عنوان اصلی مقاله: Time Series Classification Using Gaussian Mixture Models of Reconstructed Phase Spaces

مقاله طبقه بندی سری های زمانی با استفاده از مدل ترکیبی گاسیان در ارتباط با مراحل بازسازی

دانلود اصل مقاله (رایگان)

خلاصه مطالب

روش های طبقه بندی جدید ارائه شده است که بر مبنای مدل سازی دینامیک سیستم ها می باشد که در مراحل بازسای مورد محاسبه قرار می گیرد. این مدل سازی ها بر مبنای استفاده از مدل ترکیبی کوواریانس گاسیان در ارتباط با حوزه زمانی در مقایسه با فعالیت های کنونی و جاری در طبقه بندی سیگنال ها انجام می گیرد که معمولا تمرکز آن بر روی تجزیه و تحلیل سیستم های خطی با استفاده از محتوای فرکانس و یا مدل های یادگیری ماشینی غیر خطی همانند شبکه های عصبی مصنوعی می باشد.

روش های مطرح شده دارای مبناهای نظری قوی می باشند که بر اساس سیستم های دینامیکی و برهان های توپولوژیکی می باشند که منجر به بازسازی سیگنالی می گردند و برای اینکه در ارتباط با این سیستم باشند دارای پارامترهای انتخابی مناسبی می باشند. این الگوریتم ها به طور اتوماتیک این پارامترها را ارزیابی کرده که مراحل بازسازی را به طور مناسبی ایجاد کنند و نیازمند تعدادی از آمیزه ها , سیگنال ها و طبقه بندی ها به عنوان یک طبقه می باشند.سه نوع اطلاعات جداگانه در ارتباط با ارزیابی ها مورد استفاده قرار می گیرند که شامل موتور شبیه ساز , دستگاه ثبت ضربان قلب و امواج گفتار می باشد. نتایج نشان می دهد که روش های مطرح شده در طول این حوزه های مختلف قدرتمند بوده و به طور مهمی شبکه های عصبی بر مبنای وقفه زمانی فعالیت می کنند.
کلمات کلیدی :

شاخص ها- طبقه بندی سیگنال ها , مراحل بازسازی , مدل ترکیبی گاسیان

دانلود ترجمه :

برای نمایش لینک دانلود ابتدا باید پرداخت آنلاین را انجام دهید.

راهنما : پس از کلیک بر روی دکمه پرداخت فاکتور نمایش داده خواهد شد و در فرم بعدی آدرس ایمیل و نام خودتان را وارد کنید و سپس دکمه خرید را بزنید به درگاه بانک متصل شده و عملیات پرداخت آنلاین را انجام دهید سپس لینک دانلود پروژه برای شما به نمایش در خواهد آمد و همچنین پروژه نیز به ایمیل وارد شده ارسال خواهد شد.

برای راهنمایی می توانید با یکی از موارد زیر تماس بگیرید

ایمیل :                        iporoje@gmail.com (پشتیبانی ۲۴ ساعته)

تلفن تماس :                ۰۹۱۴۴۱۸۵۳۲۶ (پشتیبانی ۲۴ ساعته)