آقای نجات اله افشار دانشجوی کارشناسی ارشد جناب آقایان دکتر عادل ترکمان رحمانی روز دوشنبه 19/10/90 ساعت 16 در اتاق 304 واقع در طبقه سوم دانشکده کامپیوتر از پروژه کارشناسی ارشد خود تحت عنوان برازش منحنی با استفاده از الگوریتم های ژنتیک همکار دفاع خواهند نمود.

  چکیده پایان نامه:

  برازش منحنی کاربرد­های زیادی در حوزه­های مختلف دارد. روش­های بسیار متنوعی برای برازش منحنی وجود دارد که هر کدام برای انواع خاصی از مسائل مناسب می­باشند. در این پایان­نامه روش جامع­تری را ارائه می­دهیم که طیف وسیع­تری از مسائل را پوشش می­دهد. هدف اصلی این است که چندین منحنی Bezier درجه سه را به نقاط داده­ای که دارای ترتیب و توزیع دلخواه هستند، برازش کنیم. این منحنی­ها باید نماینده خوبی برای نقاط اطراف خود باشند و همچنین پیوسته و هموار باشند. این محدودیت­ها و همچنین فضای بزرگ جستجو فرآیند برازش را دشوار می­سازد. در روش پیشنهادی از قابلیت خوب الگوریتم­های تکاملی همکار در مسائل با ابعاد بالا بهره می­جوییم تا منحنی­هایی را به خوشه­هایی از نقاط برازش کنیم.

نقاط داده قبل از فرآیند برازش با استفاده از تکنیک­های سلسله­مراتبی خوشه­بندی می­شوند. روش پیشنهادی به مجموعه داده‎های مختلف اعمال شده و حاصل آن مجموعه‎ای از منحنی‎های پیوسته و هموار است که به خوبی به نقاط برازش شده‎اند. همچنین این روش را با سایر روش‎ها بر روی دو مجموعه داده معروف مقایسه کرده‎ایم. نتایج نشان می‎دهند که خطای روش پیشنهادی نزدیک به خطای سایر روش‎هاست. به عبارت دیگر در بعضی از موارد میزان خطا کمتر و در بعضی از موارد بیشتر است. مزیت اصلی این روش این است که می ‎ تواند به انواع مختلفی از نقاط داده تعمیم داده شود و منحنی‎های نهایی از لحاظ بصری دارای ظاهر خوبی هستند. روش پیشنهادی می‎تواند به عنوان یک قالب کاری برای مسئله برازش منحنی به کار رود.

واژه‌های کلیدی: برازش منحنی، الگوریتم­های ژنتیک همکار، منحنی­های Bezier ، خوشه­بندی سلسله­مراتبی

Abstract:

  Curve fitting has many applications in lots of domains. The literature is full of fitting methods which are suitable for specific kinds of problems. In this thesis we introduce a more general method to cover a wider range of problems. Our goal is to fit some cubic Bezier curves to data points of any distribution and order. The curves should be good representatives of the points and be connected and smooth. Theses constraints and the big search space make the fitting process difficult. We use the good capabilities of the coevolutionary algorithms in large problem spaces to fit the curves to the clusters of data. The data are clustered using hierarchical techniques before the fitting process. The proposed method is applied to different datapoints and the result is a set of well-fitted connected and smooth curves. We have also compared the method with some other fitting methods on two well-known datapoints. The results show that the error of the proposed method is near to the error of other curve fitting methods, i.e it is less in some cases and more in some other ones. The main advantage of this method is that it can be generalized for many types of datapoints and the final curves are visually goodlooking. The proposed method can be used as a framework for the curve fitting problem.

  Keywords: Curve fitting, Bezier curves, Coevolutionary genetic algorithms, Hierarchical clustering

  ارائه­دهنده:

نجات اله افشار

  اساتید راهنما:

دکتر عادل ترکمان رحمانی

دکتر محسن سریانی

  استاد ممتحن داخلی :  

  دکتر محمدرضا کنگاوری

 استاد ممتحن خارجی :

دکتر حمید بیگی

  زمان : دوشنبه 19 دیماه

  ساعت 16 

 مکان: دانشکده مهندسی کامپیوتر- طبقه سوم- اتاق 304

  از اساتید بزرگوار، دانشجویان گرامی و دیگر متخصصان و علاقه مندان به موضوع دفاعیه دعوت
می شود با حضور خود موجبات غنای علمی و ارتقای کیفی را فراهم سازند.

  دانشکده مهندسی کامپیوتر مدیریت تحصیلات تکمیلی