تحقیق در مورد آنالیز عملکرد حداقل احتمال بلوکه شدن مکالمه برای تخصیص کانال دینامیک (پویا) در شبکه های سلولی موب

اختصاصی از حامی فایل تحقیق در مورد آنالیز عملکرد حداقل احتمال بلوکه شدن مکالمه برای تخصیص کانال دینامیک (پویا) در شبکه های سلولی موب دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 4

«آنالیز عملکرد حداقل احتمال بلوکه شدن مکالمه برای تخصیص کانال دینامیک (پویا) در شبکه های سلولی موبایل »

چکیده : در این مقاله ،مسئله اختصاص کانال پویا (DCA) در شبکه سلولی مورد بحث و بررسی قرار می گیرد. ما نتایجی را درباره آن ترسیم می کنیم که بهبود عملکرد سیستم بوسیله DCA اینست که DCA ، کارکرد و کارآمدی خط اصلی را افزایش می دهد، اما روش ساده و مفید را برای محاسبه حد پایین احتمال بلوکه شدن مکالمه DCA توسعه می دهد، با استفاده از این روش ،می توانیم عملکرد اختصاص کانال ثابت (FCA) را با هر نوع طرحهای DCA به سادگی و بهتر ، مورد مقایسه قرار دهیم.

ما همچنین عملکرد DCA را در موارد مختلف مورد بحث و بررسی قرار خواهیم داد.

کلمات کلیدی: اختصاص کانال ثابت ،اختصاص کانال پویا، نظریه خط اصلی ، ارتباط سلولی موبایل.

مقدمه

با پیشرفت فناوری ارتباطی ،ارتباط پرسنل بسرعت رشد می کند و شبکه های ارتباط جهانی نیز تحت تحقیقات فعالی قرار می گیرند. در آینده ، سیستم های ارتباط جهانی ،ثابت متحرک می تواند با همدیگر در هر زمانی و جایی و در هر شرایطی ارتباط برقرار نماید،آنها می توانند اطلاعات را بوسیله این نسل از سیستم های جدید ارتباط پرسنل، مبادله نمایند.

سیستم های متحرک ترن MTS ،اغلب برای پوشش حوزه پرتردد مثل شهرهای بزرگ به کار می روند ، جائیکه ساختارهای سلولی کوچک و بزرگ نیز اغلب به کار گرفته می شوند. خصوصاً در ساختمانی بزرگ ، ساختار میکروسلولی سه بعدی اغلب به کار خواهند رفت کارایی استفاده از منابع فرکانس (کانال در پوشش معینی، با نسبت استفاده مجدد از کانال د رسلولهای معین، مشخص می شود. این مقاله به بررسی طرح اختصاص منابع کانال رادیویی در شبکه های سلول متحرک (موبایل ) زمینی ، می پردازد. در اینجا،بطور کلی به منابع کانال رادیویی برای CDMA,TDMA,FDMA بدون ملاحظه خواص هر یک از کانال های فیزیکی خواهیم پرداخت.

طرحهای اختصاص کانال ،نقش مهمی را در سیستم های ارتباطی موبایل برای ایجاد ثابت و پایداری وکارآمدی شبکه ایفا می کنند. هدف روش اختصاص کانال پویا DCA ارائه و ایجاد امکان استفاده از شبکه های موبایل در شرایط منابع محدود کانال و بار تردد خاص شبکه می باشد. با استفاده از DCA ، کارایی کانال و کیفیت خدمات می تواند بهبود یابد. DCA نیز می تواند توانایی سازگاری برای تغییرات ناگهانی بار تردد را ارائه دهد. در سیستم موبایل سلولی منابع کانال محدود باند محدود رادیویی است که به سیستم موبایل اختصاص دارد. در شبکه های مورد بحث در تحقیقات باند رادیویی به چند کانال تقسیم می شود. این کانالها به تصدیق کنندگان آن برطبق تقاضای مکالمه شان اختصاص می یابد . قطعاً ،تقاضای مکالمه که بوسیله تایید کننده خاص انجام می شود کنار گذاشته می شود،اگر کانالهای سالم در طرح منابع کانال موجود نباشد . یک راهبرد DCA که دارای عملکرد مطلوبی است می تواند ،احتمال این کنار گذاشتن را برای کاهش احتمال بلوکه شدن کاهش دهد.

جدای از محدودیت منابع کانال در سیستم های موبایل تداخل کانال نیز ، راهبرد اختصاص کانال را محدود می کند، همان کانال نمی تواند ،در این سلولها مجدداً به کار گرفته شود که دارای خوشه تداخل بین کانالی می باشد و در غیر اینصورت ،ارتباط نمی تواند بعلت تداخل نامطلوب صورت گیرد.

در تحقیقات ، الگوریتم های اختصاص کانال بطور وسیعی به کار برده می شوند و چندین نوع الگوریتم DCA مطرح شده اند. این نوع الگوریتم های DCA برای عملکردشان در فرضیات خاص با همدیگر مقایسه می شوند. به هر حال ، همانطوریکه می دانیم به هر الگوریتم DCA نمی تواند ظرفیت تردد سیستم را بهبود بخشد. علاقه زیادی به محدودیت بهبود عملکرد بوسیله الگوریتم DCA و شرایط تحت آن وجود دارد که الگوریتم DCA بزرگترین نقش را ایفا می کند. گفته می شود که عملکرد DCA در شرایط مختلف کانال ،بار مختلف تردد و مدل مختلف سلولی، متفاوت است ما نیازی به توسعه روش برای سنجش عملکرد هر نوع الگوریتم DCA داریم.

در این مقاله ،این مشکلات رابررسی خواهیم کرد و سپس روش ساده ای را برای محاسبه حد پایین احتمال بلوکه شدن مکالمه درسیستم سلولی با استفاده از الگوریتم DCA ارائه می دهیم. با این روش ،می توانیم عملکرد هر الگوریتم DCA را در همان مدل سلولی مورد مقایسه قرار دهیم.

در بخش دوم این مقاله ،آنالیز مدل، توصیف و مدل ارائه خواهد شد. در بخش سوم، روش ساده ای را برای محاسبه حد پایین احتمال بلوکه شدن مکالمه با استفاده از الگوریتم DCA توسعه خواهیم داد. در بخش آخر نتایج عددی و نتیجه گیری درباره انتخاب الگوریتم DCA در طرح سیستم عملی ارائه می شود.

« 2 - فرضیه و مدل ریاضی »

در این مقاله ، مباحثی درباره فرضیات ذیل ارائه می شود:

1)مقدار کل کانال های دوبلکس موجود در سیستم سلولی ، M است . مقدار کل مجموعه بصورت (GH)….CHM) است و سیستم موبایل سلولی دارای کانال های دوبلکس M برای کاربرد و استفاده بیشتر می باشد.

اگر هر سلول به گروهی از کانالهای (K<M)K اختصاص یابد و اگر کانال های M در بین سلولهای N تقسیم شود، گروههای کانال واحد و مجزا دارای همان تعداد کانال خواهند بود و کل تعداد کانالهای رادیویی می تواند بصورت ذیل ارائه شوند.

M=KN سلولهای N ،مجموعه کاملی از فراوانی ها را به کار می برند که بصورت خدشه ای (C1….CN) تعریف می شوند. CN اندازه خدشه یا عامل استفاده و کاربرد مجدد سلول است.

هر سلول دارای همان شعاع R است AS در تصویر یک نشان داده می شود.

فرض کنید که موج رادیویی در همان روش و در فضای آزاد منتقل می شود.

اگر فاصله بین سلولها بزرگتر از مقدار ثابت D باشد ، منابع کانال می تواند در این دو سلول به کار گرفته شود و تداخل بین کانال می تواند نادیده گرفته شود. برای هندسه چند ضلعی ،اندازه خوشه N ،شعاع سلولی R و حداقل فاصله استفاده مجدد از کانال D ، معادله 2 را در بردارد.

4) برای تصریح تداخل کانال مجاور نیز نادیده گرفته می شود.

5) فرض کنید،تایید کننده های زیادی در هر سلول وجود دارد. یعنی ،میزان رسیدن مکالمه و تعداد مکالمه ها،مستقل از یکدیگر است .

6) فرض کنید که مکالمه برطبق توزیع پوسیون می رسد،در هر مکالمه از سیستم فرض می شود که میزان رسیدن مکالمه مشابه است که بوسیله ( ارائه می شود و ما می توانیم توزیع احتمال را بدست آوریم . Pr=

جائیکه a(f) تعداد پیام های رسیده است که t=0 و t ، زمان رسیدن مکالمه است

7) اگر مکالمه بلوکه شود،فوراً پاک خواهد شد.

یعنی هیچگونه علامتی در مدل خطی وجود ندارد جائیکه فرمول Erlang B به کار می رود. A فرض می شود زمان مدت مکالمه ، شاخص مدت میانگین مکالمه H است M=1/H,- میزان میانگین خدمات است، کارکرد تراکم احتمال زمان خدمات به صورت ذیل است : P(Sn)=m-em(4)

جائیکه sn، زمان خدمات کاربرد n است.

9-خروج از دوره مکالمه، خارج از بحث ماست.

30-حد پایین احتمال بلوکه شدن مکالمه اختصاص کانال دینامیک

ما با مورد اختصاص کانال ثابت fca شروع می کنیم، کانال های دو بلکی m است، و راهبرد FCA، هر سلول به گروهی از کانال های K اشاره و تخصیص می یابد. بار تردد در هر سلول بصورت ذیل تبیین می شود . (Erlang) = cell A per

در هر سلول، در سیستم، فرض می شو د مشابه باشد، احتمال بلوکه شدن مکالمه برای هر سلول، مشابه است و می تواند با فرمول Erlang بصورت ذیل بدست آید ALC)) Erlang= pbc جائیکه n کل بار تردد سلول است و k، تعداد کل کانال های دوپکلس قابل استفاده است که بوسیله راهبرد FCA در سلول اختصاص می یابد.

اکنون- مورد سیستمی را بحث می کنیم فقط دارای خوشه سلولی است و اندازه خوشه، n است و تعداد کل سلولهای سیستم n است و کانال های سیستم نمی توانند مجددا مورد استفاده قرار گیرند. در نتیجه کل بار تردد در داخل خوشه بصورت ذیل است (v) A=N تعداد کل کانال های موجود در خوشه M است که K برابر N است. برطبق اصل اختصاصی کانال دینامیک، هر کاربر از هر سلول در خوشه، حق تقاضا در هر کانال در مجموعه کل کانال را ندارد.

اگر کانال سالم باشد، سیستم، کانال را به کاربر اختصاص خواهد داد، در غیراینصورت ، مکالمه درخواستی بدون اثرود، بلوکه خواهد شد. در طول دوره ی مکالمه، هر کاربر در خوشه نمی تواند کانال را مجددا استفاده کند. این مسئله به معنای بار کل تردد در خوشه است که دارای مجموعه کانال (HM). … CH1) با استفاده از فرمول Erlang B می باشد. (8)

جائیکه A بار متوسط تردد در هر سلول است، N، اندازه خوشه و K، تعداد کل کانال های موجود و هر سلول و در اختصاص کانال ثابت است. (9)

یعنی، در سیستم یک خوشه وجود دارد، بهبود بلوکه شدن مکالمه با راهبرد DCA بدین معناست که DCA، اثر کارآمدی خط اصلی را آزاد می کند. اگر نوعی از راهبرد DCA، اصل اساسی DCA را علیرغم نوع راهبرد DCA برآورده سازد، نتیجه احتمال بلوکه شدن با کاربرد dca همیشه مشابه است که با معادله 8 محاسبه می شود . در واقع بهبود الگوریتم در طرح DCA، معنایی ندارد و چون، کل سیستم دارای یک خوشه است و هر کانال نمی تواند مورد استفاده مجدد قرار گیرد ما می توانیم همان نتایج را از معادله ی 8، برای هر طرح dca در سیستم سلولی خوشه ای بدست آوریم.

به هرحال، برای سیستم های کلی سلولی، آن همیشه دارای چندین خوشه و منابع کانال است که می تواند در هر دو سلول مجددا استفاده شود که به همان خوشه تعلق ندارد. در مورد کلی، فرض می کنیم که هر سلول دارای همان بار تردد Aاست و تعداد کل سلولها در سیستم، C است همچنین کانال های دوپلکس M وجود دارد که به مجموعه (CHM … CH1) تعلق دارد. فرض می کنیم که احتمال متوسط بلوکه شدن مکالمه طبق راهبرد PCA، بصورت PN(DCA)C است.

فرضیه دیگری تغییر نمی یابد. بنابراین در سیستم جدید، متوسط احتمال بلوکه شدن مکالمه بصورت (cells C+1 / (CDCA PB) است.

فرض کنید که مجموعه سلولها در سیستم جدید، C‌است. (C+1. … C1)

جائیکه (C1…(C) سلولهای سیستم قدیمی است. سلول CC+1 ، سلول اضافه شده است. ما خوشه سلولی Q‌ را می سازیم که شامل سلول اضافه شده CC+1 است. بطور واضح، سلول CC+1 ، در منابع کانال با سایر سلولها در خوشه سیستم می باشد. بعنوان نتیجه ، تقاضای مکالمه در سلول CC+1 ، متوسط احتمال بلوکه شدن را در سلولها افزایش می دهد و موجب افزایش بلوکه شدن سلول می شود. بنابراین ، افزایش بلوکه شدن سلول به سیستم کامل پراکنده می شود. (10) ph(dc…

درواقع، اگر منابع کانال به کانال m محدود شود، و به سلول جدیدی برای تداخل سیستم افزوده شود. کل بار تردد از مقدار قبلی افزایش می یابد، یعنی، C برابر A‌است و به مقدار جدید (C+1) برابر A‌است . این عمل منجر به افزایش احتمال بلوکه شدن مکالمه در کل سیستم می شود و نتایج ذیل بدست می آید.

اگر سیستم سلولی ، فرضیه را در بخش 2 تایید کند، حد پایین احتمال بلوکه شدن مکالمه با استفاده از طرح DCA می تواند بصورت ذیل باشد. (11) PN…

جائیکه N ، اندازه خوشه است، A، بار متوسط تردد در هر سلول است و K=M/N، تعداد کانال های اختصاص یافته به هر سلول با استفاده از طرح FCA

«4-نتایج آماری و نتیجه گیری»

تصویر 3، حد پایین تر احتمال بلوکه شدن PCA را در مورد اندازه ی خوشه N=3 و N=1 با احتمال بلوکه شدن FCA ارائه می دهد که کانال های (K=10)10 به هرسلول اختصاص می یابد. دیده می شود که حد پایین احتمال بلوکه شدن DCA به اندازه خوشه N مربوط می شود، اگر K، ثابت باشد. حد پایین تر احتمال بلوکه شدن DCA کاهش خواهد یافت، اگر N افزایش یابد. بدین معنا که سیستم ها دارای اندازه خوشه بزرگتر مثل سیستم های موبایل آنالوگ و CMS هستند. کاربرد راهبرد DCA، کارآمدی سیستم را بهبود خواهد داد. در صورتیکه در نسل جدید سیستم های موبایل مثل سیستم های CDMA ، N کمتر از 3 است که بوسیله DCA بهبود نمی یابد.

کانال های 10 به هر سلول اختصاص می یابد در تصویر دیده می شود که حد پایین احتمال بلوکه شدن DCA به اندازه خوشه مربوط می شود اگر 2 / 0 ثابت باشد حد پایین احتمال بلوکه شدن DCA کاهش خواهد یافت اگر N افزایش یابد بدین معنا که سیستم های دارای اندازه خوشه بزرگتر مثل سیستم های موبایل آنالوگ و C5M هستند کاربرد راهبرد DCA کارآمدی سیستم را بهبود خواهد داد در صورتی که در نسل جدید سیستم های موبابل مثل سیستم های DDMA N ;ljv hc 3 hsj ;I fi ,sdgi ِ‍َ بهبود نمی یابد.

تصویر 4 - احتمال بلوکه شدن مکالمه FCA و حد پایین احتمال بلوکه شدن DCA را در مورد اندازه خوشه 7= N و سلول – کانال 60 = K ارائه می دهد فضای بین دو منحنی DCA – FCA در مقایسه با دو منحنی تصویر 3 باریک است . تصویر 4 و 3 وقتی که احتمال بلوکه شدن FCA 10 % است حد پایین DCA احتمال بلوکه شدن 4 % و 1/0 % است حداکثر بهبودی به وسیله DCA در حدود 9/9 % و 6/6 % است این مسئله نشان می دهد که DCA به هنگام کوچکتر شدن k قابل استفاده می باشد .

تصویر 5- مقایسه بین حد پایین احتمال بلوکه شدن DCA و احتمال بلوکه شدن الگوریتم DCA را در تحقیقات نشان می دهد می توان دید که الگوریتم DCA در تحقیقات عملکرد را در مقایسه با روش الگوریتم FCA بهبود می بخشد بهبودی قابل ملاحظه ای در مقایسه با حد پایین احتمال بلوکه شدن DCA وجود دارد که به وسیله معادله (1) محاسبه می شود.

تقدیر و سپاس

در اینجا تلاشهای پروفسورگانگ مینگ چاو از دانشگاه علوم و فنون الکترونیک چینی تقدیر به عمل می آید

احتمال

اختصاصی از حامی فایل احتمال دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 23

فهرست مطالب

عنوان صفحه

تاریخچه 1

احتمال 4

احتمال نظری 5

احتمال تجربی 5

احتمال ذهنی 6

محاسبه احتمال 6

جمع حوادث سازگار 7

ضرب حوادث مستقل 7

ضرب حوادث وابسته 8

اصول اساسی قانون ضرب 9

جایگشت (تبدیل) 11

ترتیب 13

قاعده ترتیب 14

ترکیب 15

ویژگیهای ترکیب 18

توصیف احتمال یک حادثه 18

خلاصه 19

تاریخچه

هیچ کس نمی داند که اعتقاد به شانس برای نخستین بار در چه زمانی و مکانی مطرح شد. در هر حال این امر در دوران ماقبل تاریخ ریشه دارد. با این حال، اسناد کافی نشان می دهد که انسانهای اولیه برای توجیه حوادث تصادفی به وسایلی متوسط می شده اند. برای مثال در آسیای صغیر در آیین پیشگویی مرسوم بود که پنج قاپ را بیندازند. ترتیب ممکن از قاپها، نام خدایی را به همراه داشت (مارکس و لارسن، 1990). برای مثال چنانچه ترتیب (4، 4، 3، 1) به دست می آمد (قاپ شش وجه دارد و به هر وجه آن یک شماره اختصاص داده می شد). گفته می شد زئوس منجی آمده است و چنین ترتیبی پنشانی از قوت قلب تلقی می شد و تفسیر آن این بود که آنچه در سر داری،‌ بی مهابا به انجام برسان. یا اگر ترتیب 4، 4، 4، 6، 6 ظاهر می شد معنای آن این بود که در خانه ات بمان و به هیچ کجا مرو.

به تدریج پس از گذشت هزاران سال، تاس جانشین قاپ شد. در مقبره های مصر که 2000 سال پیش از میلاد مسیح ساخته شده اند، تاسهای سفالی به دست آمده اند. متداول ترین تاس بازی آن زمان هازاد نام داشت. هازاد توسط سربازانی که از جنگهای صلیبی بازگشتند، به اروپا آورده شد. ورق برای نخستین بار در قرن چهاردهم رواج پیدا کرد.

مورخان در مورد این که اعتقاد به احتمال شروع نامشخصی دارد اتفاق نظر دارند. شاید دلیل این امر ناسازگاری آن با عامل بارز موثر در تحول فرهنگ غرب، یعنی فلسفه یونان و خداشناسی مسیحیان در صدر مسیحیت باشد. یونانیان به عقیده شانس اکتفا می کدرند در صورتی که مسیحیان چنین اعتقادی نداشتند. در قرن شانزده احتمال سر از خاک برداشت. سازماندهی و احیا آن توسط جرولامو کاردان انجام گرفت. علاقه کاردان که ظاهراً تحصیلاتی در رشته پزشکی داشت، به قوانین احتمال، ناشی از میل وافر او به قمار بود. او در صدد دستیابی به یک الگوی ریاضی بود تا با کک آن بتواند حوادث اتفاقی را تشریح کند. آنچه که او سرانجام تدوین کرد تعریف کلاسیک احتمال است. به این صورت که در صورتی که تعداد نتایج ممکن حادثه ای که همه دارای احتمال یکسان هستند را با n نشان دهیم و چنانچه m نتیجه از n نتیجه ممکن اتفاق بیفتد، احتمال آن حادثه مساوی است. برای مثال در صورتی که تاسی بدون اریبی باشد،‌ 6 ممکن (6= n) خواهد شد (نتایج 5 و 6) و احتمال 5 یا بزرگتر از آن مساوی یا خواهد بود.

کاردان ابتدایی ترین اصول احتمال را مطرح کرده بود. الگویی که او کشف کرده بود ممکن است پیش پا افتاده به نظر برسد اما حاکی از گامی عظیم بود. بسیاری از مورخان نقطه آغاز علم احتمال را سال 1654 می دانند. در پاریس قمار باز ثروتمندی به نام شوالیه دمور از چند ریاضی دان برجسته از قبیل بلز پاسکال سوالهایی پرسید که معروفترین آنها درباره نقاط بود.

دو نفر، الف و ب، موافقت می کنند که بدون تقلب مجموعه ای بازی را تا زمانی که یک نفر از آنها شش دست برنده شود، ادامه دهند. هر کدام از این دو نفر بر سر مبلغ یکسانی شرط بندی می کنند با این قصد که برنده کل، تمام مبلغ شرط بندی (بانک) را برنده شود. حال فرض کنید به هر دلیلی این بازیها قبل از موقع پایان پذیرد، مثلا در نقطه یا مرحله ای که فرد الف 5 دست و فرد ب 3 دست برنده شده باشد. در این مرحله یا نقطه از بازی، پول شرط بندی شده چطور باید تقسیم شود؟ پاسخ صحیح این است که فرد الف باید کل مبلغ شرط بندی شده را دریافت کند. چرا مبلغ شرط بندی شده باید به این ترتیب تقسیم شود؟

با طرح سوالهای دمور، حس کنجکاوی پاسکال برانگیخته شد و نظر خود را با پیر فرما، کارمند دولت و احتمالاً برجسته ترین ریاضی دان اروپا، در میان گذاشت. فرما با روی گشاده از نظر پاسکال استقبال کرد و از همان موقع بود که نظریه معروف تناظر پاسکال- فرما نه تنها برای حل مسائل نقاط مطرح شد بلکه شالوده ای برای کارهای اساسی تر گردید.خبر آنچه که فرما و پاسکال یافته بود انتشار یافت و دیگران هم به مطالعه این مساله پرداختند. معروفترین آنها دانشمند و ریاضی دان هلندی کریستیان های جنز است که نام او بیشتر به خاطر کارهایش در نورشناسی و نجوم در خاطرها مانده است. توجه های جنز در همان اوایل کارش به مسائل نقاط جلب شد. وی در سال 1657 کتاب محاسبات در بازیهای احتمالی را منتشر ساخت که قریب 50 سال به عنوان کتاب درسی درباره نظریه احتمال تدریس می شد (لارسن و مارکس، 1990). طرفداران های جنز او را بنیانگذار احتمالات می دانند.

پروژه گمارش احتمال پایه ای دمپستر ـ شافر براساس توابع عضویت (عضو) فازی. doc

اختصاصی از حامی فایل پروژه گمارش احتمال پایه ای دمپستر ـ شافر براساس توابع عضویت (عضو) فازی. doc دانلود با لینک مستقیم و پر سرعت .

نوع فایل: word

قابل ویرایش 120 صفحه

چکیده:

در این مقاله، یک شیوۀ تقسیم (قطعه بندی) تصویر براساس تئوری مستند دمپستر ـ شافر ارائه شده است. گمارش احتمال پایه ای (DPA) به روش نظارت نشده با استفاده از درجات عضو فازی پیکسل های گرفته شده از هیستوگرام (نمودار ستونی) تصویر برآورده می شود. هیچ فرضی درخصوص توزیع اطلاعات تصاویر بوجود نیامده است. BPA در سطح پیکسل برآورد می شود. تأثیر این شیوه بر تصویرهای واقعی و ساختگی نشان داده می شود.

مقدمه:

پیوستگی اطلاعات چند سن سوری یک تکنولوژی در حال توسعه است که شبیه به فرآیند شناختاری موجود می باشد که ازسوی بشر جهت تلفیق و تکمیل پیوستۀ اطلاعات از معنا و مفهومهای آنها و ایجاد استنباط هایی درخصوص دنیای خارج به کار برده می شود. اطلاعات بدست آمده از یک سن سور معمولاً محدود است و گاهی از دقت کمی برخوردار است. استفاده از سن سورهای چندگانه یک راه حل برای افزایش دقت بوده و اطلاعات دیگری از قابلیت اطمینان بیشتر در مورد محیطی بدست می دهد که در آن محیط سن سورها کار می کنند. کاربردهای پیوستگی اطلاعات از تصویرهای پزشکی، تجزیه و تحلیل صحنه، رباتیک ها، ارزیابی غیر مخرب، دنبال کردن هدف گرفته تا مراقبت هوا برد می باشد. پیوستگی اطلاعات را می توان در سطوح مختلف نمایش انجام داد: سطوح سیگنالی، پیکسلی، ترکیبی (مشخصه) و سمبلیک. در این مقاله به مسئله پیوستگی سطح پیکسلی می پردازیم. روش های مختلفی برای پیوستگی اطلاعات بوجود آمده است. چهارچوبهای به کار رفته برای کنترل اطلاعات، استنتاج Bayesian و تئوری shafer – Dempster (DS) ]2[ و]3[ و استنتاج منطق فازی می باشد. تئوری DS استنباط هایی را از دانش فازی و ناقص بوجود می آورد که بدست آمده از منابع مختلف دانش مستقل است. نخستین مزیت تئوری DS ، قدرت آن در رویارویی با بی اطلاعی و اطلاعات گم شده است. بخصوص این تئوری، براورد مشخص و صریحی از بی دقتی و تضاد بین اطلاعات بدست امده از منابع مختلف بدست داده و می تواند به همۀ اجتماعات و فرضیه ها «دسته ها» ]4[ بپردازد. این مسئله خصوصاً جهت نشان دادن پیکسل های «درهم» در مسائل تقسیم تصویر سودمند است. محدودیت اصلی استنتاج Baysain این است که قادر نیست در رابطه با سنجش عدم قطعیت و بی ثباتی، بی دقتی را مدل سازی نماید. میزان اعتقادی که به یک اجتماع از دسته ها داریم (بدون توانایی فرق گذاری بین آنها) باید بین همۀ فرضیه های ساده تقسیم شود، و در نتیجه به مورد خوب ضرر وارد می شود. تئوری DS از طریق تعریف دو معیار افزودنی و دو وجهی، به اطلاعات ناقص و فازی می پردازد: اعتبار (قابل قبول بودن) و اعتقاد. این معیارها از یک تابع چگالی m مشتق می شوند که گمارش احتمال پایه ای (BPA) یا تابع جمعی (mass) نامیده می شود. این احتمال نشانه ای (دلیلی) را به یک قضیه (فرضیه) نسبت می دهد. مشتق گیری BPA اساسی ترین قدم است زیرا دانشی درخصوص کاربرد، علاوه بر عدم قطعیتی که در منبع اطلاعاتی انتخاب شده می گنجاند، نشان می دهد. تعریف BPA ، در کاربرد تئوری DS در کاربردهای عملی مانند پردازش تصویر، یک مسئلۀ مشکل است. به عنوان مثال، ممکن BPA در سطح پیکسلی از احتمال های ]7[-]5[ یا از فاصله تا مراکز دسته ای ]8[ مشتق شود. در این مقاله، BPA به روش نظارت نشده و با استفاده از توابع عضو فازی برآورد می شود تا ابهام را در پیکسل ها به حساب آورد. این ابهام دقیقاً سطوح احتمالی چند مقداری وضوح در عکس است. این نامعین بودن به جای درهمی به دلیل ابهام درونی است. تعداد دسته های تصویر معلوم فرض می شود. در ]7[ برآورد BPA براساس این فرض است که توضیح احتمال مقدارهای سطح خاکستری (هیستوگرام تصویری، مدل Gaussian می باشد. روش برآورد ما، هیچ فرضی در رابطه با توزیع احتمال هیستوگرام سطح خاکستری ایجاد نکرده و محدود به تنها دو منبع نیست.

فهرست مطالب:

فصل اول

گمارش احتمال پایه ای دمپستر ـ شافر براساس توابع عضویت (عضو) فازی

خلاصه

مقدمه

2ـ تئوری (DS) Dempster-shafer:

3ـ روش فازی

4ـ گمارش احتمال پایه ای

5ـ نتایج

6ـ نتیجه

فصل دوم

آزمون فرض های آماری با اطلاعات مبهم

خلاصه

مقدمه

نمونة تصادفی فازی

3ـ آزمون فازی

4ـ معیار نامعلومی

6ـ توان

7ـ نتایج

فصل سوم

دوموضوع برای مقایسة فاصله فازی حقیقی در بهینه سازی:

خلاصه

مقدمه

عبارتهای ارتباط فاصله ای مشخص

ترتیب فاصله فازی

روش دو هدفی مقایسه فاصله ای

نتایج

فصل چهارم

روش Bayesian در آزمون فرض های فازی

مقدمه

3ـ آزمون فرض های فازی

مقایسه با کار Delgudo و دیگران

1-1-5: روش دلگادو و دیگران

2-5:مقایسه با کار Casals

مقاله تخمین پارامترهای احتمال

اختصاصی از حامی فایل مقاله تخمین پارامترهای احتمال دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 19

تخمین پارامترهای احتمال:

با توجه به بحث انجام شده دردرس 3 ، پایه قانون PFS شامل تئوری فازی است که نتایج چندگانه ای دارد . هر نتیجه به یک پارامتراحتمال مربوط می شود . این درس به احتمال تخمین پارامترها درPFS مربوط می شود . در این درس فرض بر این است که هم مقدمه وهم نتیجه mfsبه یک اندازه تعیین کننده هستند واحتیاجی به بهینه سازی بیشتر نمی باشد . طبقه بندی مسئله ها وتخمین mfs دردرس 5 ملاحظه می شود. دردرس16و18و34 پارامترهای احتمال به وسیله تئوری فازی تخمین زده می شوندو برای تخمین احتمالات شرطی ازفرمولهای اماری استفاده می شود (همانطور که دردرس 35 می بینیم ) این روش برای تخمین پارامترهای تخمین است وهمچنین دریاداوری نظریه ها به روش احنمال شرطی اشاره می کند . دراین درس نشان خواهیم دادکه روش احتمال شرطی کلا نتیجه بهینه ودقت مورد تاییدی دردوره های PFS نمی دهد . متناوبا هدف این است که ازحداکثر احتمال درست نمایی معیار ML برای تخمین پارامترهای احتمالی PFS استفاده شود . درادامه این درس الگوهایی وجود دارد . درقسمت (1-4 ) روش احتمال شرطی برای تخمین پارامترهای احتمال در PFSمورد بحث قرار می گیرد. همچنین نشان خواهیم داد هم مسئله ها ی طبقه بندی وهم مسئله های برگشتی که به وسیله پارامترهای احتمال تخمین زده می شوند روش احتمال شرطی غیرواقعی ، غیرواقعی مجانبی ، و ناهماهنگ می باشند که معیارهای ML را پاسخگو نمی باشند . در قسمت (2-4) برای تخمین پارامترهای احتمال در PFS معرفی یک روش جدید هدف می باشد . این روش بر پایه معیار ML می باشد . همچنین در قسمت 2-4نمونه هایی ازبهینه سازی مسئله که نتیجه معیار MLمی باشد مورد بررسی قرار می گیرد . توجه کنید که درتوصیف ازمایشها دردرس5 روش احتمال شرطی وروش ML به صورت تجربی به وسیله ارتباط ان روشها با مسئله های عددی طبقه بندی شده با هم مقایسه می شوند.

1-4 : روش احتمال شرطی

اجازه دهید(X1,Y1) , ... Xn,Yn) ,) نشان دهنده نمونه های تصادفی از جامعه n باشند این نمونه ها برای تخمین Рr(C|A) استفاده می شوند . احتمال شرطی رخداد C به شرط رخدادA به وسیله فرمول اماری زیر محاسبه می شود :

4)

که وظایف مشخصه های XA ,Xc نشان داده می شوند به وسیله :

(2. 4)

(3. 4)

حالافرض کنید به جای پدیده های معمولی Aو C پدیده های فازی جایگزین شوند .

این به این معناست که به وسیله mfs پدیده های A,C به µA وμC تعریف شوندو

به جای XΑ،Xc در معادله 4.1 جایگزین شوند . در نتیجه خواهیم داشت :

(4.4)

این فرمول پایه تعریف احتمال رخداد در پدیده فازی می باشد ( درس 37 ) .

مشتق اول فرمول 4.4 درسهای 35و36 را پدید می آورد .

نتیجه فرمول 4.4 در تخمین پارامترهای شرطی درPFS استفاده می شود . این دیدگاه دردرسهای 16و18و34 دنبال می شود که به روشهای احتمال شرطی در این تز اشاره

می کند .

فرض کنید مجموعه اطلاعاتی شاملn نمونه به صورت ( (i=1,2, ...,n) ( Xi,Yi

برای تخمین پارامترهای احتمال در دسترس باشد همچنین فرض کنید که هم مقدمه وهم نتیجه mfs درسیستم تعیین شده است ونیاز به بهینه سازی بیشتر نمی باشد یعنی فقط پارامترهای احتمال درتخمین باقی بمانند . به نظر منطقی می آید که پارامترهای Pj,k واقعی رابرای تخمین احتمال شرطی پدیده فازی Ck به شرط رخداد پدیده فازی Aj قرار دهیم . اگرچه ورودی X به تعریف بیشتر احتیاج ندارد اما برای نشان دادن غیر عادی بودن محاسبات mfµAj وmfµ¯Aj باید ازفرمول زیراستفاده شود :

(4.5)

بنابراین Pj,k واقعی است و برای تخمین احتمال شرطی پدیده فازی Ck ونشان دادن غیر عادی بودن پدیده فازی Aj باید ازآن استفاده شود .

توجه داشته باشید که PFSs برای نمونه های برگشتی یک قانون پایه دارد که فقط با همان قانون که در پارامترهای شرطی Pj,k استفاده می شود ودرفرمول 4.5 نشان داده شده هیستوگرامهای فازی مورد بحث دردرس 2 را معادل سازی می کند .

درPFS برای نمونه های طبقه بندی درهرطبقه Ck به صورت یک خروجی جدید نشان داده می شود پس فرمول 4.5 به صورت زیر هم نوشته می شود :

(4.6)

عملکرد مشخصه XCk بوسیله فرمول زیر نشان داده می شود :

(4.7)

درتعریف این قسمت ،احتمالات آماری پارامترها تخمین زده می شوند . به PFSs درنمونه های طبقه بندی در تجزیه وتحلیل فرمولهای (4.5) و(4.6) در قسمت (4.1.1) توجه می شود . همچنین در قسمت (4.1.2) درنمونه های برگشتی PFSs بررسی می شود .

تحقیق درباره آمار و احتمال (2)

اختصاصی از حامی فایل تحقیق درباره آمار و احتمال (2) دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 17

دانشگاه امیرکبیر اراک

موضوع

آمار و احتمال

نام استاد :

جناب آقای زاهدی

محقق :

حمزه بیات

تابستان 87

توزیع دو جمله ای :

اگر آزمایشی دارای ویژگی های زیر باشد ، آزمایش تصادفی دوجمله ای است .

1- آزمایش ها مستقل از یکدیگر تکرار شوند

2- آزمایش ها به تعداد دفعات معین مثلا n بار تکرار شوند

3- آزمایش تصادفی به دو نتیجة ممکن موفقیت و شکست منجرگردد .

4- احتمال موفقیت ها در همة آزمایش ها ثابت و برابر p باشد .

مثال 1 : کدام یک از موارد زیر می تواند به عنوان آزمایش دوجمله ای تلقی شود ؟

الف- نمونه گیری تصادفی از 500 زندانی برای تعیین اینکه آیا آنها قبلا در زندان بوده اند یا خیر .

ب- نمونه گیری تصادفی از 500 زندانی برای تعیین طول مدت محکومیت آنها .

حل :

مورد « الف » شرایط لازم برای یک آزمایش دوجمله ای را دارد .

1- آزمایش ها مستقل از یکدیگرند

2- تعداد آزمایش ها ( 500 ) ثابت است

3- هرآزمایش دو نتیجه دارد : یا در زندان بوده یا نبوده

4- احتمال موفقیت ها ( مثلا زندانی نبودن ) در همة آزمایش ها ثابت است .

مورد « ب » شرایط لازم برای یک آزمایش دوجمله ای را ندارد زیرا طول مدت محکومیت زندانیان متفاوت بوده و بنابراین هرآزمایش بیش از دو نتیجه دارد .

متغیر تصادفی و تابع توزیع احتمال

متغیر تصادفی دو جمله ای عبارت است از تعداد موفقیت ها دریک آزمایش تصادفی دو جمله ای تابع توزیع احتمال دو جمله ای که در آن p احتمال موفقیت و x تعداد موفقیت ها در n آزمایش باشد به صورت زیر تعریف می شود :

نکتة 1 : توزیع احتمال دوجمله ای دارای دو پارامتر p , n می باشد .

مثال 2 : یک آزمون چندگزینه ای دارای 30 سئوال ، و هرسئوال دارای 5 جواب ممکن است که یکی از آنها درست می باشد اگر به تمام سئوالات پاسخ داده شود ، چقدر احتمال داردکه دقیقا 4 تای آنها پاسخ درست باشد ؟

حل :

امید ریاضی ، واریانس و تابع مولدگشتاور

1- E ( X ) = np

2- Var ( X ) = npq

3-

مثال 3 : احتمال اینکه مشتری ای که وارد فروشگاهی می شود چیزی بخرد 6 /0 است . اگر 10 مشتری وارد فروشگاهی شده باشند امید ریاضی و واریانس تعداد مشتریان خریدکرده چقدر است ؟

حل :

این موقعیت شرایط لازم برای یک آزمایش دوجمله ای را داردکه درآن 6 /0 = p ، 4/0= q و 10 = n ، پس :

24 /0 = 4 /0 * 6 /0 * 10 = npq = Var ( x) ، 6 = 6 /0 * 10 = np = E ( X)

مثال 4 : تابع مولدگشتاورهابرای کمیت تصادفی X به صورت10 ( t e 8 /0 +2 /0 ) =M x ( t )

به دست آمده است ضریب تغییرات متغیرتصادفی X را بیابید .

حل :

10 = n ، 8 /0 = p ، 2 /0 = q → 10 ( t e 8 /0 + 2 /0 ) = M X ( t )

27 /1= → 6 /1 = 2 /0 * 8 /0 * 10 = npq = Var (x) ،

8 = 8 /0 * 10 = n .p = μ = E ( X )

توزیع پواسن :