مقابلہخلافت احمدیہ اور دجالی تحریکات کا مقابلہ
خلافت احمدیہ اور دجالی تحریکات کا مقابلہ
 

Similar to آموزش مبانی و کاربردهای راهبرد تلفیق داده یا Data Fusion -بخش پنجم

آموزش سیستم های عامل - بخش دهم
آموزش سیستم های عامل - بخش دهمآموزش سیستم های عامل - بخش دهم
آموزش سیستم های عامل - بخش دهمfaradars
 
آموزش سیستم های عامل - بخش نهم
آموزش سیستم های عامل - بخش نهمآموزش سیستم های عامل - بخش نهم
آموزش سیستم های عامل - بخش نهمfaradars
 
آموزش برنامه نویسی R و نرم افزار R Studio بخش پنجم | فرادرس
 آموزش برنامه نویسی R و نرم افزار R Studio بخش پنجم | فرادرس آموزش برنامه نویسی R و نرم افزار R Studio بخش پنجم | فرادرس
آموزش برنامه نویسی R و نرم افزار R Studio بخش پنجم | فرادرسfaradars
 
آموزش ارتباط نرم افزارهای GAMS و MATLAB
آموزش ارتباط نرم افزارهای GAMS و MATLABآموزش ارتباط نرم افزارهای GAMS و MATLAB
آموزش ارتباط نرم افزارهای GAMS و MATLABfaradars
 
آموزش برنامه نویسی R و نرم افزار R Studio بخش هفتم | فرادرس
 آموزش برنامه نویسی R و نرم افزار R Studio بخش هفتم | فرادرس آموزش برنامه نویسی R و نرم افزار R Studio بخش هفتم | فرادرس
آموزش برنامه نویسی R و نرم افزار R Studio بخش هفتم | فرادرسfaradars
 
آموزش پردازش سیگنال های دیجیتال با استفاده از نرم افزار متلب - بخش دوم
آموزش پردازش سیگنال های دیجیتال با استفاده از نرم افزار متلب - بخش دومآموزش پردازش سیگنال های دیجیتال با استفاده از نرم افزار متلب - بخش دوم
آموزش پردازش سیگنال های دیجیتال با استفاده از نرم افزار متلب - بخش دومfaradars
 
آموزش پایگاه داده ها - بخش یکم
آموزش پایگاه داده ها - بخش یکمآموزش پایگاه داده ها - بخش یکم
آموزش پایگاه داده ها - بخش یکمfaradars
 
آموزش برنامه نویسی R و نرم افزار R Studio بخش چهارم | فرادرس
 آموزش برنامه نویسی R و نرم افزار R Studio بخش چهارم | فرادرس آموزش برنامه نویسی R و نرم افزار R Studio بخش چهارم | فرادرس
آموزش برنامه نویسی R و نرم افزار R Studio بخش چهارم | فرادرسfaradars
 
آموزش سیستم های عامل - بخش هشتم
آموزش سیستم های عامل - بخش هشتمآموزش سیستم های عامل - بخش هشتم
آموزش سیستم های عامل - بخش هشتمfaradars
 
آموزش مدیریت حافظه در سیستم عامل (مرور – تست کنکور کارشناسی ارشد)
آموزش مدیریت حافظه در سیستم عامل (مرور – تست کنکور کارشناسی ارشد)آموزش مدیریت حافظه در سیستم عامل (مرور – تست کنکور کارشناسی ارشد)
آموزش مدیریت حافظه در سیستم عامل (مرور – تست کنکور کارشناسی ارشد)faradars
 
آموزش کاربردی نرم افزار SAP
آموزش کاربردی نرم افزار SAPآموزش کاربردی نرم افزار SAP
آموزش کاربردی نرم افزار SAPfaradars
 
آموزش دیتاگارد در اوراکل
آموزش دیتاگارد در اوراکلآموزش دیتاگارد در اوراکل
آموزش دیتاگارد در اوراکلfaradars
 
Data analysis by ststistical package minitab
Data analysis by ststistical package minitabData analysis by ststistical package minitab
Data analysis by ststistical package minitabfaradars
 
تحلیل داده ها با نرم افزار آماری Minitab
تحلیل داده ها با نرم افزار آماری Minitabتحلیل داده ها با نرم افزار آماری Minitab
تحلیل داده ها با نرم افزار آماری Minitabfaradars
 
آموزش پایگاه داده ها - بخش یکم
آموزش پایگاه داده ها - بخش یکمآموزش پایگاه داده ها - بخش یکم
آموزش پایگاه داده ها - بخش یکمfaradars
 
معرفي فايروال پايگاه داده
معرفي فايروال پايگاه دادهمعرفي فايروال پايگاه داده
معرفي فايروال پايگاه دادهHamid Torkashvand
 
آموزش کاربردی SQL Server
آموزش کاربردی SQL Serverآموزش کاربردی SQL Server
آموزش کاربردی SQL Serverfaradars
 
آموزش ذخیره و بازیابی اطلاعات - درس هشتم
آموزش ذخیره و بازیابی اطلاعات - درس هشتمآموزش ذخیره و بازیابی اطلاعات - درس هشتم
آموزش ذخیره و بازیابی اطلاعات - درس هشتمfaradars
 
آموزش کنترلرهای تطبیقی خود تنظیم با متلب - بخش پنجم | فرادرس
آموزش کنترلرهای تطبیقی خود تنظیم با متلب - بخش پنجم | فرادرسآموزش کنترلرهای تطبیقی خود تنظیم با متلب - بخش پنجم | فرادرس
آموزش کنترلرهای تطبیقی خود تنظیم با متلب - بخش پنجم | فرادرسfaradars
 
Introduction to Hadoop and Spark - اسلاید کارگاه آموزش هدوپ و اسپارک شیراز
Introduction to Hadoop and Spark - اسلاید کارگاه آموزش هدوپ و اسپارک شیرازIntroduction to Hadoop and Spark - اسلاید کارگاه آموزش هدوپ و اسپارک شیراز
Introduction to Hadoop and Spark - اسلاید کارگاه آموزش هدوپ و اسپارک شیرازMobin Ranjbar
 

Similar to آموزش مبانی و کاربردهای راهبرد تلفیق داده یا Data Fusion -بخش پنجم (20)

آموزش سیستم های عامل - بخش دهم
آموزش سیستم های عامل - بخش دهمآموزش سیستم های عامل - بخش دهم
آموزش سیستم های عامل - بخش دهم
 
آموزش سیستم های عامل - بخش نهم
آموزش سیستم های عامل - بخش نهمآموزش سیستم های عامل - بخش نهم
آموزش سیستم های عامل - بخش نهم
 
آموزش برنامه نویسی R و نرم افزار R Studio بخش پنجم | فرادرس
 آموزش برنامه نویسی R و نرم افزار R Studio بخش پنجم | فرادرس آموزش برنامه نویسی R و نرم افزار R Studio بخش پنجم | فرادرس
آموزش برنامه نویسی R و نرم افزار R Studio بخش پنجم | فرادرس
 
آموزش ارتباط نرم افزارهای GAMS و MATLAB
آموزش ارتباط نرم افزارهای GAMS و MATLABآموزش ارتباط نرم افزارهای GAMS و MATLAB
آموزش ارتباط نرم افزارهای GAMS و MATLAB
 
آموزش برنامه نویسی R و نرم افزار R Studio بخش هفتم | فرادرس
 آموزش برنامه نویسی R و نرم افزار R Studio بخش هفتم | فرادرس آموزش برنامه نویسی R و نرم افزار R Studio بخش هفتم | فرادرس
آموزش برنامه نویسی R و نرم افزار R Studio بخش هفتم | فرادرس
 
آموزش پردازش سیگنال های دیجیتال با استفاده از نرم افزار متلب - بخش دوم
آموزش پردازش سیگنال های دیجیتال با استفاده از نرم افزار متلب - بخش دومآموزش پردازش سیگنال های دیجیتال با استفاده از نرم افزار متلب - بخش دوم
آموزش پردازش سیگنال های دیجیتال با استفاده از نرم افزار متلب - بخش دوم
 
آموزش پایگاه داده ها - بخش یکم
آموزش پایگاه داده ها - بخش یکمآموزش پایگاه داده ها - بخش یکم
آموزش پایگاه داده ها - بخش یکم
 
آموزش برنامه نویسی R و نرم افزار R Studio بخش چهارم | فرادرس
 آموزش برنامه نویسی R و نرم افزار R Studio بخش چهارم | فرادرس آموزش برنامه نویسی R و نرم افزار R Studio بخش چهارم | فرادرس
آموزش برنامه نویسی R و نرم افزار R Studio بخش چهارم | فرادرس
 
آموزش سیستم های عامل - بخش هشتم
آموزش سیستم های عامل - بخش هشتمآموزش سیستم های عامل - بخش هشتم
آموزش سیستم های عامل - بخش هشتم
 
آموزش مدیریت حافظه در سیستم عامل (مرور – تست کنکور کارشناسی ارشد)
آموزش مدیریت حافظه در سیستم عامل (مرور – تست کنکور کارشناسی ارشد)آموزش مدیریت حافظه در سیستم عامل (مرور – تست کنکور کارشناسی ارشد)
آموزش مدیریت حافظه در سیستم عامل (مرور – تست کنکور کارشناسی ارشد)
 
آموزش کاربردی نرم افزار SAP
آموزش کاربردی نرم افزار SAPآموزش کاربردی نرم افزار SAP
آموزش کاربردی نرم افزار SAP
 
آموزش دیتاگارد در اوراکل
آموزش دیتاگارد در اوراکلآموزش دیتاگارد در اوراکل
آموزش دیتاگارد در اوراکل
 
Data analysis by ststistical package minitab
Data analysis by ststistical package minitabData analysis by ststistical package minitab
Data analysis by ststistical package minitab
 
تحلیل داده ها با نرم افزار آماری Minitab
تحلیل داده ها با نرم افزار آماری Minitabتحلیل داده ها با نرم افزار آماری Minitab
تحلیل داده ها با نرم افزار آماری Minitab
 
آموزش پایگاه داده ها - بخش یکم
آموزش پایگاه داده ها - بخش یکمآموزش پایگاه داده ها - بخش یکم
آموزش پایگاه داده ها - بخش یکم
 
معرفي فايروال پايگاه داده
معرفي فايروال پايگاه دادهمعرفي فايروال پايگاه داده
معرفي فايروال پايگاه داده
 
آموزش کاربردی SQL Server
آموزش کاربردی SQL Serverآموزش کاربردی SQL Server
آموزش کاربردی SQL Server
 
آموزش ذخیره و بازیابی اطلاعات - درس هشتم
آموزش ذخیره و بازیابی اطلاعات - درس هشتمآموزش ذخیره و بازیابی اطلاعات - درس هشتم
آموزش ذخیره و بازیابی اطلاعات - درس هشتم
 
آموزش کنترلرهای تطبیقی خود تنظیم با متلب - بخش پنجم | فرادرس
آموزش کنترلرهای تطبیقی خود تنظیم با متلب - بخش پنجم | فرادرسآموزش کنترلرهای تطبیقی خود تنظیم با متلب - بخش پنجم | فرادرس
آموزش کنترلرهای تطبیقی خود تنظیم با متلب - بخش پنجم | فرادرس
 
Introduction to Hadoop and Spark - اسلاید کارگاه آموزش هدوپ و اسپارک شیراز
Introduction to Hadoop and Spark - اسلاید کارگاه آموزش هدوپ و اسپارک شیرازIntroduction to Hadoop and Spark - اسلاید کارگاه آموزش هدوپ و اسپارک شیراز
Introduction to Hadoop and Spark - اسلاید کارگاه آموزش هدوپ و اسپارک شیراز
 

More from faradars

آموزش فیزیک الکتریسیته - فصل ششم تا نهم
آموزش فیزیک الکتریسیته - فصل ششم تا نهمآموزش فیزیک الکتریسیته - فصل ششم تا نهم
آموزش فیزیک الکتریسیته - فصل ششم تا نهمfaradars
 
آموزش فیزیک الکتریسیته - فصل یکم تا پنجم
آموزش فیزیک الکتریسیته - فصل یکم تا پنجمآموزش فیزیک الکتریسیته - فصل یکم تا پنجم
آموزش فیزیک الکتریسیته - فصل یکم تا پنجمfaradars
 
آموزش ذخیره و بازیابی اطلاعات - درس دهم
آموزش ذخیره و بازیابی اطلاعات - درس دهمآموزش ذخیره و بازیابی اطلاعات - درس دهم
آموزش ذخیره و بازیابی اطلاعات - درس دهمfaradars
 
آموزش ذخیره و بازیابی اطلاعات - درس نهم
آموزش ذخیره و بازیابی اطلاعات - درس نهمآموزش ذخیره و بازیابی اطلاعات - درس نهم
آموزش ذخیره و بازیابی اطلاعات - درس نهمfaradars
 
آموزش ذخیره و بازیابی اطلاعات - درس هفتم
آموزش ذخیره و بازیابی اطلاعات - درس هفتمآموزش ذخیره و بازیابی اطلاعات - درس هفتم
آموزش ذخیره و بازیابی اطلاعات - درس هفتمfaradars
 
آموزش ذخیره و بازیابی اطلاعات - درس ششم
آموزش ذخیره و بازیابی اطلاعات - درس ششمآموزش ذخیره و بازیابی اطلاعات - درس ششم
آموزش ذخیره و بازیابی اطلاعات - درس ششمfaradars
 
آموزش ذخیره و بازیابی اطلاعات - درس پنجم
آموزش ذخیره و بازیابی اطلاعات - درس پنجمآموزش ذخیره و بازیابی اطلاعات - درس پنجم
آموزش ذخیره و بازیابی اطلاعات - درس پنجمfaradars
 
آموزش ذخیره و بازیابی اطلاعات - درس چهارم
آموزش ذخیره و بازیابی اطلاعات - درس چهارمآموزش ذخیره و بازیابی اطلاعات - درس چهارم
آموزش ذخیره و بازیابی اطلاعات - درس چهارمfaradars
 
آموزش ذخیره و بازیابی اطلاعات - درس سوم
آموزش ذخیره و بازیابی اطلاعات - درس سومآموزش ذخیره و بازیابی اطلاعات - درس سوم
آموزش ذخیره و بازیابی اطلاعات - درس سومfaradars
 
آموزش ذخیره و بازیابی اطلاعات - درس دوم
آموزش ذخیره و بازیابی اطلاعات - درس دومآموزش ذخیره و بازیابی اطلاعات - درس دوم
آموزش ذخیره و بازیابی اطلاعات - درس دومfaradars
 
آموزش ذخیره و بازیابی اطلاعات - درس یکم
آموزش ذخیره و بازیابی اطلاعات - درس یکمآموزش ذخیره و بازیابی اطلاعات - درس یکم
آموزش ذخیره و بازیابی اطلاعات - درس یکمfaradars
 
آموزش ترمودینامیک ۲ بخش سوم
آموزش ترمودینامیک ۲ بخش سومآموزش ترمودینامیک ۲ بخش سوم
آموزش ترمودینامیک ۲ بخش سومfaradars
 
آموزش ترمودینامیک ۲ بخش دوم
آموزش ترمودینامیک ۲ بخش دومآموزش ترمودینامیک ۲ بخش دوم
آموزش ترمودینامیک ۲ بخش دومfaradars
 
آموزش ترمودینامیک ۲ بخش هفتم
آموزش ترمودینامیک ۲ بخش هفتمآموزش ترمودینامیک ۲ بخش هفتم
آموزش ترمودینامیک ۲ بخش هفتمfaradars
 
آموزش ترمودینامیک ۲ بخش ششم
آموزش ترمودینامیک ۲ بخش ششمآموزش ترمودینامیک ۲ بخش ششم
آموزش ترمودینامیک ۲ بخش ششمfaradars
 
آموزش ترمودینامیک ۲ بخش اول
آموزش ترمودینامیک ۲ بخش اولآموزش ترمودینامیک ۲ بخش اول
آموزش ترمودینامیک ۲ بخش اولfaradars
 
آموزش ترمودینامیک ۲ بخش چهارم
آموزش ترمودینامیک ۲ بخش چهارمآموزش ترمودینامیک ۲ بخش چهارم
آموزش ترمودینامیک ۲ بخش چهارمfaradars
 
آموزش نرم افزار Comsol Multiphysics برای تحلیل مسائل مکانیک سیالات و جامدات ب...
آموزش نرم افزار Comsol Multiphysics برای تحلیل مسائل مکانیک سیالات و جامدات ب...آموزش نرم افزار Comsol Multiphysics برای تحلیل مسائل مکانیک سیالات و جامدات ب...
آموزش نرم افزار Comsol Multiphysics برای تحلیل مسائل مکانیک سیالات و جامدات ب...faradars
 
آموزش نرم افزار Comsol Multiphysics برای تحلیل مسائل مکانیک سیالات و جامدات ب...
آموزش نرم افزار Comsol Multiphysics برای تحلیل مسائل مکانیک سیالات و جامدات ب...آموزش نرم افزار Comsol Multiphysics برای تحلیل مسائل مکانیک سیالات و جامدات ب...
آموزش نرم افزار Comsol Multiphysics برای تحلیل مسائل مکانیک سیالات و جامدات ب...faradars
 
آموزش نرم افزار Comsol Multiphysics برای تحلیل مسائل مکانیک سیالات و جامدات ب...
آموزش نرم افزار Comsol Multiphysics برای تحلیل مسائل مکانیک سیالات و جامدات ب...آموزش نرم افزار Comsol Multiphysics برای تحلیل مسائل مکانیک سیالات و جامدات ب...
آموزش نرم افزار Comsol Multiphysics برای تحلیل مسائل مکانیک سیالات و جامدات ب...faradars
 

More from faradars (20)

آموزش فیزیک الکتریسیته - فصل ششم تا نهم
آموزش فیزیک الکتریسیته - فصل ششم تا نهمآموزش فیزیک الکتریسیته - فصل ششم تا نهم
آموزش فیزیک الکتریسیته - فصل ششم تا نهم
 
آموزش فیزیک الکتریسیته - فصل یکم تا پنجم
آموزش فیزیک الکتریسیته - فصل یکم تا پنجمآموزش فیزیک الکتریسیته - فصل یکم تا پنجم
آموزش فیزیک الکتریسیته - فصل یکم تا پنجم
 
آموزش ذخیره و بازیابی اطلاعات - درس دهم
آموزش ذخیره و بازیابی اطلاعات - درس دهمآموزش ذخیره و بازیابی اطلاعات - درس دهم
آموزش ذخیره و بازیابی اطلاعات - درس دهم
 
آموزش ذخیره و بازیابی اطلاعات - درس نهم
آموزش ذخیره و بازیابی اطلاعات - درس نهمآموزش ذخیره و بازیابی اطلاعات - درس نهم
آموزش ذخیره و بازیابی اطلاعات - درس نهم
 
آموزش ذخیره و بازیابی اطلاعات - درس هفتم
آموزش ذخیره و بازیابی اطلاعات - درس هفتمآموزش ذخیره و بازیابی اطلاعات - درس هفتم
آموزش ذخیره و بازیابی اطلاعات - درس هفتم
 
آموزش ذخیره و بازیابی اطلاعات - درس ششم
آموزش ذخیره و بازیابی اطلاعات - درس ششمآموزش ذخیره و بازیابی اطلاعات - درس ششم
آموزش ذخیره و بازیابی اطلاعات - درس ششم
 
آموزش ذخیره و بازیابی اطلاعات - درس پنجم
آموزش ذخیره و بازیابی اطلاعات - درس پنجمآموزش ذخیره و بازیابی اطلاعات - درس پنجم
آموزش ذخیره و بازیابی اطلاعات - درس پنجم
 
آموزش ذخیره و بازیابی اطلاعات - درس چهارم
آموزش ذخیره و بازیابی اطلاعات - درس چهارمآموزش ذخیره و بازیابی اطلاعات - درس چهارم
آموزش ذخیره و بازیابی اطلاعات - درس چهارم
 
آموزش ذخیره و بازیابی اطلاعات - درس سوم
آموزش ذخیره و بازیابی اطلاعات - درس سومآموزش ذخیره و بازیابی اطلاعات - درس سوم
آموزش ذخیره و بازیابی اطلاعات - درس سوم
 
آموزش ذخیره و بازیابی اطلاعات - درس دوم
آموزش ذخیره و بازیابی اطلاعات - درس دومآموزش ذخیره و بازیابی اطلاعات - درس دوم
آموزش ذخیره و بازیابی اطلاعات - درس دوم
 
آموزش ذخیره و بازیابی اطلاعات - درس یکم
آموزش ذخیره و بازیابی اطلاعات - درس یکمآموزش ذخیره و بازیابی اطلاعات - درس یکم
آموزش ذخیره و بازیابی اطلاعات - درس یکم
 
آموزش ترمودینامیک ۲ بخش سوم
آموزش ترمودینامیک ۲ بخش سومآموزش ترمودینامیک ۲ بخش سوم
آموزش ترمودینامیک ۲ بخش سوم
 
آموزش ترمودینامیک ۲ بخش دوم
آموزش ترمودینامیک ۲ بخش دومآموزش ترمودینامیک ۲ بخش دوم
آموزش ترمودینامیک ۲ بخش دوم
 
آموزش ترمودینامیک ۲ بخش هفتم
آموزش ترمودینامیک ۲ بخش هفتمآموزش ترمودینامیک ۲ بخش هفتم
آموزش ترمودینامیک ۲ بخش هفتم
 
آموزش ترمودینامیک ۲ بخش ششم
آموزش ترمودینامیک ۲ بخش ششمآموزش ترمودینامیک ۲ بخش ششم
آموزش ترمودینامیک ۲ بخش ششم
 
آموزش ترمودینامیک ۲ بخش اول
آموزش ترمودینامیک ۲ بخش اولآموزش ترمودینامیک ۲ بخش اول
آموزش ترمودینامیک ۲ بخش اول
 
آموزش ترمودینامیک ۲ بخش چهارم
آموزش ترمودینامیک ۲ بخش چهارمآموزش ترمودینامیک ۲ بخش چهارم
آموزش ترمودینامیک ۲ بخش چهارم
 
آموزش نرم افزار Comsol Multiphysics برای تحلیل مسائل مکانیک سیالات و جامدات ب...
آموزش نرم افزار Comsol Multiphysics برای تحلیل مسائل مکانیک سیالات و جامدات ب...آموزش نرم افزار Comsol Multiphysics برای تحلیل مسائل مکانیک سیالات و جامدات ب...
آموزش نرم افزار Comsol Multiphysics برای تحلیل مسائل مکانیک سیالات و جامدات ب...
 
آموزش نرم افزار Comsol Multiphysics برای تحلیل مسائل مکانیک سیالات و جامدات ب...
آموزش نرم افزار Comsol Multiphysics برای تحلیل مسائل مکانیک سیالات و جامدات ب...آموزش نرم افزار Comsol Multiphysics برای تحلیل مسائل مکانیک سیالات و جامدات ب...
آموزش نرم افزار Comsol Multiphysics برای تحلیل مسائل مکانیک سیالات و جامدات ب...
 
آموزش نرم افزار Comsol Multiphysics برای تحلیل مسائل مکانیک سیالات و جامدات ب...
آموزش نرم افزار Comsol Multiphysics برای تحلیل مسائل مکانیک سیالات و جامدات ب...آموزش نرم افزار Comsol Multiphysics برای تحلیل مسائل مکانیک سیالات و جامدات ب...
آموزش نرم افزار Comsol Multiphysics برای تحلیل مسائل مکانیک سیالات و جامدات ب...
 

آموزش مبانی و کاربردهای راهبرد تلفیق داده یا Data Fusion -بخش پنجم

  • 1. ‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬ Data Fusion faradars.org/fvdm9405 ‫مدرس‬: ‫خزایی‬ ‫مقداد‬ ‫بیوسیستم‬ ‫مکانیک‬ ‫دکتری‬ ‫دانشجوی‬ ‫مدرس‬ ‫تربیت‬ ‫دانشگاه‬ ‫آن‬ ‫کاربردهای‬ ‫و‬ ‫داده‬ ‫تلفیق‬ ‫راهبرد‬ ‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬ FaraDars.org
  • 2. ‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬ Data Fusion faradars.org/fvdm9405 ‫ویژگی‬ ‫سطح‬ ‫در‬ ‫داده‬ ‫تلفیق‬ ‫استخراج‬‫ویژگی‬ ‫تلفیق‬‫ویژگی‬ ‫انتخاب‬‫تلفیقی‬‫ویژگی‬‫های‬‫برتر‬ ‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬ FaraDars.org
  • 3. ‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬ Data Fusion faradars.org/fvdm9405 ‫خام‬ ‫سیگنال‬ ‫جای‬ ‫به‬ ‫های‬ ‫ویژگی‬ ‫ارائه‬ MAX  Kurtosis  RMS ‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬ FaraDars.org
  • 4. ‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬ Data Fusion faradars.org/fvdm9405 ‫ویژگی‬ ‫استخراج‬ ‫جهت‬‫پیشبرد‬‫راهبرد‬‫تلفیق‬‫داده‬‫در‬‫سطح‬،‫ویژگی‬‫ابتدا‬‫الزم‬‫است‬‫تا‬‫ویژگی‬‫های‬‫مو‬‫ثر‬ ‫اطالعاتی‬‫که‬‫از‬‫سامانه‬‫به‬‫دست‬‫می‬‫آید‬‫استخراج‬‫شود‬. ‫این‬‫ویژگی‬‫ها‬‫در‬‫واقع‬‫توابعی‬‫هستند‬‫که‬‫بر‬‫روی‬‫مقادیر‬‫کمی‬‫اطالعات‬‫تعریف‬‫می‬‫شو‬‫ند‬. ‫به‬‫این‬‫مرحله‬‫داده‬‫کاوی‬‫گفته‬‫می‬‫شود‬. ‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬ FaraDars.org
  • 5. ‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬ Data Fusion faradars.org/fvdm9405 ‫شایسته‬‫است‬‫پیش‬‫از‬‫داده‬‫کاوی‬‫یک‬‫مرحله‬‫نوفه‬‫زدایی‬‫نیز‬‫اعمال‬‫ش‬‫ود‬. 0 2000 4000 6000 8000 10000 12000 14000 16000 -6 -4 -2 0 2 4 6 Original signal Denoised signal ‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬ FaraDars.org
  • 6. ‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬ Data Fusion faradars.org/fvdm9405 ‫یک‬‫استخراج‬‫ویژگی‬‫خوب‬‫و‬‫خالقانه‬‫می‬‫تواند‬‫به‬‫خوبی‬‫فضای‬‫داده‬‫ای‬‫را‬‫کاهش‬ ،‫داده‬‫باعث‬‫رسیدن‬‫به‬‫نتایج‬‫بهتر‬‫با‬‫محاسبات‬‫کمتر‬‫و‬‫افزایش‬‫دقت‬‫شود‬. 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0 0.1 0.2 0.3 0.4 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 F3 a F5 F11 Normal Overloading Overheating 0 20 40 60 80 100 1 -150 -100 -50 0 50 -40 -20 0 20 40 60 80 100 120 F9 b F24 F25 Normal Overloading Overheating ‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬ FaraDars.org
  • 7. ‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬ Data Fusion faradars.org/fvdm9405 ‫ویژگی‬ ‫توابع‬ ‫انگلیسی‬ ‫نام‬ ‫فرمول‬ ‫نام‬‫فارسی‬ mean ‫میانگین‬ max ‫بیشینه‬ rms ‫مربعات‬ ‫میانگین‬ ‫ی‬ ‫ریشه‬ std ‫معیار‬ ‫انحراف‬ 1 1 ( ) N n x n T N    2 max( ( ) )T x n 2 1 3 ( ( )) N n x n T N    2 11 4 ( ( ) ) 1 N n x n T T N      ‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬ FaraDars.org
  • 8. ‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬ Data Fusion faradars.org/fvdm9405 ‫ویژگی‬ ‫توابع‬ ‫انگلیسی‬ ‫نام‬ ‫فرمول‬ ‫نام‬‫فارسی‬ var ‫واریانس‬ skewness ‫کشیدگی‬ kurtosis ‫چولگی‬ Shape factor ‫شکل‬ ‫فاکتور‬ 2 11 5 ( ( ) ) 1 N n x n T T N      3 11 6 3 4 ( ( ) ) ( 1) N n x n T T N T      4 11 7 4 4 ( ( ) ) ( 1) N n x n T T N T      3 8 1 1 ( ) N n T T x n N    ‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬ FaraDars.org
  • 9. ‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬ Data Fusion faradars.org/fvdm9405 ‫ویژگی‬ ‫توابع‬ ‫انگلیسی‬ ‫نام‬ ‫فرمول‬ ‫نام‬‫فارسی‬ Impulse factor ‫ضربه‬ ‫فاکتور‬ Crest factor ‫فاکتور‬ ‫کرست‬ 3rd Central Moment ‫سوم‬ ‫مرکزی‬ ‫ممان‬ 4rd Central Moment ‫چهارم‬ ‫مرکزی‬ ‫ممان‬ 2 9 1 1 ( ) N n T T x n N    2 10 3 T T T  3 11 11 ( ( ) ) 1 K k x n T T K      4 11 12 ( ( ) ) 1 K k x n T T K      ‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬ FaraDars.org
  • 10. ‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬ Data Fusion faradars.org/fvdm9405 ‫ویژگی‬ ‫توابع‬ ‫انگلیسی‬ ‫نام‬ ‫فرمول‬ ‫نام‬‫فارسی‬ 5rd Central Moment ‫پنجم‬ ‫مرکزی‬ ‫ممان‬ 6rd Central Moment ‫ششم‬ ‫مرکزی‬ ‫ممان‬ FM4 5 11 13 ( ( ) ) 1 K k x n T T K      6 11 14 ( ( ) ) 1 K k x n T T K      12 15 2 5( ) T T T  ‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬ FaraDars.org
  • 11. ‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬ Data Fusion faradars.org/fvdm9405 ‫ویژگی‬ ‫انتخاب‬ ‫انتخاب‬‫صحیح‬‫ویژگی‬‫ها‬‫چه‬‫از‬‫دیدگاه‬‫کمی‬‫و‬‫چه‬‫از‬‫دیدگاه‬‫کیفی‬‫یکی‬‫از‬‫مهم‬‫ترین‬‫م‬‫راحل‬ ‫فرآیند‬‫عیب‬‫یابی‬‫به‬‫شمار‬‫می‬‫رود‬. ‫همچنین‬‫کیفیت‬‫ویژگی‬‫های‬‫انتخاب‬‫شده‬‫از‬‫اهمیتی‬‫حیاتی‬‫برخوردار‬‫است‬.‫بدین‬‫مع‬‫نا‬‫که‬ ‫باید‬‫ویژگی‬‫هایی‬‫انتخاب‬‫شود‬‫که‬‫برای‬‫شناسایی‬‫آن‬‫نوع‬‫سیگنال‬‫مفید‬‫باشد‬. ‫انتخاب‬‫تعداد‬‫فراوان‬‫توابع‬‫ویژگی‬‫باعث‬‫می‬‫شود‬‫تا‬‫طبقه‬‫بند‬‫در‬‫اصطالح‬‫سردرگم‬‫ش‬‫ود‬‫و‬ ‫نتواند‬‫تفاوت‬‫بین‬‫دو‬‫گروه‬‫ویژگی‬‫استخراج‬‫شده‬‫از‬‫دو‬‫طبقه‬‫سیگنال‬‫را‬‫تشخیص‬‫دهد‬. ‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬ FaraDars.org
  • 12. ‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬ Data Fusion faradars.org/fvdm9405 ‫ای‬ ‫توسعه‬ ‫فاصله‬ ‫ارزیابی‬ ‫روش‬ Improved Distance Evaluation (IDE)‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬ FaraDars.org
  • 13. ‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬ Data Fusion faradars.org/fvdm9405 ‫محوری‬ ‫ایده‬ ‫بهترین‬‫ویژگی‬‫باید‬‫دو‬‫شرط‬‫زیر‬‫را‬‫داشته‬‫باشد‬: ‫مقادیر‬‫آن‬‫برای‬‫یک‬‫طبقه‬(‫تصمیم‬)‫به‬‫یکدیگر‬‫تا‬‫حد‬‫ممکن‬‫نزدیک‬‫باشند‬. ‫مقادیر‬‫مجموعه‬‫آنها‬‫برای‬‫دو‬‫طبقه‬‫متفاوت‬(‫تصمیم‬)‫تا‬‫حد‬‫ممکن‬‫از‬‫یکدیگر‬‫دور‬‫باش‬‫ند‬. ‫در‬‫این‬‫روش‬‫با‬‫استفاده‬‫از‬‫نوعی‬‫میانگین‬‫گیری‬‫از‬‫مقادیر‬‫ویژگی‬‫ها‬‫و‬‫فاصله‬‫ی‬‫بین‬‫مراکز‬ ‫قرارگیری‬‫آنها‬‫در‬‫صفحه‬،‫به‬‫هر‬‫ویژگی‬‫یک‬‫امتیاز‬‫اختصاص‬‫داده‬‫می‬‫شود‬. ‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬ FaraDars.org
  • 14. ‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬ Data Fusion faradars.org/fvdm9405 ‫در‬‫نتیجه‬: ‫هرچقدر‬‫امتیاز‬‫یک‬‫ویژگی‬‫بیشتر‬‫باشد‬‫یعنی‬‫مقادیر‬‫آن‬‫ویژگی‬‫برای‬‫سیگنال‬‫ها‬‫ی‬‫دو‬‫کالس‬ ‫متفاوت‬‫از‬‫هم‬‫دورتر‬‫هستند‬‫و‬‫برای‬‫یک‬‫طبقه‬‫به‬‫هم‬‫نزدیک‬‫تر‬‫هستند‬. ‫سپس‬‫با‬‫قرار‬‫دادن‬‫یک‬‫حد‬‫آستانه‬،‫ویژگی‬‫هایی‬‫که‬‫امتیازشان‬‫باالتر‬‫از‬‫حد‬‫آستانه‬‫ب‬‫اشد‬،‫به‬ ‫عنوان‬‫ویژگی‬‫های‬‫برتر‬‫انتخاب‬‫می‬‫گردند‬. ‫بیشتر‬ ‫امتیاز‬=‫طبقه‬ ‫آن‬ ‫های‬ ‫ویژگی‬ ‫بهتر‬ ‫بیان‬ ‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬ FaraDars.org
  • 15. ‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬ Data Fusion faradars.org/fvdm9405 ‫روش‬ ‫های‬ ‫شاخص‬IDE ‫فرض‬‫کنید‬: c=1, 2, … C‫تعداد‬‫کالس‬‫ها‬ m=1, 2, …, M‫تعداد‬‫نمونه‬‫های‬‫موجود‬‫در‬‫هر‬‫کالس‬ j=1, 2, …, J‫تعداد‬‫ویژگی‬‫های‬‫استخراج‬‫شده‬ ‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬ FaraDars.org
  • 16. ‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬ Data Fusion faradars.org/fvdm9405 ‫را‬‫مقدار‬j‫امین‬‫ویژگی‬‫از‬m‫امین‬‫نمونه‬‫از‬‫کالس‬c‫در‬‫نظر‬‫می‬‫گیریم‬. ‫پس‬‫یعنی‬‫مقدار‬‫ویژگی‬‫شماره‬6‫که‬‫از‬12‫امین‬‫نمونه‬‫از‬‫طبقه‬‫سوم‬‫استخراج‬‫شده‬ ‫است‬. , ,m c jq 12,3,6q ‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬ FaraDars.org
  • 17. ‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬ Data Fusion faradars.org/fvdm9405 ‫میانگین‬‫فاصله‬‫ی‬‫بین‬‫مقادیر‬‫یک‬‫ویژگی‬‫که‬‫از‬‫سمپل‬‫های‬‫مختلف‬‫یک‬‫کالس‬‫اس‬‫تخراج‬ ‫شده‬‫اند‬،‫از‬‫فرمول‬‫زیر‬‫به‬‫دست‬‫می‬‫آید‬. , , , , , , | ; 1 | ( 1) M c j m c j l c j l m l md q q M M       ‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬ FaraDars.org
  • 18. ‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬ Data Fusion faradars.org/fvdm9405 ‫بیشینه‬‫تغییرات‬‫با‬‫استفاده‬‫از‬‫فرمول‬‫زیر‬‫به‬‫دست‬‫می‬‫آید‬: ‫هر‬‫چقدر‬‫شاخص‬‫برای‬‫یک‬‫ویژگی‬‫کوچکتر‬،‫باشد‬‫نشان‬‫می‬‫دهد‬‫که‬‫فاصله‬‫ی‬‫مقا‬‫دیر‬ ‫آن‬‫ویژگی‬‫در‬‫یک‬‫کالس‬،‫معین‬‫به‬‫یکدیگر‬‫نزدیکتر‬‫و‬‫از‬‫پراکندگی‬‫کمتری‬‫برخ‬‫وردار‬‫هستند‬. ‫به‬‫عبارت‬‫ساده‬‫تر‬‫کوچکتر‬‫بودن‬‫این‬‫شاخص‬‫به‬‫معنی‬‫دقیق‬‫تر‬‫بودن‬‫یک‬‫ویژگی‬‫ج‬‫هت‬ ‫شناسایی‬‫آن‬‫سیگنال‬‫است‬. ,c j d ,( ) , | max( ) | min( ) c jw j c j d v d  ( )w j v ‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬ FaraDars.org
  • 19. ‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬ Data Fusion faradars.org/fvdm9405 ‫فاصله‬‫ی‬‫متوسط‬‫بین‬‫مقادیر‬‫یک‬‫ویژگی‬‫در‬‫هر‬‫کالس‬‫از‬‫طریق‬‫فرمول‬‫زیر‬‫استخراج‬‫می‬‫شود‬: ‫هر‬‫چقدر‬‫شاخص‬‫برای‬‫یک‬‫ویژگی‬‫بزرگتر‬‫باشد‬‫یعنی‬‫مقادیر‬‫آن‬‫ویژگی‬‫در‬‫ک‬‫الس‬ ‫های‬‫مختلف‬‫از‬‫یکدیگر‬‫فاصله‬‫بیشتری‬‫دارند‬. ‫پس‬‫هرچقدر‬‫این‬‫شاخص‬‫بزرگتر‬،‫باشد‬‫امتیاز‬‫ویژگی‬‫بیشتر‬‫خواهد‬‫بود‬. ( ) , 1 1 C w j c j c d d C    ( )w j d ‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬ FaraDars.org
  • 20. ‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬ Data Fusion faradars.org/fvdm9405 ‫تا‬‫کنون‬‫در‬‫مورد‬‫فواصل‬‫بین‬‫مقادیر‬‫یک‬‫ویژگی‬‫برای‬‫سمپل‬‫های‬‫مختلف‬‫در‬‫یک‬‫کال‬‫س‬ ‫بحث‬‫شده‬‫است‬. ‫اکنون‬‫الزم‬‫است‬‫تا‬‫فواصل‬‫میانگین‬‫ویژگی‬‫ها‬‫بین‬‫کالس‬‫های‬‫مختلف‬‫نیز‬‫محاسبه‬‫گردد‬. ‫ابتدا‬‫میانگین‬‫مقادیر‬‫یک‬‫ویژگی‬‫برای‬‫تمامی‬‫سمپل‬‫های‬‫یک‬‫کالس‬‫به‬‫صورت‬‫زی‬‫ر‬‫به‬‫دست‬ ‫می‬‫آید‬: , , , 1 1 M M c j m c j m u q     ‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬ FaraDars.org
  • 21. ‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬ Data Fusion faradars.org/fvdm9405 ‫حال‬‫فاصله‬‫ی‬‫بین‬‫مقادیر‬‫میانگین‬‫یک‬‫ویژگی‬‫در‬‫کالس‬‫های‬‫از‬‫طریق‬‫فرمول‬‫زیر‬‫مح‬‫اسبه‬ ‫می‬‫گردد‬: ‫هرچه‬‫این‬‫شاخص‬‫برای‬‫یک‬‫ویژگی‬‫بیشتر‬،‫باشد‬‫یعنی‬‫مقادیر‬‫آن‬‫ویژگی‬‫برای‬‫کال‬‫س‬‫های‬ ‫مختلف‬‫با‬‫هم‬‫فاصله‬‫ی‬‫بیشتری‬‫دارند‬‫و‬‫برای‬‫تمایز‬‫قائل‬‫شدن‬‫بین‬‫آن‬‫کالس‬‫ها‬‫من‬‫اسب‬‫تر‬ ‫خواهد‬‫بود‬. ( ) , , , 1 1 | | ( 1) C b j c j e j c e d u u C C       ‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬ FaraDars.org
  • 22. ‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬ Data Fusion faradars.org/fvdm9405 ‫بیشینه‬‫تغییرات‬‫شاخص‬‫به‬‫صورت‬‫زیر‬‫محاسبه‬‫می‬‫گردد‬: ( )b j d , ,( ) , , max(| |) min(| |) c j e jb j c j e j u u v u u    ‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬ FaraDars.org
  • 23. ‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬ Data Fusion faradars.org/fvdm9405 ‫هرچه‬‫فواصل‬‫مقادیر‬‫یک‬‫ویژگی‬‫در‬‫درون‬‫یک‬‫کالس‬‫بیشتر‬‫باشد‬‫امتیاز‬‫آن‬‫کمتر‬‫ا‬‫ست‬ ‫هرچه‬‫فواصل‬‫مقادیر‬‫یک‬‫ویژگی‬‫بین‬‫کالس‬‫های‬‫مختلف‬‫بیشتر‬،‫باشد‬‫امتیاز‬‫آن‬‫ب‬‫یشتر‬‫است‬. ‫پس‬‫امتیاز‬‫هر‬‫ویژگی‬‫متناسب‬‫است‬‫با‬: ( ) ( ) b j j w j d d   ‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬ FaraDars.org
  • 24. ‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬ Data Fusion faradars.org/fvdm9405 ‫هر‬‫ویژگی‬‫که‬‫مقادیر‬‫شاخص‬‫های‬‫و‬‫دارای‬‫واریانس‬‫کمتر‬‫باشد‬‫کیفیت‬‫ب‬‫هتری‬ ‫خواهد‬‫داشت‬‫پس‬‫باید‬‫امتیاز‬‫بیشتری‬‫بگیرد‬. ‫بر‬‫همین‬‫اساس‬‫و‬‫با‬‫استفاده‬‫از‬‫واریانس‬‫های‬‫این‬،‫مقادیر‬‫شاخص‬‫پاداش‬‫برای‬‫هر‬‫ویژگی‬ ‫تعریف‬‫می‬‫شود‬. ( ) ( ) ( ) ( ) 1 max( ) max( ) j w b j j w b j j v v v v    ( )b jd( )w jd ‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬ FaraDars.org
  • 25. ‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬ Data Fusion faradars.org/fvdm9405 ‫با‬‫استفاده‬‫از‬‫فاکتور‬،‫پاداش‬‫امتیاز‬‫هر‬‫ویژگی‬‫به‬‫صورت‬‫خام‬‫برابر‬‫است‬‫با‬: ‫در‬‫نهایت‬‫با‬‫استفاده‬‫از‬‫فرمول‬‫زیر‬‫امتیاز‬‫هر‬‫ویژگی‬‫نرمال‬‫می‬‫شود‬‫تا‬‫بتوان‬‫با‬‫اعمال‬‫حد‬‫آ‬‫ستانه‬‫ی‬ ‫دلخواه‬،‫بهترین‬‫ویژگی‬‫ها‬‫را‬‫انتخاب‬‫نمود‬. ( ) ( ) b j j j w j d d    max( ) j j j     ‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬ FaraDars.org
  • 26. ‫یا‬ ‫داده‬ ‫تلفیق‬ ‫آموزش‬ Data Fusion faradars.org/fvdm9405 ‫فرادرس‬ ‫در‬ ‫شده‬ ‫مطرح‬ ‫نکات‬ ‫مبنای‬ ‫بر‬ ‫ها‬ ‫اسالید‬ ‫این‬ «‫یا‬ ‫داده‬ ‫تلفیق‬ ‫راهبرد‬ ‫کاربردهای‬ ‫و‬ ‫مبانی‬ ‫آموزش‬Data Fusion» ‫است‬ ‫شده‬ ‫تهیه‬. ‫نمایید‬ ‫مراجعه‬ ‫زیر‬ ‫لینک‬ ‫به‬ ‫آموزش‬ ‫این‬ ‫مورد‬ ‫در‬ ‫بیشتر‬ ‫اطالعات‬ ‫کسب‬ ‫برای‬. faradars.org/fvdm9405 26 ‫س‬‫ر‬‫د‬‫ا‬‫ﺮ‬‫ﻓ‬ FaraDars.org