اطلاعات فایل : پروژه طراحی معماری و تمامی پلان های معماری یک ساختمان 4 طبقه ، 4 واحدی می باشد که توسط ماهرترین اتوکدیست ها کشیده شده و در منطقه ولیعصرتهران بزرگ اجرا شده است. این نقشه ها از زیر ذره بین سازمان نظام مهندسی تهران عبور کرده و مورد تایید قرارگرفته سپس به مرحله اجرا درآمده است، لذا تمامی استانداردها در آن لحاظ گردیده است.در پروژه پیش رو فایل های پلان تیپ طبقات،پلان پارکینگ ، برش ، نما ، پلان شیب بندی بام و دیگر پلان های تکمیلی موجود است.
موضوع فارسی :طبقه بندی: کامپیوتر بر اساس از Dermoscopy تصاویر ملانوسیتیک ضایعات در اعضاست ولار پوست
موضوع انگلیسی :<!--StartFragment -->
Computer-Based Classification of Dermoscopy Images of Melanocytic Lesions on Acral Volar Skin
تعداد صفحه :6
فرمت فایل :PDF
سال انتشار :2008
زبان مقاله : انگلیسی
توصیف یک سیستم کاملا اتوماتیک برای طبقه بندی ملانوما ولار اعضاست. ما در مجموع از 213 تصاویر اعضاست dermoscopy (176 خال و 37 ملانوما) استفاده می شود. الگوریتم استخراج منطقه تومور اتوماتیک ما موفقیت استخراج تومور در 199 مورد (169 خال و 30 ملانوما)، و ما یک طبقه بندی تشخیصی با استفاده از این تصاویر است. طبقه بندی خطی ما حساسیت (SE) از 100٪، ویژگی (SP) از 95.9٪، و یک منطقه تحت گیرنده عامل منحنی مشخصه (AUC) از 0.993 از یک استراتژی اعتبار متقاطع مرخصی یک کردن به دست آورد
(81.1٪ SE، SP 92.1٪؛ با توجه به 14 مورد استخراج ناموفق طبقه بندی به عنوان نادرست). علاوه بر این، ما سه آشکارسازهای الگوی برای سازه های dermoscopic معمولی مانند خط الراس موازی، شیار موازی، و الگوهای fibrillar توسعه یافته است. این نیز به دست آورد دقت خوب تشخیص به عنوان با ارزش های خود را نشان داد AUC: 0.985، 0.931، و
0.890 بود. ویژگی های مورد استفاده در طبقه بندی ملانوم-خال و آشکارساز خط الراس موازی همپوشانی قابل توجهی
موضوع فارسی :طبقه بندی تصویر سونوگرافی در ماشین بردار پشتیبانی مبتنی بر با
دو ویژگی مولفه های مستقل
موضوع انگلیسی :Ultrasonic image classification based on support vector machine with
two independent component features
تعداد صفحه :8
فرمت فایل :PDF
سال انتشار :2011
زبان مقاله : انگلیسی
Imbalance of gender ratio at birth has been a serious phenomenon in China. To solve
this problem, a scheme for ultrasonic image classification is proposed for preventing
fetus gender examination with non-medical purposes. Tens of thousands of ultrasonic
images with and without sexual organs are collected to establish a professional database.
These images are preprocessed firstly by cropping, de-noising and compression. And
then, independent component analysis (ICA) is applied for feature extraction under two
architectures, which give local and global information respectively. The first architecture
treats the images as random variables and the pixels as outcomes, while the second
treats the pixels as random variables and the images as outcomes. After training of
selected samples, a support vector machine (SVM) classifier which combined the two ICA
representations is established for recognition, and a good performance is given for testing
data. Finally, some new technique is suggested for algorithm improvement in the future