سورس ها و آموزش هاي MATLAB

سورس پیوست شده مربوط به تشخیص چهره با الگوریتم Kanade–Lucas–Tomasi یا به اختصار KLT است که برخلاف الگوریتم Voila-Jones قابلیت تعیین زاویه ی چرخش چهره و یا تجانس آن را دارد.

کد زیر مثالی از نوشتن مقدار سه متغیر در یک فایل متنی است:

کد:

---

a = 2;
b = 4;
c = 10;
fid = fopen('output.txt','w');
fprintf(fid,'a=%g\r\n',a);
fprintf(fid,'b=%g\r\n',b);
fprintf(fid,'c=%g',c);
fclose(fid);

---

برای تبدیل یک رنگ از فضای RGB به HSV به شکل زیر عمل می کنیم:

کد:

---

rgb2hsv([255 128 0])

---

کد MATLAB پیوست شده تابعی است که کاربر را قادر می سازد تا فریم های دلخواهی را از یک فایل ویدئویی حذف کند و ویدئوی جدید را در خروجی تولید نماید.

جهت Crop کردن یک تصویر در متلب به شکل زیر عمل می کنیم:

کد:

---

I = imread('Image Path');
I2 = imcrop(I,[x1 y1 x2 y2]);
imshow(I2)

---

که در آن x₁، y₁ و x₂، y₂ مختصات دو گوشه ی مستطیل برش اند.

برای تولید اعداد تصادفی صحیح بین دو عدد a و b به شکل زیر عمل می کنیم:

کد:

---

randi([a,b])

---

فایل پیوست شده مربوط به شبیه سازی یک Classic Washout Filter جهت ایجاد حرکات شتاب دار در شبیه ساز ها است. برای اجرای فایل نیاز به نرم افزار MATLAB 2013 است.

در صورتی که بخواهیم بهینه سازی مقاوم انجام دهیم چگونه باید از این کد استفاده کرد؟

نقل قول:

---

ارسالی توسط ravegoat برای مشاهده این لینک/عکس می بایست عضو شوید !برای عضویت اینجا کلیک کنید ]

سورس پيوست شده مربوط به بهينه سازي چند هدفه با NSGA II است. كاربر مي تواند با تعريف دو تابع هدف (Cost Function) در فايل cf.m و تعيين پارامتر هايي نظير بازه ي تغييرات متغير هاي طراحي (به تعداد دلخواه)، طول كروموزوم، تعداد جمعيت اوليه و تعداد نسل ها در فايل main.m ، فرآيند بهينه سازي را اجرا نمايد. در نهايت برنامه Pareto Front به علاوه نقطه ي مصالحه ي طراحي (Trade-Off Point) را به كاربر نمايش مي دهد.
لازم به ذكر است كه اين سورس شامل بهينه سازي مقاوم (Robust Optimization) با ديدگاه هاي RBDO و RDO نيز است.

---

نقل قول:

---

ارسالی توسط gomnam15010 برای مشاهده این لینک/عکس می بایست عضو شوید !برای عضویت اینجا کلیک کنید ]

در صورتی که بخواهیم بهینه سازی مقاوم انجام دهیم چگونه باید از این کد استفاده کرد؟

---

با سلام!

در مجموعه ای که شما بهش اشاره کردید بهینه سازی مقاوم بر اساس دو رویکرد RBDO و RDO صورت می گیره. در RBDO توابع هدف شما احتمال های شکست خواهند بود که در فایلی که در انجمن قرار داده شده بود احتمال شکست در مورد مقاومت و جرم یک تیر تحت بار لحاظ شده بود. در RDO میانگین و انحراف مربوط به یک پارامتر مثلا مقاومت تیر به عنوان توابع هدف مطرح میشه. برای استفاده از این فایل ها شما کافیه تعداد نمونه ها و PDF و CDF پارامتر های عدم قطعیت رو تعیین کنید و خروجی رو به عنوان توابع هدف در NSGA استفاده کنید.

موفق باشید
آرمین

برای یافتن عدد شرطی (Condition Number) ماتریس A به شکل زیر عمل می کنیم:

کد:

---

cond(A)

---