Skip to main content
SUPERVISOR
Mohammad Reza Ahmadzadeh
محمدرضا احمدزاده (استاد راهنما)
 
STUDENT
Mojtaba Norouzi
مجتبی نوروزی

FACULTY - DEPARTMENT

دانشکده مهندسی برق و کامپیوتر
DEGREE
Master of Science (MSc)
YEAR
1391
Data justify; MARGIN: 0in 0in 0pt; unicode-bidi: embed; DIRECTION: ltr" First step of this processing is the data clustering. Many clustering methods have been proposed till now in which almost all of them estimation of the number of clusters is an important issue. In this thesis we propose a new method in order to estimate the number of clusters. This method is based on rough sets theory and data discretization. Our proposed method has not only the ability to estimate the number of clusters but also determining initial centers of clusters. We used hierarchical and k-means clustering algorithm in order to achieve the goal of putting data in proper clusters. In the second step we also propose an algorithm based on support vector machine (SVM) and relevance vector machine (RVM) for justify; MARGIN: 0in 0in 0pt; unicode-bidi: embed; DIRECTION: ltr" Keywords: Radar Emitter Identification, Rough Sets Theory, Discretization, Support Vector Machines, Relevance Vector Machines.
طبقه‌بندی داده‌ها یکی از مباحث مهم در زمینه‌های مختلف علوم به شمار می‌رود. سیگنال‌های رادار یکی از منابع مهم اطلاعاتی است که به منظور شناسایی اشیا مختلف مورد استفاده قرار می‌گیرد. در تکنو‌لوژی رادار، طبقه‌بندی داده‌ها از اهمیت ویژه‌ای بر‌خوردار است. در زمینه‌ی جنگ الکترونیک یکی از قسمت‌های مهم سیستم‌های هوشمند الکترونیکی، شناسایی رادار ساطع کننده‌ی سیگنال می‌باشد. به منظور نیل به هدف فوق، پس از دریافت سیگنال رادار از آنتن گیرنده نیاز به انجام یک سری پردازش‌های سلسله مراتبی می‌باشد. این پردازش‌ها را می‌توان در دو بخش استخراج ویژگی‌های مناسب از پالس‌های دریافتی و عملیات طبقه‌بندی براساس ویژگی‌های استخراج شده خلاصه نمود. عملیات طبقه‌بندی داده‌ها، بر روی کلمات توصیف‌کننده‌ی پالس یا به اختصار PDWs که مشخصات سیگنال را توصیف می‌کند، انجام می‌گیرد. گام اول در بخش طبقه‌بندی داده‌ها، انجام عملیات خوشه‌بندی است. تاکنون روش‌های خوشه‌بندی متعددی ارائه شده است. در اکثر روش‌های خوشه‌بندی ارائه شده، تخمین صحیح تعداد خوشه‌ها از اهمیت خاصی بر‌خوردار است و روش‌های متنوعی بدین منظور پیشنهاد شده است. در این تحقیق، به منظور تخمین تعداد صحیح خوشه‌ها، روشی جدید مبتنی بر نظریه‌ی مجموعه‌های راف و گسسته‌سازی داده‌ها معرفی گردیده است. این روش علاوه بر تخمین تعداد خوشه‌ها، قادر است میانگین اولیه‌ی خوشه‌ها را نیز محاسبه کند. وجود این دو پارامتر، در اکثر الگوریتم‌های خوشه‌بندی مورد نیاز است. به منظور انجام عملیات خوشه‌بندی از الگوریتم‌های سلسله‌مراتبی و k-means استفاده‌ شده است. در گام دوم به منظور طبقه‌بندی داده‌ها، استفاده از روش‌های طبقه‌بندی ماشین بردار پشتیبان (SVM)و ماشین بردار رابط (RVM)پیشنهاد شده است. پس از انجام عملیات خوشه‌بندی و طبقه‌بندی داده‌ها از برخی معیارهای اعتبار سنجی به منظور تأیید قدرت روش پیشنهادی در مقایسه با سایر روش‌ها استفاده شده است. نتایج حاصل شده نیز برتری روش پیشنهادی را نسبت به سایر روش‌ها نشان می‌دهد. کلمات کلیدی: شناسایی رادار ساطع‌کننده، نظریه‌ی مجموعه‌های راف، گسسته‌سازی، ماشین بردار پشتیبان، ماشین بردار رابط.

ارتقاء امنیت وب با وف بومی