جزوه کامل گرامر زبان انگلیسی سال دوم دبیرستان

در این جزوه کلیه نکات مهم گرامری درس اول تا درس هفتم از سال دوم دبیرستان همراه با نمونه سوال و پاسخ کامل ذکر شده است.

تحقیق در مورد خلاصه ای از عملکرد مهندسین

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

تعداد صفحه52

فهرست مطالب

 تاریخچه مخابرات:
سرویسهای ویژه
مسیریابی Routin
مرکز سوئیچ
تلفن نمی توان کل شهر را پوشش داد و عملاً این کار غیر ممکن است برای میسر شدن این مشکل در هر شهر برای هر منطقه یک تزانزیت در نظر گرفتند بطور مثال در کرج فردیس با پیش شماره های 660-650تزانزیت 4 رجائی‌شهر با پیش شمارة 220-250 تزانزیت 2 باغستان با پیش شمارة 430 تزانزیت 6 و حصارک با پیش شماره 455-458 تزانزیت 1 است این ترانزیتها ارتباط بین مناطق را میسر می‌کند اگر شخصی پیش شمارة 430 را می گیرد یعنی با منطقة باغستان کار دارد و وقتی 4 شمارة بعدی را که گرفت ارتباط توسط تزانزیت برقرار می‌شود حال اگر شخصی با پیش شماره 430 خواست با پیش شماره 660 ارتباط برقرار کند باید از تزانزیت 4 به ترانزیت 6 برود و سپس 4 شمارة بعدی ارتباط را برقرار می کند در ضمن هر ترانزیت در هر منطقه با تمام آن

تحقیق در مورد مدیریت دانش در سازمان‌ها

لینک پرداخت و دانلود *پایین مطلب* 

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

تعداد صفحه:23

 فهرست مطالب

مدیریت دانش در سازمان‌ها

چکیده

مقدمه

ماهیت دانش سازمانی

مدیریت دانش

ایجاد دان

اعتباربخشی به دانش

ارائه دانش

توزیع دانش

کاربرد دانش

فرهنگ ایجاد دانش
مقالهء حاضر حاوی مباحثی دربارهء این است که چگونه می‌توان فرآیند مدیریت دانش را به فعالیتهایی در زمینهء ایجاد دانش، اعتبار بخشی به دانش، نمایش و عرضهء دانش، اشاعهء دانش و فعالیتهای بهره‌گیری از آن تقسیم‌بندی نمود. سازمان‌ها به منظور استفاده از دانش باید به سرعت در فعالیت‌های مربوط به مدیریت دانش موازنه ایجاد کنند. عموماً برقراری چنین موازنه‌ای نیازمند ایجاد تغییرات در فرهنگ سازمانی، فناوری‌ها و فنون است. برخی از سازمانها بر این باورند که با تمرکز صرف بر افراد، فناوری و فنون می‌توان دانش را مدیریت کرد. تمرکز صرف بر این سه عامل به ادامه فعالیت‌های رقابتی سازمان‌ها کمک نمی‌کند بلکه تعامل بین این‌ها است که به شکل مؤثری سازمان را در زمینهء مدیریت دانش خود توانمند می‌سازد. با ایجاد یک محیط کاری پویا و آموزنده سازمان‌ها می‌تواند پیشرفت‌های رقابتی‌شان را حفظ کنند.

کلیدواژه‌ها: فناوری اطلاعات/ مدیریت دانش/ سیستم‌های مدیریت دانش/ دانش‌پژوهان/ تعامل

مقدمه
در سالهای اخیر «مدیریت دانش» به یک موضوع مهم و حیاتی مورد بحث در متون تجاری تبدیل شده است. جوامع علمی و تجاری هر دو بر این باورند که سازمانهای با قدرت دانش می‌توانند برتری‌های بلندمدت خود را در عرصه‌های رقابتی حفظ کنند.
منابع نقد و بررسی و چشم‌اندازهای رقابتی سازمان‌ها نشان دهندهء تأثیرات این دیدگاه در عرصه‌های استراتژیک سازمان‌های تجاری است. (نلسون و وینتر، 1982) اگرچه مدیریت، آگاهی از پتانسیل‌های منابع دانش است، اما هنوز اتفاق نظری دربارهء ویژگیهای این دانش و روشهای بهره‌گیری از آن وجود ندارد. محققین و دانشگاهیان دیدگاه متفاوتی در خصوص مدیریت دانش اتخاذ کرده و گستره‌ای از راه‌حل‌های فناوری تا مجموعه‌ای از دستورات عملی را در نظر دارند. به عنوان مثال اکثر مدیران تجاری، قابلیتهای کامپیوترها و فناوری‌های ارتباطی را در مدیریت دانش باور دارند، این افراد استدلال می‌کنند که فناوری اطلاعات می‌تواند از انبوه اطلاعات ذخیره شده در منابع قدیمی مانند مراکز فروش، کارت‌های اعتباری مشتریان، فروشهای تبلیغاتی و اطلاعات مربوط به تخفیف‌های مقطعی، «دانش» فراهم آورد. یا برخی دیگر بر این باورند که «دانش» در ذهن انسانها است و آموزش کارکنان و انگیزهء عوامل کلیدی مدیریت آن به شمار می‌روند.
مؤلف در این مقاله دیدگاه مبسوطی به مقولهء دانش داشته و بیان می‌دارد که تعریف مدیریت دانش صرفاً از منظر فناوری یا سیستم‌های اجتماعی، سبب انحراف به سمت یک دیدگاه و غفلت از دیگری است. همانگونه که در ادامه بحث به آن پرداخته خواهد شد، سیستم‌های اجتماعی و فناوری در مدیریت دانش به یک اندازه مهم هستند.

غرقاب

مقاله کشاورزی با عنوان غرقاب در فرمت ورد در 14 صفحه و حاوی مطالب زیر است:

مقدمه
خسارتهای محیطی در شرایط زمینهای غرقابی
سازگاریهای اناتومیکی و مورفولوژیکی :
سازگاریهای فیزیولوژیکی
تجمع اختصاص کربوهیدراتها :
روابط هورمونی :
اتیلن
سازگاریهای متابولیکی :
در گلیکولیز چند انزیم تخمیری مهم وجود دارد.
الکل دی هیدروژناز (ADH)
لاکتاک دی هیدروژناز (LDH)
پیروات دی کربوکسیلاز

پروژه پردازش تصویر- تشخیص اعدادپلاک های خودرو

پروژه پردازش تصویر- تشخیص اعدادپلاک های خودرو+

فایل ورد و فایل پاور پوینت جهت ارائه و راهنمایی برای نوشتن برنامه مطلب

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 پلاکجداسازی کاراکترهای پلاکتشخیص 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 .

فهرست مطالب

1- مقدمه بر سیستم شناسایی پلاک خودرو و کاربرد های آن. 2

1-1 کاربرد های سیستم شناسایی اتوماتیک پلاک خودرو. 2

1-1-1 کاربرد سیستم در دولت الکترونیک... 3

1-1-2 کاربرد سیستم تشخیص پلاک خودرو در پارکینگ های عمومی.. 3

1-1-3 کنترل و اخذ عوارض ورود به محدوده طرح ترافیک... 4

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

1-1-5 محاسبه مدت سفر. 4

1-1-6 اندازه گیری سرعت متوسط.. 5

1-1-7 شناسایی خودروهای مسروقه. 5

1-1-8 کنترل مرز ها 5

1-1-9 کنترل ترافیک... 5

1-1-10 سیستم های متحرک شناسایی پلاک خودرو. 6

1-1-11 استفاده از سیستم شناسایی پلاک خودرو در پمپ بنزین.. 6

1-1-12 کنترل ورودی و خروجی در مناطق حفاظت شده 6

1-2 مشکلات و موانع موجود در مسیر توسعه سیستم شناسایی اتوماتیک پلاک خودرو. 7

1-2-1 تاثیر شرایط اقلیمی و جغرافیایی.. 7

1-2-2 تاثیر شرایط دانش وفناوری.. 8

1-2-3 تاثیر شرایط قوانین و مقررات در رابطه با شکل ظاهری پلاک خودرو ها 8

1-2-4 قرار گرفتن نویسه های عدد و حروف در یک سطر. 9

1-2-5 تاثیر رسم الخط مرسوم. 9

1-2-6 سایر مشکلات... 9

2- بررسی الگوریتم های مختلف پلاک خودرو. 12

2-1 اولین الگوریتم. 12

2-1-1 دریافت تصاویر از دوربین های کنترل سرعت... 13

2-1-2 عملیات پردازش تصویر و تشخیص پلاک خودرو. 13

2-1-3 شناسایی مکان پلاک خودرو. 14

2-1-4 شناسایی اعداد و حروف... 15

2-1-5 صحت شناسایی پلاک.. 17

2-1-6 روش هایی برای صحت شناسایی پلاک.. 17

2-2 دومین الگوریتم. 20

2-2-1 مرحله تشخیص محل پلاک خودرو. 21

2-2-2 فیلتر گوسین.. 21

2-2-3 پیدا کردن لبه های عمودی تصویر. 21

2-2-4 تحلیل هیستوگرام. 22

2-2-5 پیدا کردن محل کاندید پلاک.. 23

2-2-6 سایش تصویر. 23

2-2-7 گسترش افقی تصویر. 24

2-2-8 پر کردن حفره های احتمالی.. 24

2-2-9 گسترش عمودی تصویر. 25

2-2-10 مرحله جداسازی کاراکترهای پلاک.. 26

2-2-11 مرحله شناسایی کاراکترها 26

2-3 سومین الگوریتم. 27

2-3-1 مرحله استخراج پلاک.. 27

2-3-2 مرحله تفکیک اعداد. 30

2-3-3 مرحله تشخیص اعداد به کمک شبکه های عصبی.. 32

3- بررسی چند الگوریتم برای پیدا کردن محل پلاک خودرو. 35

3-1 روشی سریع برای پیدا کردن محل پلاک خودرو از تصاویر پیچیده بر اساس عملیات مورفولوژی.. 35

3-1-1 پیدا کردن لبه های عمودی تصویر. 35

3-1-2 تحلیل هیستوگرام برای پیدا کردن تصویر کاندید. 37

3-1-3 بررسی معیار تراکم. 38

3-1-4 گسترش در جهت افقی و عمودی و یافتن اشتراک این دو تصویر و گسترش در جهت افقی تصویر اشتراک   40

3-1-5 پر کردن حفره های احتمالی.. 41

3-1-6 سایش تصویر و اعمال فیلتر میانه. 41

3-1-7 استخراج پلاک.. 42

3-2 روش جدید مکان یابی پلاک خودرو در تصاویر رنگی.. 43

3-2-1 روش شناسایی مکان پلاک.. 43

3-3 استفاده از معیار هندسی و بافت برای تشخیص اشیاء در تصاویر متفاوت و پیچیده 47

3-3-1 گردآوری تصاویر. 47

3-3-2 پیش پردازش... 47

3-3-3 انتخاب نواحی کاندید. 51

3-3-4 یافتن مکان پلاک.. 51

3-3-5 تکرار الگوریتم برای یافتن پلاک های کوچک... 52

4- الگوریتم پروژه 56

4-1 پیدا کردن آبجکت های تصویر. 56

4-2 پیدا کردن ناحیه پلاک و بهینه کردن ناحیه مربوطه. 57

4-3 پیدا کردن نواحی شاما اعدادپلاک.. 58

4-4 جداسازی کاراکترهای پلاک.. 62

4-5 هم اندازه کردن ابعاد کاراکترهای جدا شده 62

4-6 فراخوانی نمونه های اصلی از اعداد و حروف... 63

4-7 مقایسه نمونه های اصلی با کاراکترهای جدا شده 63

5- تعریف چند اصطلاح در پردازش تصویرو دستورات آن در متلب... 66

5-1 پیکسل چیست ؟. 66

5-2 انواع تصاویر چیست ؟. 67

5-2-1 تصاویر باینری.. 67

5-2-2 تصاویر RGB.. 67

5-2-3 تصاویر خاکستری.. 68

5-2-4 تصاویر رنگی یا شاخص.... 68

5-2-5 تابع خواندن تصویر در متلب... 69

5-3 تبدیل تصویر RGB به گری.. 69

5-4 آبجکت چیست ؟. 69

5-5 لبه چیست ؟. 69

5-5-1 انواع لبه ها در تصاویر. 70

5-5-2 تابع تشخیص لبه در متلب... 71

5-6 پس زمینه چیست ؟. 72

5-7 حفره چیست ؟. 72

5-8 هیستوگرام چیست ؟. 72

5-9 سازه چیست ؟. 73

5-10 افزایش دهنده یا انبساط چیست ؟. 73

5-11 ساییدگی.. 75

5-12 تابع imopen. 76

5-13 تابع imclose. 76

5-14 تبدیل تصویر باینری به ماتریس برچسب 76

5-15 تابع imfill 77

5-16 تابع bwareaopen. 78

5-17 تابع regionprops. 79

6- منابع. 80

فهرست اشکال

شکل ‏1‑1:کاربرد سیستم در پارکینگ های عمومی.. 4

شکل ‏1‑2 : تصویری از سیستم های شناسایی متحرک پلاک خودرو. 6

شکل ‏1‑3 : استفاده از سیستم شناسایی پلاک خودرو در کنترل ورودی و خروجی مناطق حفاظت شده 7

شکل ‏1‑4 : تنوع پلاک های ایرانی.. 8

شکل ‏2‑1 : فلوچارت اولین الگوریتم. 12

شکل ‏2‑2 : یک نمونه پلاک استخراج شده 14

شکل ‏2‑3 (الف) : عملیات بهینه سازی تصویر و تیز کردن لبه های آن. 15

شکل ‏2‑4 (ب) : پاکسازی از تصویر و نقاط نویزی زائد. 15

شکل ‏2‑5 (ج) : استخراج عنصر اول از پلاک.. 15

شکل ‏2‑6 : سیستم تشخیص یکسان به صورت موازی بر روی تصاویر مختلف گرفته شده از یک خودرو پردازش تصویر انجام می دهد . 18

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. 18

شکل ‏2‑8 : استفاده از سیستم تشخیص غیر یکسان به صورت پشتیبان. 19

شکل ‏2‑9 : مراحل تشخیص محل پلاک خودرو. 20

شکل ‏2‑10 : تصویر سطح خاکستری ورودی.. 21

شکل ‏2‑11 : ماسک عمودی لبه سوبل.. 22

شکل ‏2‑12 : ماسک افقی لبه سوبل.. 22

شکل ‏2‑13 : لبه های تصویر بعد از اعمال فیلتر سوبل به تصویر خاکستری ورودی شکل ‏2‑10. 22

شکل ‏2‑14 : هیستوگرام افقی تصویر لبه های عمودی.. 22

شکل ‏2‑15 : تصویر کاندید به دست آمده از تصویر لبه. 23

شکل ‏2‑16 : محل واقعی کاندید پلاک.. 23

شکل ‏2‑17 : تصویر حاصل پس از سایش و گسترش افقی.. 24

شکل ‏2‑18 : تصویر حاصل پس از پر کردن حفره های احتمالی.. 25

شکل ‏2‑19 : محل تقریبی پلاک.. 25

شکل ‏2‑20 : گسترش عمودی محل پلاک.. 25

شکل ‏2‑21 : پلاک استخراج شده از تصویر خاکستری ورودی شکل ‏2‑10. 26

شکل ‏2‑22 : هیستوگرام پلاک استخراج شده 26

شکل ‏2‑23 : کاراکترهای جدا شده 26

شکل ‏2‑24 نمایی از نحوه کار سیستم. 27

شکل ‏2‑25 : نمونه ای از عکس دریافت شده توسط دوربین.. 28

شکل ‏2‑26 : لبه های تصویر بعد از اعمال فیلتر سوبل.. 28

شکل ‏2‑27 : نمونه ای از عکسی که حفره هایش پر شده است... 29

شکل ‏2‑28 : نمونه ای از ناحیه انتخاب شده 29

شکل ‏2‑29 : نمونه ای از ناحیه استخراج شده از عکس اصلی.. 30

شکل ‏2‑30. 31

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

شکل ‏2‑32. 32

شکل ‏2‑33 : نمایی از آموزش شبکه برای عدد 4. 32

شکل ‏3‑1 : الگوریتم پیشنهادی برای پیدا کردن محل پلاک.. 36

شکل ‏3‑2 : تصویر خاکستری ورودی.. 36

شکل ‏3‑3 : لبه های عمودی تصویر بعد از اعمال ماسک عمودی سوبل.. 37

شکل ‏3‑4 : هیستوگرام افقی تصویر لبه های عمودی.. 37

شکل ‏3‑5 : تصویر کاندید دو سطحی به دست آمده از تصویر لبه. 38

شکل ‏3‑6 : تصویر سطر های کاندید که از تصویر خاکستری شکل ‏3‑2 برش خورده است... 38

شکل ‏3‑7 : تصویری دیگر برای بررسی معیار تراکم. 39

شکل ‏3‑8 : هیستوگرام افقی متناظر با شکل ‏3‑7. 39

شکل ‏3‑9 : روشنایی نقاط روی سطر 116. 39

شکل ‏3‑10 : روشنایی نقاط روی سطر 352. 40

شکل ‏3‑11 : نقاط کاندید محل پلاک بدون در نظر گرفتن معیار تراکم. 40

شکل ‏3‑12 : تصویر حاصل از بخش ‏3-1-4. 40

شکل ‏3‑13 : پر کردن حفره های احتمالی شکل شکل ‏3‑12. 41

شکل ‏3‑14: تصویر حاصل شده از بخش ‏3-1-6. 41

شکل ‏3‑15: پلاک استخراج شده از تصویر خاکستری ورودی از شکل ‏3‑2. 42

شکل ‏3‑16 : نمونه پلاک خودرو در ایران. 44

شکل ‏3‑17 : نمونه پلاک فرانسه. 44

شکل ‏3‑18 : نمونه پلاک آلمان. 44

شکل ‏3‑19 : نمونه پلاک لهستان. 44

شکل ‏3‑20 : پیمایش ستونی برای یافتن نوار آبی رنگ پلاک ملی.. 45

شکل ‏3‑21 : نسبت استاندارد های پلاک ملی.. 45

شکل ‏3‑22 : نسبت طول پلاک به طول نوار آبی کناره 45

شکل ‏3‑23 : پلاک استخراج شده پس از مکان یابی.. 46

شکل ‏3‑24 : خروجی تبدیل غیر خطی.. 49

شکل ‏3‑25 : خروجی آستانه گیری.. 49

شکل ‏3‑26 : خروجی عملیات مورفولوژی.. 49

شکل ‏3‑27 : خروجی حذف خطوط اضافی.. 49

شکل ‏3‑28 : خروجی فیلتر وینر. 50

شکل ‏3‑29 : خروجی حاصل از تصویر فیلتر شده و دو برابر خروجی گرادیان. 50

شکل ‏3‑30 : خروجی حاصل از عملیات باز کردن ، فیلتر میانگین و حذف اجزاء کوچک... 50

شکل ‏3‑31 : خروجی آستانه گیری.. 50

شکل ‏3‑32 : تصویر با قسمت فوقانی بسیار روشن.. 52

شکل ‏3‑33 : تصویر با سطح روشن.. 52

شکل ‏3‑34 : مشابهت در شدت روشنایی سطح پلاک و پس زمینه آن. 53

شکل ‏3‑35 : پلاک با زمینه غبار آلود. 53

شکل ‏4‑1 : تصویر ورودی.. 56

شکل ‏4‑2 : تصویر حاصل بعد از اعمال فیلتر prewitt 57

شکل ‏4‑3 : تصویر حاصل پس از پر کردن حفره ها و باز کردن آن با سازه خطی.. 57

شکل ‏4‑4 : تصویر پلاک بعد از برش از تصویر ورودی.. 58

شکل ‏4‑5 : تصویر باینری از پلاک.. 58

شکل ‏4‑6 : تصویر بعد از پر کردن شکل شکل ‏4‑5. 58

شکل ‏4‑7 : تصویر بعد از اعمال تابع imopen به شکل ‏4‑6. 59

شکل ‏4‑8 : تصویر بعد از اعمال تابع imclose به شکل شکل ‏4‑7. 59

شکل ‏4‑9 : تصویر بعد از برش... 59

شکل ‏4‑10 : تغیر سایز شکل ‏4‑9. 59

شکل ‏4‑11 : تصویر شکل ‏4‑10 بعد از باینری کردن. 59

شکل ‏4‑12 : تصویر شکل ‏4‑11 بعد از معکوس کردن. 60

شکل ‏4‑13 : تصویر حاصل بعد از اعمال تابع bwareaopen به شکل ‏4‑12. 60

شکل ‏4‑14 : تصویر قرار گرفته در im2 که نقاط حروف به عنوان نویز حذف شده است... 61

شکل ‏4‑15 : تصویر قرار گرفته در im3 که نقاط حروف حذف نشده است... 61

شکل ‏4‑16 : نمایی از جداسازی کاراکترهای پلاک.. 62

شکل ‏4‑17 : هم اندازه کردن کاراکترهای شکل شکل ‏4‑16. 62

شکل ‏4‑18 : نمایی از پلاک خوانده شده خودرو. 63

شکل ‏5‑1 : خروجی دوربین دیجیتال. 66

شکل ‏5‑2 : بزرگنمایی بخشی از تصویر برای دیده شدن پیکسل ها 66

شکل ‏5‑3 : تصویر رنگی به همراه تصویر باینری آن. 67

شکل ‏5‑4 : نمایی از سه ماتریس یک تصویر رنگی.. 68

شکل ‏5‑5 : نمایش تصویری آبجکت ، لبه ، حفره ، زمینه. 69

شکل ‏5‑6 : نمایی از لبه افقی تصویر. 70

شکل ‏5‑7 : نمایی از لبه عمودی تصویر. 70

شکل ‏5‑8 : تصویری برای توضیح منحنی هیستوگرام. 72

شکل ‏5‑9 : بزرگ نمایی بخشی از تصویر. 74

شکل ‏5‑10 : یک سازه خطی.. 74

شکل ‏5‑11 : اعمال تابع imdilate بر روی تصویر. 74

شکل ‏5‑12 : یک تصویر باینری.. 75

شکل ‏5‑13 : تصویر باینری بعد از اعمال تابع imdialate. 75

شکل ‏5‑14 : نمایی از دو آبجکت بهم چسبیده 76

شکل ‏5‑15 : نتیجه بعد از اعمال تابع imerode به تصویر شکل شکل ‏5‑14. 76

شکل ‏5‑16 : بخشی از یک تصویر که سه آبجکت در آن قرار دارد. 77

شکل ‏5‑17 : ماتریس برچسب که از اعمال bwlabel بر ماتریس شکل شکل ‏5‑16 به دست آمده است... 77

شکل ‏5‑18 : تصویری باینری که دارای دو حفره می باشد. 77

شکل ‏5‑19 : تصویر شکل شکل ‏5‑18 بعد از اعمال تابع imfill به آن. 77

شکل ‏5‑20 : تصویری باینری با 5 آبجکت... 78

شکل ‏5‑21 : تصویر حاصل از اعمال تابع bwareaopen بر روی شکل ‏5‑20. 78

شکل ‏5‑22 : نمایی از پارامترهای Bounding Box. 79