{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "TK378",
        "title": "کاهش ویژگی تصاویر دریافتی توسط موبایل ربات با استفاده از الگوریتم سیستم ایمنی مصنوعی",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1393",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "TK378",
        "title": "کاهش ویژگی تصاویر دریافتی توسط موبایل ربات با استفاده از الگوریتم سیستم ایمنی مصنوعی",
        "degree": null,
        "faculty": "مهندسی برق",
        "year": 1393,
        "authors": [
            {
                "name": "مریم سادات هاشمی پور",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "سید علی سلیمانی ایوری",
                "role": "استاد راهنما"
            }
        ],
        "keywords": [
            "الگوریتم انتخاب کلونال",
            "الگوریتم انتخاب کلونال تطبیقی",
            "الگوریتم سیستم ایمنی مصنوعی",
            "استخراج بافت",
            "کاهش ویژگی",
            "ماتریس هم رخداد سطح خاکستری",
            "ماشین بردار پشتیبان"
        ],
        "abstract": "امروزه با توجه به رشد روزافزون جمع آوری اطلاعات و قابلیت های موجود در ذخیره سازی، توجه بسیار زیادی به مسأله انتخاب، استخراج و کاهش ویژگی شده است. در سال های اخیر الگوریتم سیستم ایمنی مصنوعی بر پایه انتخاب کلونال به دلیل خاصیت بهینه سازی و تکامل گرا بودن بسیار مورد توجه قرار گرفته است. در صورت انتخاب تابع مناسب برای محاسبه میل ترکیبی در الگوریتم سیستم ایمنی مصنوعی و انجام عمل فراجهش و کلونی سازی بر مبنای میل ترکیبی در الگوریتم انتخاب کلونال، این روش نتیجه مطلوبی را در زمینه کاهش ویژگی ارائه می دهد.\r\nدر این تحقیق یک بردار ویژگی به ازای تک تک پیکسل های تصویر دریافت شده توسط موبایل ربات استخراج شده است و برای تشخیص پیکسل های جاده و غیرجاده از ماشین بردار پشتیبان استفاده شده است. سپس با الگوریتم سیستم ایمنی مصنوعی و ماشین بردار پشتیبان با کرنل RBF به عنوان تابع ارزیابی، عمل کاهش بردارهای ویژگی استخراج شده انجام شده است. جهت افزایش دقت کلاسه-بند SVM، در کنار عمل کاهش ویژگی به صورت همزمان پارامتر های SVM و کرنل RBF نیز بهینه می شوند. با استفاده از الگوریتم انتخاب کلونال تطبیقی در الگوریتم سیستم ایمنی مصنوعی زمان اجرا کاهش یافته است در نهایت روش پیشنهادی روی مجموعه داده های UCI و مجموعه داده استخراج شده از تصویر موبایل ربات تست شده است. در این تحقیق به میانگین دقت 26/94 به ازای میانگین 62/68 درصد کاهش ویژگی در مجموعه داده های UCI و دقت 97/83 به ازای 90/64 درصد کاهش ویژگی در مجموعه داده استخراج شده از تصاویر موبایل ربات دست یافتیم.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_TK378.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}