پروژه پردازش تصویر- تشخیص اعداد پلاک های خودرو. doc

اختصاصی از حامی فایل پروژه پردازش تصویر- تشخیص اعداد پلاک های خودرو. doc دانلود با لینک مستقیم و پر سرعت .

نوع فایل: word

قابل ویرایش 94 صفحه

چکیده:

رشد بی رویه تعداد خودرو ها در شهر ها ، منجر به بروز مشکلات زیادی برای تشخیص خودرو در زمینه های مختلف از جمله کنترل ترافیک ، مدیریت پارکینگ ، عوارضی بزرگراهها و غیره شده است . غلبه بر این مشکلات نیازمند استفاده از منابع مالی و انسانی متنوعی است و نیروی انسانی قادر به مدیریت و کنترل کارآ مد خودروها نخواهد بود . با استفاده از یک سیستم اتوماتیک جهت تشخیص شماره پلاک خودرو ، می توان تا حدود زیادی بر مشکلات فائق شد .

سیستم اتوماتیک تشخیص پلاک خودرو چیست ؟

سیستم تشخیص پلاک خودرو این امکان را فراهم می سازد تا شماره موجود در پلاک موجود در تصویر به صورت اتوماتیک توسط کامپیوتر از تصاویر متحرک یا عکس استخراج گردد و بتواند به صورت عددی مورد استفاده قرار گیرد .

شناسایی شماره پلاک خودرو شامل سه گام اساسی میباشد :

تشخیص محل پلاک

جداسازی کاراکترهای پلاک

تشخیص کاراکترهای پلاک

هر سه گام مذکور و فعالیت های انجام شده در آن حوزه ها در این پروژه مورد بررسی قرار میگیرد .از تکنیک های استفاده شده در سیستم پیشنهادی می توان به تکنیک های تعدیل هیستوگرام ، تک رنگ سازی تصویر ، روش های موروفولوژیکی برای حذف نویز ، برچسب گذاری برای جداسازی کاراکترهای پلاک و مقایسه یا نمونه های اصلی برای تشخیص کاراکترهای پلاک اشاره کرد .

مقدمه:

با توجه به وجود این سیل عظیم از خودرو ها و سایر وسایل های نقلیه بدیهی است که نیروی انسانی به تنهایی و بدون استفاده از سیستم کامپیوتری قادر به کنترل و مدیریت چنین ترافیکی حتی در ابعاد کوچک مانند یک پارکینگ عمومی نمی باشد . همچنین هزینه استفاده از نیروی انسانی بسیار بالا بوده و بازدهی بسیار نازلی را نیز دارا میباشد . لذا نیاز به مکانیزه شدن در این حوزه بسیار پررنگ و قابل تعمل می باشد . در سیستم تشخیص اتوماتیک شماره پلاک خودرو هدف اصلی شناسایی محل پلاک خودرو در یک تصویر جهت خواندن شماره پلاک میباشد . مفهوم شناسایی خودکار پلاک خودرو در واقع چیزی بیشتر از خودکار سازی ورود داده ها به سیستم کامپیوتری نمی باشد . شناسایی خودکار پلاک خودرو جایگزین عمل دستی نوشتن شماره پلاک خودرو ها شده است . (رادمر, 1387)

مسئله تشخیص هوشمند و اتوماتیک پلاک خودرو کاربردهای بسیار زیادی در زندگی روزمره دارد . از آنجایی که پلاک برای خودرو شناسه ای منحصر به فرد و یکتاست میتوان کاربردهای فوق العاده مختلف و مهمی را برای استفاده از سیستم های هوشمند و اتوماتیک قرائت پلاک خودرو یافت به طور نمونه در پیاده سازی پارکینگ های هوشمند که با شناسایی پلاک ، درب ورودی برای اتومبیل های مجاز باز و بسته خواهد شد .

در عملیات کنترول سرعت خودرو ها با استفاده از زمان طی مسافت خودروها میان دو پایگاه میتوان به میانگین سرعت خودرو در طول مسیر دست یافت . هم چنین مدیریت و کنترل خودروها از طریق نصب پایگاه ها در سطح شهر و محل اخذ عوارض و خروجی شهر ها به منظور جلوگیری از خروج یا تردد اتومبیل های ممنوع و مسروقه در سطح شهر و یا خارج از شهر ، ردیابی و شناسایی خودروهای متخلف با نصب سیستم های فوق در محل های دارای چراغ راهنمایی ، چهارراه ها و خیابان های یکطرفه و به طور کلی مناطقی که نیاز به کنترول مداوم پلیس دارند ؛ ایجاد برگ جریمه الکترونیک برای پلیس و حذف اپراتور اضافی و غیره را می توان از کاربرد های یک سیستم دقیق شناسایی پلاک خودرو دانست . (اشتری, و غیره, 1389)

فهرست مطالب:

1- مقدمه بر سیستم شناسایی پلاک خودرو و کاربرد های آن

1-1 کاربرد های سیستم شناسایی اتوماتیک پلاک خودرو

1-1-1 کاربرد سیستم در دولت الکترونیک

1-1-2 کاربرد سیستم تشخیص پلاک خودرو  در پارکینگ های عمومی

1-1-3 کنترل و اخذ عوارض ورود به محدوده طرح ترافیک

1-1-4 اخذ عوارض جاده ها و بزرگراه ها به صورت خودکار

1-1-5 محاسبه مدت سفر

1-1-6 اندازه گیری سرعت متوسط

1-1-7 شناسایی خودروهای مسروقه

1-1-8 کنترل مرز ها

1-1-9 کنترل ترافیک

1-1-10 سیستم های متحرک شناسایی پلاک خودرو

1-1-11 استفاده از سیستم شناسایی پلاک خودرو در پمپ بنزین

1-1-12 کنترل ورودی و خروجی در مناطق حفاظت شده

1-2 مشکلات و موانع موجود در مسیر توسعه سیستم شناسایی اتوماتیک پلاک خودرو

1-2-1 تاثیر شرایط اقلیمی و جغرافیایی

1-2-2 تاثیر شرایط دانش وفناوری

1-2-3 تاثیر شرایط قوانین و مقررات در رابطه با شکل ظاهری پلاک خودرو ها

1-2-4 قرار گرفتن نویسه های عدد و حروف در یک سطر

1-2-5 تاثیر رسم الخط مرسوم

1-2-6 سایر مشکلات

2- بررسی الگوریتم های مختلف پلاک خودرو

2-1 اولین الگوریتم

2-1-1 دریافت تصاویر از دوربین های کنترل سرعت

2-1-2 عملیات پردازش تصویر و تشخیص پلاک خودرو

2-1-3 شناسایی مکان پلاک خودرو

2-1-4 شناسایی اعداد و حروف

2-1-5 صحت شناسایی پلاک

2-1-6 روش هایی برای صحت شناسایی پلاک

2-2 دومین الگوریتم

2-2-1 مرحله تشخیص محل پلاک خودرو

2-2-2 فیلتر گوسین

2-2-3 پیدا کردن لبه های عمودی تصویر

2-2-4 تحلیل هیستوگرام

2-2-5 پیدا کردن محل کاندید پلاک

2-2-6 سایش تصویر

2-2-7 گسترش افقی تصویر

2-2-8 پر کردن حفره های احتمالی

2-2-9 گسترش عمودی تصویر

2-2-10 مرحله جداسازی کاراکترهای پلاک

2-2-11 مرحله شناسایی کاراکترها

2-3 سومین الگوریتم

2-3-1 مرحله استخراج پلاک

2-3-2 مرحله تفکیک اعداد

2-3-3 مرحله تشخیص اعداد به کمک شبکه های عصبی

3- بررسی چند الگوریتم برای پیدا کردن محل پلاک خودرو

3-1 روشی سریع برای پیدا کردن محل پلاک خودرو از تصاویر پیچیده بر اساس عملیات مورفولوژی

3-1-1 پیدا کردن لبه های عمودی تصویر

3-1-2 تحلیل هیستوگرام برای پیدا کردن تصویر کاندید

3-1-3 بررسی معیار تراکم

3-1-4 گسترش در جهت افقی و عمودی و یافتن اشتراک این دو تصویر و گسترش در جهت افقی تصویر اشتراک

3-1-5 پر کردن حفره های احتمالی

3-1-6 سایش تصویر و اعمال فیلتر میانه

3-1-7 استخراج پلاک

3-2 روش جدید مکان یابی پلاک خودرو در تصاویر رنگی

3-2-1 روش شناسایی مکان پلاک

3-3 استفاده از معیار هندسی و بافت برای تشخیص اشیاء در تصاویر متفاوت و پیچیده

3-3-1 گردآوری تصاویر

3-3-2 پیش پردازش

3-3-3 انتخاب نواحی کاندید

3-3-4 یافتن مکان پلاک

3-3-5 تکرار الگوریتم برای یافتن پلاک های کوچک

4- الگوریتم پروژه

4-1 پیدا کردن آبجکت های تصویر

4-2 پیدا کردن ناحیه پلاک و بهینه کردن ناحیه مربوطه

4-3 پیدا کردن نواحی شاما اعدادپلاک

4-4 جداسازی کاراکترهای پلاک

4-5 هم اندازه کردن ابعاد کاراکترهای جدا شده

4-6 فراخوانی نمونه های اصلی از اعداد و حروف

4-7 مقایسه نمونه های اصلی با کاراکترهای جدا شده

5- تعریف چند اصطلاح در پردازش تصویرو دستورات آن در متلب

5-1 پیکسل چیست ؟

5-2 انواع تصاویر چیست ؟

5-2-1 تصاویر باینری

5-2-2 تصاویر RGB

5-2-3 تصاویر خاکستری

5-2-4 تصاویر رنگی یا شاخص

5-2-5 تابع خواندن تصویر در متلب

5-3 تبدیل تصویر RGB به گری

5-4 آبجکت چیست ؟

5-5 لبه چیست ؟

5-5-1 انواع لبه ها در تصاویر

5-5-2 تابع تشخیص لبه در متلب

5-6 پس زمینه چیست ؟

5-7 حفره چیست ؟

5-8 هیستوگرام چیست ؟

5-9 سازه چیست ؟

5-10 افزایش دهنده یا انبساط چیست ؟

5-11 ساییدگی

5-12 تابع imopen

5-13 تابع imclose

5-14 تبدیل تصویر باینری به ماتریس برچسب

5-15 تابع imfill

5-16 تابع bwareaopen

5-17 تابع regionprops

6- منابع

فهرست اشکال:

شکل ‏1 1:کاربرد سیستم در پارکینگ های عمومی

شکل ‏1 2 : تصویری از سیستم های شناسایی متحرک پلاک خودرو

شکل ‏1 3 : استفاده از سیستم شناسایی پلاک خودرو در کنترل ورودی و خروجی مناطق حفاظت شده

شکل ‏1 4 : تنوع پلاک های ایرانی

شکل ‏2 1 : فلوچارت اولین الگوریتم

شکل ‏2 2 : یک نمونه پلاک استخراج شده

شکل ‏2 3 (الف) : عملیات بهینه سازی تصویر و تیز کردن لبه های آن

شکل ‏2 4 (ب) : پاکسازی از تصویر و نقاط نویزی زائد

شکل ‏2 5 (ج) : استخراج عنصر اول از پلاک

شکل ‏2 6 : سیستم تشخیص یکسان به صورت موازی بر روی تصاویر مختلف گرفته شده از یک خودرو پردازش تصویر انجام می دهد .

شکل ‏2 7 : سیستم تشخیص پلاک غیر یکسان به صورت موازی بر روی تصاویر مختلف گرفته شده از یک خودرو پردازش انجام می دهند و نتیجه نهایی با استفاده از الگوریتم بیشترین آرا مشخص می شود

شکل ‏2 8 : استفاده از سیستم تشخیص غیر یکسان به صورت پشتیبان

شکل ‏2 9 : مراحل تشخیص محل پلاک خودرو

شکل ‏2 10 : تصویر سطح خاکستری ورودی

شکل ‏2 11 : ماسک عمودی لبه سوبل

شکل ‏2 12 : ماسک افقی لبه سوبل

شکل ‏2 13 : لبه های تصویر بعد از اعمال فیلتر سوبل به تصویر خاکستری ورودی شکل ‏2 10

شکل ‏2 14 : هیستوگرام افقی تصویر لبه های عمودی

شکل ‏2 15 : تصویر کاندید به دست آمده از تصویر لبه

شکل ‏2 16 : محل واقعی کاندید پلاک

شکل ‏2 17 : تصویر حاصل پس از سایش و گسترش افقی

شکل ‏2 18 : تصویر حاصل پس از پر کردن حفره های احتمالی

شکل ‏2 19 : محل تقریبی پلاک

شکل ‏2 20 : گسترش عمودی محل پلاک

شکل ‏2 21 : پلاک استخراج شده از تصویر خاکستری ورودی شکل ‏2 10

شکل ‏2 22 : هیستوگرام پلاک استخراج شده

شکل ‏2 23 : کاراکترهای جدا شده

شکل ‏2 24 نمایی از نحوه کار سیستم

شکل ‏2 25 : نمونه ای از عکس دریافت شده توسط دوربین

شکل ‏2 26 : لبه های تصویر بعد از اعمال فیلتر سوبل

شکل ‏2 27 : نمونه ای از عکسی که حفره هایش پر شده است

شکل ‏2 28 : نمونه ای از ناحیه انتخاب شده

شکل ‏2 29 : نمونه ای از ناحیه استخراج شده از عکس اصلی

شکل ‏2 30

شکل ‏2 31 : نمایی از کاراکتر های پلاک پس از تفکیک آنها

شکل ‏2 32

شکل ‏2 33 : نمایی از آموزش شبکه برای عدد 4

شکل ‏3 1 : الگوریتم پیشنهادی برای پیدا کردن محل پلاک

شکل ‏3 2 : تصویر خاکستری ورودی

شکل ‏3 3 : لبه های عمودی تصویر بعد از اعمال ماسک عمودی سوبل

شکل ‏3 4 : هیستوگرام افقی تصویر لبه های عمودی

شکل ‏3 5 : تصویر کاندید دو سطحی به دست آمده از تصویر لبه

شکل ‏3 6 : تصویر سطر های کاندید که از تصویر خاکستری شکل ‏3 2 برش خورده است

شکل ‏3 7 : تصویری دیگر برای بررسی معیار تراکم

شکل ‏3 8 : هیستوگرام افقی متناظر با شکل ‏3 7

شکل ‏3 9 : روشنایی نقاط روی سطر 116

شکل ‏3 10 : روشنایی نقاط روی سطر 352

شکل ‏3 11 : نقاط کاندید محل پلاک بدون در نظر گرفتن معیار تراکم

شکل ‏3 12 : تصویر حاصل از بخش ‏3-1-4

شکل ‏3 13 : پر کردن حفره های احتمالی شکل شکل ‏3 12

شکل ‏3 14: تصویر حاصل شده از بخش ‏3-1-6

شکل ‏3 15: پلاک استخراج شده از تصویر خاکستری ورودی از شکل ‏3 2

شکل ‏3 16 : نمونه پلاک خودرو در ایران

شکل ‏3 17 : نمونه پلاک فرانسه

شکل ‏3 18 :  نمونه پلاک آلمان

شکل ‏3 19 : نمونه پلاک لهستان

شکل ‏3 20 : پیمایش ستونی برای یافتن نوار آبی رنگ پلاک ملی

شکل ‏3 21 : نسبت استاندارد های پلاک ملی

شکل ‏3 22 : نسبت طول پلاک به طول نوار آبی کناره

شکل ‏3 23 : پلاک استخراج شده پس از مکان یابی

شکل ‏3 24 : خروجی تبدیل غیر خطی

شکل ‏3 25 : خروجی آستانه گیری

شکل ‏3 26 : خروجی عملیات مورفولوژی

شکل ‏3 27 : خروجی حذف خطوط اضافی

شکل ‏3 28 : خروجی فیلتر وینر

شکل ‏3 29 : خروجی حاصل از تصویر فیلتر شده و دو برابر خروجی گرادیان

شکل ‏3 30 : خروجی حاصل از عملیات باز کردن ، فیلتر میانگین و حذف اجزاء کوچک

شکل ‏3 31 : خروجی آستانه گیری

شکل ‏3 32 : تصویر با قسمت فوقانی بسیار روشن

شکل ‏3 33 : تصویر با سطح روشن

شکل ‏3 34 :  مشابهت در شدت روشنایی سطح پلاک و پس زمینه آن

شکل ‏3 35 : پلاک با زمینه غبار آلود

شکل ‏4 1 : تصویر ورودی

شکل ‏4 2 :  تصویر حاصل بعد از اعمال فیلتر prewitt

شکل ‏4 3 : تصویر حاصل پس از پر کردن حفره ها و باز کردن آن با سازه خطی

شکل ‏4 4 : تصویر پلاک بعد از برش از تصویر ورودی

شکل ‏4 5 : تصویر باینری از پلاک

شکل ‏4 6 : تصویر بعد از پر کردن شکل شکل ‏4 5

شکل ‏4 7 : تصویر بعد از اعمال تابع imopen به شکل ‏4 6

شکل ‏4 8 : تصویر بعد از اعمال تابع imclose به شکل شکل ‏4 7

شکل ‏4 9 : تصویر بعد از برش

شکل ‏4 10 : تغیر سایز شکل ‏4 9

شکل ‏4 11 : تصویر شکل ‏4 10 بعد از باینری کردن

شکل ‏4 12 : تصویر شکل ‏4 11  بعد از معکوس کردن

شکل ‏4 13 : تصویر حاصل بعد از اعمال تابع bwareaopen به شکل ‏4 12

شکل ‏4 14 : تصویر قرار گرفته در im2 که نقاط حروف به عنوان نویز حذف شده است

شکل ‏4 15 : تصویر قرار گرفته در im3 که نقاط حروف حذف نشده است

شکل ‏4 16 :  نمایی از جداسازی کاراکترهای پلاک

شکل ‏4 17 : هم اندازه کردن کاراکترهای شکل شکل ‏4 16

شکل ‏4 18 : نمایی از پلاک خوانده شده خودرو

شکل ‏5 1 : خروجی دوربین دیجیتال

شکل ‏5 2 : بزرگنمایی بخشی از تصویر برای دیده شدن پیکسل ها

شکل ‏5 3 : تصویر رنگی به همراه تصویر باینری آن

شکل ‏5 4 : نمایی از سه ماتریس یک تصویر رنگی

شکل ‏5 5 : نمایش تصویری آبجکت ، لبه ، حفره ، زمینه

شکل ‏5 6 : نمایی از لبه افقی تصویر

شکل ‏5 7 : نمایی از لبه عمودی تصویر

شکل ‏5 8 : تصویری برای توضیح منحنی هیستوگرام

شکل ‏5 9 : بزرگ نمایی بخشی از تصویر

شکل ‏5 10 : یک سازه خطی

شکل ‏5 11 : اعمال تابع imdilate بر روی تصویر

شکل ‏5 12 : یک تصویر باینری

شکل ‏5 13 : تصویر باینری بعد از اعمال تابع imdialate

شکل ‏5 14 : نمایی از دو آبجکت بهم چسبیده

شکل ‏5 15 : نتیجه بعد از اعمال تابع imerode  به تصویر شکل شکل ‏5 14

شکل ‏5 16 :  بخشی از یک تصویر که سه آبجکت در آن قرار دارد

شکل ‏5 17 : ماتریس برچسب که از اعمال bwlabel  بر ماتریس شکل شکل ‏5 16 به دست آمده است

شکل ‏5 18 : تصویری باینری که دارای دو حفره می باشد

شکل ‏5 19 : تصویر شکل شکل ‏5 18 بعد از اعمال تابع imfill  به آن

شکل ‏5 20 : تصویری باینری با 5 آبجکت

شکل ‏5 21 : تصویر حاصل از اعمال تابع bwareaopen  بر روی شکل ‏5 20

شکل ‏5 22 : نمایی از پارامترهای Bounding Box

منابع و مأخذ:

ابوالقاسمی وحید و احمدی فرد علیرضا کاربرد تبدیل ITF در سیستم شناسایی پلاک خودرو [مقاله]. - 1386.

احمدی رقیه, حسین زاده دهکردی غلامعلی و نجار اعرابی بابک استفاده ار معیاری های هندسی و بافت برای تشخیص اشیاء در تصاویر متفاوت و پیچیده کاربرد در یافتن اتوماتیک مکان پلاک [مقاله]. - 1383.

اشتری امیر حسین, فتحی محمود و امیری علی روش جدید شناسایی پلاک خودرو در تصاویر ثبت شده تخلف در بزرگراه ها [مقاله]. - 1388.

اشتری امیرحسین و فتحی محمود روش جدید مکان یابی پلاک خودرو در تصاویر رنگی [مقاله]. - 1389.

اشرفی خوزانی ندا و منجمی سید امیر حسن تشخیص ارقام پلاک های خودرو به کمک تکنیک های پردازش تصوبر تبدیل هاف [مقاله]. - 1388.

چاپمن برنامه نویسی Mtlab برای مهندسین [کتاب] / مترجم عبدی بهزاد, کشاورز مهر محمود و آتش پز گرگری اسماعیل. - 2008.

چناقلو بهزاد و رحمتی محمد تشخیص بر خط مکان پلاک خودرو در تصاویر با پس زمینه پیچیده با استفاده از مورفولوژی ریاضی [مقاله]. - 1389.

حیدری مهندس عبدارحمن پردازش تصویر در Mtlab [کتاب]. - پاییز 1389.

رادمر غلامرضا تشخیص شماره پلاک خودرو های ایرانی توسط تکنیک های پردزش تصویر و شبکه عصبی پرسپترون چند لایه [مقاله]. - 1387.

رادمرد غلامرضا [و غیره] تشخیص سریع محل پلاک خودرو با موزائیک بندی و بررسی تصادفی موزائیک ها در تصاویری با فضای رنگی HSV [مقاله]. - 1387.

رحمانی زاده آرش و سالمی موسی پرازش تصویر رقومی با استفاده از Matlab [کتاب]. - 1388.

سایت وب [درون خطی]. - 1389.

سجادی احسان و فدائی ربابه پردازش عملی تصویر با Matlab [کتاب]. - 1388.

فرجی فرهاد و صفا بخش رضا روش جدید و سریع برای تشخیص محل پلاک خودرو از تصاویر پیچیده بر اساس عملیات مورفولوژیکی [مقاله]. - 1385.

فرجی فرهاد و صفا بخش رضا روش جدید و سریع برای تشخیص محل پلاک خودرو از تصاویر پیچیده بر اساس عملیات مورفولوژیکی [مقاله]. - 1385.

گونزالس پردازش تصویر دیجیتال با زبان Matlab [کتاب] / مترجم قمی عین الله جعفر نژاد. - 2009.

معمار زاده محمد صادق, مهدوی نسب همایون و معلم پیمان تشخیص اتوماتیک پلاک خودرو فارسی به کمک روش های پردازش تصویر و شبکه های عصبی [مقاله]. - 1388.

مک اندرو السدر پردازش تصاویر رقومی با استفاده از Matlab [کتاب] / مترجم رحمانی زاده آرش و سالمی موسی. - 2010.

مه آبادی امین اله, فتحی محمود و ناروئی عبداله تشخیص محل و خواندن پلاک فارسی خودرو [مقاله]. - 1388.

یاسری عباس, ترابی سمیرا و باقری حمیرا تشخیص پلاک خودرو با تکنیک پردازش تصویر [مقاله]. - 1387.

تحقیق در مورد تولید اعداد رندم

اختصاصی از حامی فایل تحقیق در مورد تولید اعداد رندم دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

 تعداد صفحه9

روش همنهشتی خطی  Xn+1=(a*Xn + b) mod m ،m  مشخص می کند که اعداد تصادفی تا چه مقداری تولید می شود مثلا اگر m =13 باشد . 13  عدد تصادفی  می توانیم تولید کنیم.

a=2

b=1

X0=5                           X1=( 2 X0 + 1)mod13

m=13

اعدادی که تولید می کند مستقل از هم است ،ولی دنباله اعداد تصادفی که تولید می شود به a وb وm وابسته است . از نظر تئوری اگر a وb  خوب انتخاب شوند می تواند همه اعداد تصادفی را تولید کند .

تست آنتروپـــــــــــی :

در این روش تست ، مبنای آن احتمال آمدن هر عدد می باشد از فرمول زیر محاسبه می شود که Pi احتمال تولید عدد i  - ام توسط مولد عدد تصادفی است.

مثــــال:

X1=( 2 X0 + 1)mod13

X15=7

X10=9

X5=5

X0=0

X16=2

X11=6

X6=11

X1=1

X17=5

X12=0

X7=10

X2=3

X18=11

X13=1

X8=8

X3=7

X19=10

X14=3

X9=4

X4=2

Pi

عدد

2/20

0

2/20

1

2/20

2

2/20

3

1/20

4

2/20

5

1/20

6

2/20

7

1/20

8

1/20

9

2/20

10

2/20

11

0

12

H = - ∑ Pi log Pi

هرچه آنتروپی مقدار H به H max  نزدیک تر باشد این مولد بهتر عمل می کند.

Hmax = log 2 m

تست کی دو :

آزمون آماری خوبی برای تعیین یکنواختی اعداد و ارتباط با مشاهدات و انتظار مشاهده می باشد. برای نمونه های بیشتر از 50 عدد استفاده می گردد. ( N >= 50)

اساس این روش بر تقسیم بندی دسته های مشاهدات  استوار است .

فراوانی اعداد تصادفی تولیدی در هر دسته را با فراوانی انتظار مشاهده مقایسه و نزدیکی آنها را می سنجد. دسته ها هیچ گونه رویهم افتادگی نباید داشته باشند  تعداد  ( دسته ها باید 3 یا بیشتر باشد ).

سپس کای دو را به صورت زیر می یابیم :

Chi2 = ∑ ( Oi – Ei)2

                                     Ei        

که مجموع اختلاف مشاهدات و رخ داد ، داده ها در دسته هاست . هرچه مشاهدات و انتظارات از یکدیگر فاصله بگیرند ، مقدار ( Oi – Ei)2 بیش تر می شود و لذا chi2 افزایش می یابد و چنانچه این دو یکسان باشند مقدارchi2    صفر می شود .

روال کار چنین است :

• نمونه ها به n دسته تقسیم می گردند که باید n>= 3 باشد.
• Oi تعداد مشاهدات در i – امین دسته.
• Ei تعداد انتظار مشاهده در i – امین دسته.

اعداد اول

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

توسط این برنامه که در دو فایل با دو روش مختلف ارائه شده کنترل میکنید که آیا عدد ورودی اول است یا خیر.

دانلود پاورپوینت اعداد طبیعی - 14 اسلاید

اختصاصی از حامی فایل دانلود پاورپوینت اعداد طبیعی - 14 اسلاید دانلود با لینک مستقیم و پر سرعت .

§اعداد طبیعی برای شمارش بکار می روند.

§مجموعه ی اعداد طبیعی از عدد یک شروع شده

 و تا بی نهایت ادامه دارد.

§این مجموعه با نمادN  نمایش داده می شود.

§

§

§کوچکترین عضومجموعه اعداد طبیعی(عضو ابتدا):

عدد یک

§بزرگترین عضومجموعه اعداد طبیعی(عضو انتها):

 تعریف نشده

برای دانلود کل پاپورپوینت از لینک زیر استفاده کنید:

دانلود تحقیق تاریخچه اعداد

اختصاصی از حامی فایل دانلود تحقیق تاریخچه اعداد دانلود با لینک مستقیم و پر سرعت .

انسان اولیه نسبت به اعداد بیگانه بود و شمارش اشیاء اطراف خود را به حسب غریزه یعنی همانطور که مثلاً مرغ خانگی تعداد جوجه‌هایش را می‌داند انجام می‌داد. اما بزودی مجبور شد وسیلة شمارش دقیقتری بوجود آورد. لذا، به کمک انگشتان دست دستگاه شماری پدید آورد که مبنای آن 60 بود. این دستگاه شمار که بسیار پیچیده می‌باشد قدیمی‌ترین دستگاه شماری است که آثاری از آن در کهن‌ترین مدارک موجود یعنی نوشته‌های سومری مشاهده می‌شود.

سومریها که تمدنشان مربوط به حدود هزار سال قبل از میلاد مسیح است در جنوب بین‌النهرین، یعنی ناحیه بین دو رود دجله و فرات ساکن بودند. آنها در حدود 2500 سال قبل از میلاد با امپراطوری سامی، عکاد متحد شدند و امپراطوری و تمدن آشوری را پدید آوردند.

در این موقع مصریها نیز در سواحل سفلای رود نیل تمدنی درخشان پدید آورده بودند. طغیان رود نیل هر سال حدود و ثغور زمینهای زراعتی این قوم را محو می‌کرد. احتیاج به تقسیم مجدد این اراضی موجب رهبری آنها به اولین احکام سادة هندسی گردید. همچنین مبادلات تجارتی و تعیین مقدار باج و خراج سالیانه آنها را وادار به توسعه علم حساب نمود این اطلاعات همگی از روی پاپیروسها و الواحی است که در نتیجه حفاریها بدست آمده و به خط هیروگلیفی می‌باشد. قدیمی‌ترین آنها که مربوط به 1800 سال قبل از میلاد است شامل چند رساله دربارة علم حساب و مسائل حساب مقدماتی می‌باشد، از آن جمله رسالة پاپیروس آهس است که درسال 1868 توسط ایسنلر مصرشناس مشهور ترجمه شد. سایر تمدنهای شرقی نظیر چینی و هندی در ترویج دانش نقش مؤثری نداشته‌اند و جز برخی نتایج پراکنده که در زیر فشار مفاهیم ماوراءالطبیعه خرد شده است چیزی از آنان در دست نیست.

قریب هزار سال پس از نابودی فرهنگ قدیم مصر و محو تمدن آَشور، یونانیان از روی مقدمات پراکنده و بی‌شکل آنها علمی پدید آوردند که در واقع به عالیترین وجه مرتب و منظم گردیده و عقل و منطق را کاملاً اقناع می‌نمود.

نخستین دانشمند معروف یونانی طالس ملطلی (639_548ق.م) است که در پیدایش علوم نقش مهمی بعهده داشته و می‌توان وی را موجد علوم فیزیک ، نجوم و هندسه «تشابه» به او کاملاً بی‌اساس است.

در اوایل قرن ششم ق.م. فیثاغورث (572_500 قبل از میلاد) از اهالی ساموس یونان کم‌کم ریاضیات را بر پایه و اساسی قرار داد و به ایجاد مکتب فلسفی خویش همت گماشت. فیثاغورثیان عدد را بخاطر هم‌آهنگی و نظمی که دارد اساس ومبدأ همه چیز می‌پنداشتند و بر این عقیده بودند که تمام مفاهیم را به کمک آن می‌توان بیان نمود.

پس از فیثاغورث باید از زنون فیلسوف و ریاضیدان یونانی که در 490ق.م در ایلیا متولد شده است نام ببریم.

در اوایل نیمه دوم قرن پنجم بقراط از اهالی کیوس فضاهایی متفرق آن زمان را گردآوری کرد و در حقیقت همین قضایا است که مبانی هندسة جدید ما را تشکیل می‌دهند.

در قرن چهارم قبل از میلاد افلاطون در باغ آکادموس در آتن مکتبی ایجاد کرد که نه قرن بعداز او نیز همچنان برپا ماند. وی ریاضیات مخصوصاً هندسه را بسیار عزیز می‌داشت، تا جائی که بر سردر مکتب خود این جمله را حک کرده بود: «هرکس هندسه نمی‌داند به اینجا قدم نگذارد». این فیلسوف بزرگ به تکمیل منطق که رکن اساسی ریاضیات است همت گماشت و چندی بعد منجم و ریاضیدان معاصر وی ادوکس با ایجاد تئوری نسبت‌ها نشان داد که کمیات اندازه نگرفتنی که تا آن زمان در مسیر علوم ریاضی گودالی حفر کرده بود هیچ چیز غیر عادی ندارد و می‌توان مانند سایر اعداد قواعد حساب را در مورد آنها بکار برد.

فایل ورد 13 ص