روشی جدید در برازش خطوط راست به یک سیستم چند ضابطه ای به منظور کاهش خطا

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,247

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ROUDSARIT01_251

تاریخ نمایه سازی: 19 مرداد 1390

چکیده مقاله:

همانطور که میدانیم در یک سیستم می توان خط راستی که نمایانگر مشخصات سیستم است را با استفاده از متدهای مختلف به آن سیستم برازش کرد از جمله ی این روشها می توان به مینیمم میانگین مربعات و همچنین میانگین محل برش اشاره کرد اما اگر سیستم مورد مطالعه ی ما یک سیستم چند ضابطه ای باشد انگاه این انطباق با هر روشی که انجام شود نمی تواندن جواب مناسبی را برای ما به همراه داشته باشد دراین روش جدید ابتدا خطای سیستم محاسبه می گردد اگر این میزان خطا از حد خاصی بیشتر بود با یک سیستم چند ضابطه ای روبرو هستیم که با استفاده از متد مینیمم فاصله یک کلاسبندی بین داده های سیستم صورت میگیرد. حال به هریک از این کلاسها یک خط برازش می گردد. درسیستمهایچند ضابطه ای استفاده از این روش می تواند خطای ناشی از برازش خط راست را به صورت چشمگیری کاهش دهد.

کلیدواژه ها:

نویسندگان

غلامحسین روشنی

گروه مهندسی گداخت دانشگاه صنعتی امیرکبیر

سعید ستایشی

گروه مهندسی پرتوپزشکی دانشگاه صنعتی امیرکبیر

فرزین شماع

گروه مهندسی الکترونیک دانشگاه رازی

سعید روشنی

گروه مهندسی الکترونیک دانشگاه شاهد

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • R. 0. Duda and P E. Hart, Patter Classification and ...
  • Curve Fitting Tolbax, For Use with MATLAB. ...
  • Behzad Kamgar-parsi and Behrooz kamgar-parsi, _ Nonparametric Methode for Fitting ...
  • _ A. Fischler and R C. Bolles, "Random sample ...
  • consensu. a paradigm for model fitting with applications to image ...
  • D. Rupert and R. J. Carroll, "Trimmed least squares ...
  • estimation in the linear model, " J. Amer. Stat. Assoc., ...
  • M. L. Brown, "Robust line estimation with errors in both ...
  • Learning mach ines -Foundation of trainable pattern- NILSSON. ...
  • نمایش کامل مراجع