تکه هایی از این پایان نامه :

3-4-2-1-سرعت و بهره بیشتر در بخش بندی T2-BIC

برای افزایش سرعت و بازدهی در این روش، افزایش اندازه پنجره متغیر و آزمایش پرش قاب نیز پیشنهاد شده می باشد. اندازه و خلوص داده موجود در هر پنجره، برای گرفتن تصمیمات آماری قابل اطمینان اهمیت فراوانی دارد. در الگوریتم بخش بندی ترتیبی، پهنای پنجره جاری اثر مهمی در پیش انتخاب نقاط شکست کاندید از طریق آماره T2 و تصمیم گیری BIC بعدی دارد. اگر پنجره از نظر مدت زمان، خیلی پهن باشد و بیشتر از یک نقطه تغییر را شامل گردد، فرض انتخاب مدل صحیح نیست و اگر پنجره خیلی کوتاه انتخاب گردد، کمبود داده باعث می گردد که برآورد گوسین ضعیف باشد و منجر به تصمیم نادرست در بخش بندی می گردد. ضمنا این خطاها آماره های گوسین بعدی را نیز آلوده می کنند و روی آشکارسازی مرز سگمنت بعدی تاثیر می گذارند. پس در این روش از یک پنجره پویا[1] بهره گیری می نماییم.[80] یک پنجره با پهنای W0 =200 در آغاز مورد بهره گیری قرار می گیرد. اگر هیچ نقطه شکستی در پنجره قبلی Wi1 نباشد، پهنای پنجره فعلی Wi بصورت زیر تنظیم می گردد:

شما می توانید مطالب مشابه این مطلب را با جستجو در همین سایت بخوانید

 

علاوه براین، پهنای پنجره فعلی Wi با جایگاه پیک (قله) آماره T2 پنجره قبلی نیز کنترل می گردد. اگر این پیک نزدیک مرز انتهایی پنجره در محدوده یک آستانه در پنجره قبلی ظاهر گردد،  قرار می گیرد. با بهره گیری از این پنجره با افزایش قابل تنظیم، بهتر میتوان نقاط شکست سگمنت های کوچکتر را پیدا نمود و زمانی که هیچ نقطه شکستی در داده نباشد، جریان را با نرخ سریعتری جستجو نمود. دومین بهبود در کارآیی این الگوریتم از آزمایش پرش قاب حاصل می گردد. نکته جالب توجه این می باشد که نیازی نیست که همه قاب های داخل پنجره، بعنوان یک مرز در نظر گرفته شوند (بویژه زمانی که پنجره فعلی بزرگ باشد) برای مثال قاب های داده نزدیک به پنجره بویژه زمانی که پنجره فعلی بزرگ باشد، می توانند در تست T2 در نظر گرفته نشوند، زیرا نمیتوان برآورد گوسین مقاومی را با این داده محدود بدست آورد.

 متن فوق بخش هایی از این پایان نامه بود

می توانید به لینک پایین صفحه مراجعه نمایید:

 thesis-power-word