|
عنوان مقاله |
نویسنده (ها) |
مربوط به کنفرانس |
چکیده |
|
|
حذف نویز پالس بلندمدت با استفاده از اختلاف انرژی در مکان وقوع نویز به‌منظور بهسازی صداهای ضبط شده قدیمی |
مهدیه رمضانی
محمدمهدی همایون پور
|
بیست و یکمین کنفرانس ملی سالانه انجمن کامپیوتر |
در این مقاله به تشخیص پالس بلندمدت به‌عنوان یکی از رایج‌ترین تخریب‌ها در صداهای ضبط شده قدیمی می‌پردازیم. روش ارائه شده، از یکی از ویژگی‌های این نوع نویز که نشان ... مشاهده کامل
در این مقاله به تشخیص پالس بلندمدت به‌عنوان یکی از رایج‌ترین تخریب‌ها در صداهای ضبط شده قدیمی می‌پردازیم. روش ارائه شده، از یکی از ویژگی‌های این نوع نویز که نشان می‌دهد پالس بلندمدت با نویز ضربه‌ای آغاز میشود بهره برده است. در این روش، ابتدا نویزهای ضربه‌ای شناسایی می‌شوند و پس از آن با توجه به اینکه در محل وقوع این نویز، انرژی سیگنال نسبت به بخش‌های قبل از آن افزایش می‌یابد، با محاسبه اختلاف انرژی در بخش‌های قبل و بعد از کلیک و اعمال آستانه‌ای بر روی آن، پالس‌های بلندمدت شناسایی می‌شوند. آزمایش‌ها بر روی سیگنال‌هایی که به‌طور مصنوعی تخریب شده‌اند انجام شده است و معیارهای درصد تشخیص‌های از دست رفته و درصد تشخیص‌های نادرست و همچنین میانگین اختلاف محل شروع تشخیص با محل شروع واقعی نویز برای ارزیابی روش، مورد استفاده قرار گرفته‌اند. آزمایش‌ها نشان می‌دهد که این روش توانسته تمام پالس‌ها را با مقدار اختلاف کمی شناسایی کند. آزمون شنیداری به کار گرفته شده نیز که به منظور مقایسه روش پیشنهادی با حالتی که مکان نویزها از قبل مشخص است حاکی از عملکرد خوب روش پیشنهادی است. عدم مشاهده کامل
در این مقاله به تشخیص پالس بلندمدت به‌عنوان یکی از رایج‌ترین تخریب‌ها در صداهای ضبط شده قدیمی می‌پردازیم. روش ارائه شده، از یکی از ویژگی‌های این نوع نویز که نشان ... مشاهده کامل |
خرید مقاله
|
|
قطعه‌بندی و شناسایی توده‌های سرطانی در تصاویر ماموگرافی |
فهیمه ریاحی
هادی ویسی
مهدی تیموری
|
بیست و یکمین کنفرانس ملی سالانه انجمن کامپیوتر |
سرطان سینه یکی از شایع‌ترین بیماری‌های زنان در جهان و همچنین در ایران می‌باشد که تشخیص زود هنگام این بیماری می‌تواند در درمان آن بسیار موثر باشد. استفاده از روش‌ها ... مشاهده کامل
سرطان سینه یکی از شایع‌ترین بیماری‌های زنان در جهان و همچنین در ایران می‌باشد که تشخیص زود هنگام این بیماری می‌تواند در درمان آن بسیار موثر باشد. استفاده از روش‌ها و تکنیک‌های پردازش تصویر و شناسایی الگو در تشخیص خودکار سرطان از روی تصاویر ماموگرافی باعث کم شدن خطاهای انسانی و افزایش سرعت تشخیص میشود. در این مقاله با استفاده از تکنیک‌های پردازش تصویر به تحلیل و بررسی تصاویر ماموگرافی پرداخته شده است و یک ساختار دومرحله‌ای برای قطعه‌بندی و تشخیص توده‌های سرطانی پیشنهاد شده است. در مرحله نخست، کیفیت تصاویر ماموگرام و کنتراست نواحی غیرنرمال موجود در تصویر، با استفاده از روش تعدیل هیستوگرام بهبود می یابد. سپس بخش‌های اضافی از قبیل برچسب‌های موجود در تصاویر، به کمک روش مولفه‌های متصل، از تصویر حذف می‌گردد. به‌علاوه برخی ویژگی‌های دیگر از قبیل بافت پکتورال که بسیار شبیه ویژگی‌های توده سرطانی می‌باشد، در مرحله پیش‌پردازش از تصویر اصلی حذف شده و در نهایت با استفاده از روش ماتریس وزن اختلاف سطح خاکستری (GDWM)، نواحی مشکوک در تصاویر از تصویر اصلی جدا می‌گردد. در این مرحله، صحت تشخیص موارد سرطانی برای تصاویر دادگان DDSM برابر با 97.83 درصد می‌باشد؛ اما در این حالت نرخ تشخیص موارد غیرسرطانی (مثبت نادرست) بالاست، به منظور کاهش تعداد نمونه‌های مثبت نادرست، در مرحله دوم، تعدادی ویژگی مرتبط با بافت از تصاویر استخراج شده و موارد نرمال و سرطانی با کمک دسته بند ماشین بردار پشتیبان (SVM) از هم تفکیک شده است. صحت تشخیص نهایی، در روش پیشنهادی 98.45 درصد و دقت و بازخوانی به ترتیب 100 درصد و 96.94 درصد به دست آمده است که از درصد تشخیص بیان شده در روش‌های مشابه بالاتر است. عدم مشاهده کامل
سرطان سینه یکی از شایع‌ترین بیماری‌های زنان در جهان و همچنین در ایران می‌باشد که تشخیص زود هنگام این بیماری می‌تواند در درمان آن بسیار موثر باشد. استفاده از روش‌ها ... مشاهده کامل |
خرید مقاله
|
|
استخراج ویژگی‌های گلوگاهی برای بازشناسی مقاوم گفتار با روش آموزش با آگاهی از نویز |
امیرحسین حاج‌احمدی
محمدمهدی همایون‌پور
|
بیست و یکمین کنفرانس ملی سالانه انجمن کامپیوتر |
با توجه به اینکه شبکه‌های عصبی عمیق در مدل کردن زیرفضاهای پیچیده و غیرخطی از توانایی بالایی برخوردار هستند، استفاده از آنها در بازشناسی گفتار در چند سال اخیر بسیار ... مشاهده کامل
با توجه به اینکه شبکه‌های عصبی عمیق در مدل کردن زیرفضاهای پیچیده و غیرخطی از توانایی بالایی برخوردار هستند، استفاده از آنها در بازشناسی گفتار در چند سال اخیر بسیار مورد توجه قرار گرفته است. استخراج ویژگی‌های گلوگاهی یکی از ترفندهایی است که سیستم‌های بازشناسی گفتار را قادر می سازد، از توانایی‌شبکه‌های عصبی عمیق در مدل کردن زیرفضاهای غیرخطی استفاده کنند. در این مقاله روشی جهت استخراج ویژگی‌های گلوگاهی مقاوم نسبت به نویز ارائه شده است که در آن از روش آموزش با آگاهی از نویز استفاده شده است. در روش پیشنهادی در هنگام آموزش شبکه‌های خود کد کننده، در لایه‌ی بعد از لایه گلوگاه اطلاعاتی از نویز به‌صورت یک ورودی جدید به شبکه خود کد کننده وارد میشود و موجب استخراج ویژگی‌های گلوگاهی نسبتا مستقلی از نویز خواهد شد که در شرایط نویزی در مقایسه با ویژگی‌های گلوگاهی رایج از مقاومت بالاتری برخوردار هستند. مزیت اصلی روش پیشنهادی نسبت به روش آموزش با آگاهی از نویز معمول در عدم نیاز به تخمین نویز در هنگام بازشناسی است، در حالی که روش رایج آموزش با آگاهی از نویز هم در هنگام آموزش و هم در هنگام بازشناسی به تخمینی از نویز نیاز دارد. کارایی روش پیشنهادی در یک سیستم تشخیص فرمان‌های صوتی مورد ارزیابی قرار گرفت. نتایج حاصله نشان می‌دهد که روش پیشنهادی دقت سیستم تشخیص فرمان را تقریبا 5 درصد در شرایط نسبت سیگنال به نویز کم و تقریبا 5/2 درصد شرایط نسبت سیگنال به نویز زیاد، بهبود داده است. عدم مشاهده کامل
با توجه به اینکه شبکه‌های عصبی عمیق در مدل کردن زیرفضاهای پیچیده و غیرخطی از توانایی بالایی برخوردار هستند، استفاده از آنها در بازشناسی گفتار در چند سال اخیر بسیار ... مشاهده کامل |
خرید مقاله
|
|
تجمیع مبتنی بر دقت ترتیب‌ها با هدف افزایش دقت الگوریتم یادگیری ساختار شبکه‌های بیزی K2 |
حسین امیرخانی
محمد رحمتی
|
بیست و یکمین کنفرانس ملی سالانه انجمن کامپیوتر |
الگوریتم K2 که جزء روش‌های شناخته شده و پرارجاع یادگیری ساختار شبکه‌های بیزی است، نیازمند یک ترتیب از متغیرهای تصادفی به‌عنوان ورودی می‌باشد. دقت ساختار حاصل از این الگوریتم به‌طور ... مشاهده کامل
الگوریتم K2 که جزء روش‌های شناخته شده و پرارجاع یادگیری ساختار شبکه‌های بیزی است، نیازمند یک ترتیب از متغیرهای تصادفی به‌عنوان ورودی می‌باشد. دقت ساختار حاصل از این الگوریتم به‌طور مستقیم به صحت ترتیب ورودی وابسته است. با این وجود، تعیین یک ترتیب کاملاً صحیح و بدون خطا در عمل امکان‌پذیر نمی‌باشد. رویکردی که در این مقاله برای غلبه بر این چالش مورد استفاده قرار می‌گیرد، تجمیع چند ترتیب مختلف (با درجات مختلفی از دقت) با هدف افزایش صحت ترتیب نهایی می‌باشد. به‌طور خاص، تجمیع ترتیب‌ها با درنظر گرفتن دقت هر ترتیب انجام می‌پذیرد و برای تخمین دقت هر ترتیب، از الگوریتم مبتنی بر سازگاری‌ها/ناسازگاری‌ها استفاده میشود. برای رفع تناقض‌های محتمل، حاصل تجمیع به‌صورت یک گراف مدل شده و با استفاده از نسخه‌ی حریصانه‌ی الگوریتم انتخاب زیرگراف بدون دور با بیشترین وزن، تناقض‌ها برطرف می‌شوند. نتایج آزمایشات برروی شبکه‌های بیزی استاندارد نشان می‌دهد که استفاده از حاصل تجمیع ارائه شده در این مقاله باعث افزایش دقت الگوریتم K2 میشود. عدم مشاهده کامل
الگوریتم K2 که جزء روش‌های شناخته شده و پرارجاع یادگیری ساختار شبکه‌های بیزی است، نیازمند یک ترتیب از متغیرهای تصادفی به‌عنوان ورودی می‌باشد. دقت ساختار حاصل از این الگوریتم به‌طور ... مشاهده کامل |
خرید مقاله
|
|
ارائه ی یک سیستم پرسش و پاسخ دامنه باز با استفاده از ویژگی های مختلف و ترکیب طبقه بندها |
نسیم مهری
میرحسین دزفولیان
محرم منصوری زاده
|
بیست و یکمین کنفرانس ملی سالانه انجمن کامپیوتر |
با افزایش روز افزون حجم اطلاعات ذخیره شده در شبکه هاي جهانی وب و زیرمجموعه هاي آن همانند شبکه‌های اجتماعی، فرآیند بازیابی و استخراج اطلاعات اهمیت ویژه اي یافته است. ... مشاهده کامل
با افزایش روز افزون حجم اطلاعات ذخیره شده در شبکه هاي جهانی وب و زیرمجموعه هاي آن همانند شبکه‌های اجتماعی، فرآیند بازیابی و استخراج اطلاعات اهمیت ویژه اي یافته است. سیستم‌های پرسش و پاسخ شکل پیچیده‌تری از سیستم‌های بازیابی اطلاعات هستند که نتایج بازیابی شده را در قالب پاسخی مستقیم و اجمالی به کاربر ارائه می‌دهند. سیستم ارائه شده در این مقاله یک سیستم پرسش و پاسخ دامنه باز مبتنی وب است. در بخش طبقه بندی پرسش، جهت بهبود کارایی طبقه بندی از ویژگی های مختلف لغوی، نحوی و معنای استفاده شده است. در بخش استخراج پاسخ، ویژگی های مختلف آماری، نحوی و معنایی استخراج می شود. در بخش طبقه بندی پاسخ، برای افزایش کارایی از یک طبقه بند ترکیبی استفاده شده است. میزان معیار دقت بر روی مجموعه ای با تعداد 200 پرسش شامل پرسش های دستی و پرسش های حقایق TREC-10 برابر با 78 درصد به دست آمده است که نشان دهنده قابل قبول بودن عملکرد سیستم است. عدم مشاهده کامل
با افزایش روز افزون حجم اطلاعات ذخیره شده در شبکه هاي جهانی وب و زیرمجموعه هاي آن همانند شبکه‌های اجتماعی، فرآیند بازیابی و استخراج اطلاعات اهمیت ویژه اي یافته است. ... مشاهده کامل |
خرید مقاله
|
|
بهبود تشخیص مدل یادگیری با مارکوف و درخت تصمیم |
نازنین فرساد
فروزان نعمتی
محمدعلی منتظری
|
بیست و یکمین کنفرانس ملی سالانه انجمن کامپیوتر |
تحقیقات نشان می دهد که در نظر گرفتن سبک یادگیری، باعث افزایش کیفیت یادگیری میشود. فرآیند ساخت مدل در سیستم آموزشی هوشمند، مدلسازی یادگیرنده نامیده می شود. مدل یادگیرنده شامل ... مشاهده کامل
تحقیقات نشان می دهد که در نظر گرفتن سبک یادگیری، باعث افزایش کیفیت یادگیری میشود. فرآیند ساخت مدل در سیستم آموزشی هوشمند، مدلسازی یادگیرنده نامیده می شود. مدل یادگیرنده شامل ویژگی‌هایی مانند دانش، علایق، اهداف، پیش زمینه، رفتار احساسی، خصلت‌های فردی، خصوصیات شناختی و سبک یادگیری می باشد. با استفاده از این ویژگی ها رفتار یادگیرنده و چگونگی پردازش اطلاعات کاربر پیش‌بینی و در نتیجه سرویس های آموزشی منطبق بر نیازهای وی ارائه خواهد شد. در گذشته آموزش بر این قرار بود که تدریس به صورت معلم محور بود و معلم تنها ارائه دهنده ی اطلاعات و دانش آموزان پذیرنده ی غیرفعال این سیستم بودند، این نگاه نگاه یک بعدی به بحث آموزش بود. ولی در سال های اخیر به این جنبه توجه شده است که دانش آموزان باید با یادگیری و بحث آموزش درگیر شوند تا بتوانند داشته های خود را انتقال دهند و آموزش یاران باید به دانش آموزان این امکان را بدهند به این آموزش، آموزش مشارکتی گفته می شود. سبک یادگیری به ترجیحات و روش ِفرد برای یادگیری اشاره می کند. در این مقاله از روش مارکوف و درخت تصمیم برای تشخیص سبک یادگیری استفاده شده است و برای بهبود این روش ها از الگوریتم MFMC و PCA استفاده شده است. نتایج حاصل، نشان دهنده دقت خوب روش پیشنهادی در مقایسه با روش های دیگری که از درخت تصمیم بهره گرفته اند، می باشد. عدم مشاهده کامل
تحقیقات نشان می دهد که در نظر گرفتن سبک یادگیری، باعث افزایش کیفیت یادگیری میشود. فرآیند ساخت مدل در سیستم آموزشی هوشمند، مدلسازی یادگیرنده نامیده می شود. مدل یادگیرنده شامل ... مشاهده کامل |
خرید مقاله
|
|
بهبود مدلسازی موضوعی اسناد با استفاده از دانش نهفته در مجموعه‌ی سندی |
رضا شکرچیان
ناصر یزدانی
|
بیست و یکمین کنفرانس ملی سالانه انجمن کامپیوتر |
مدلسازی موضوعی یکی از روش‌های مرسوم یافتن موضوعات نهان در مجموعه‌ی اسناد می‌باشد. اکثر روش‌های مدلسازی موضوعی به صورت بدون نظارتی می‌باشند و معمولا از انسجام لازم برخوردار نیستند. برای ... مشاهده کامل
مدلسازی موضوعی یکی از روش‌های مرسوم یافتن موضوعات نهان در مجموعه‌ی اسناد می‌باشد. اکثر روش‌های مدلسازی موضوعی به صورت بدون نظارتی می‌باشند و معمولا از انسجام لازم برخوردار نیستند. برای افزایش دقت و کیفیت موضوعات تلاش شده تا از دانش کاربران به عنوان اطلاعات اولیه در مدلسازی استفاده شود. استفاده از دانش‌کاربران هزینه‌بر می‌باشد. برخی روش‌ها استفاده از دانش کاربران را کنار گذاشته و برای بهبود نتایج سعی کرده‌اند از پایگاه‌های دانش و یا دانش حاصل از مجموعه‌های مشابه استفاده کنند. فرض ما در این مقاله این است که مجموعه‌ی سندی مورد بررسی برای یک سازمان با دامنه‌لغات و دانش خاص خود می‌باشد و مجموعه‌ي اسنادی مشابه با آن در دسترس نیست. در این صورت استفاده از پایگاه‌های دانشی‌ای همچون وردنت و یا ویکی‌پدیا بر روی چنین مجموعه‌ای توجیه پذیر نیست. در این مقاله تلاش شده تا تنها با تکیه بر دانش نهفته در مجموعه‌ی اسناد و بدون کمک گرفتن از دانش خارجی، مدلسازی موضوعی بهبود داده شود و موضوعاتی منسجم‌تولید گردد. این دانش بر اساس ارتباط-بایسته و ارتباط-نبایسته میان تعدادی از کلمات مجموعه می‌باشد. نمودارها نشان‌می‌دهد که روش پیشنهادی موجب بهبود در نتایج شده است. عدم مشاهده کامل
مدلسازی موضوعی یکی از روش‌های مرسوم یافتن موضوعات نهان در مجموعه‌ی اسناد می‌باشد. اکثر روش‌های مدلسازی موضوعی به صورت بدون نظارتی می‌باشند و معمولا از انسجام لازم برخوردار نیستند. برای ... مشاهده کامل |
خرید مقاله
|
|
پیش بینی سری های زمانی مالی با استفاده از روش رگرسیون بردار پشتیبان و جستجوی هارمونی بهبود یافته |
سمانه میثاقی
امید سجودی
|
بیست و یکمین کنفرانس ملی سالانه انجمن کامپیوتر |
داده های سری زمانی، مجموعه ای از مقادیر می باشند که به صورت متوالی و در زمان های مشخص ثبت شده اند. هدف از پیش بینی سری های زمانی ارائه ... مشاهده کامل
داده های سری زمانی، مجموعه ای از مقادیر می باشند که به صورت متوالی و در زمان های مشخص ثبت شده اند. هدف از پیش بینی سری های زمانی ارائه ی یک مدل به منظور توصیف رابطه ی بین داده ها بر اساس مشاهدات گذشته است. بر اساس مدل به دست آمده، مقادیر متغیرها برای زمان های آینده پیش بینی میشود. در این مقاله روشی مطمئن به منظور تخمین سری های زمانی مالی مبتنی بر مدل رگرسیون بردار پشتیبان و جستجوی هارمونی بهبود یافته ارائه شده است. مدل رگرسیون بردار پشتیبان به دلیل قدرت یادگیری بالا و استخراج ساختاری مناسب از مجموعه داده، ابزار مناسبی به منظور تخمین سری های زمانی مالی است. یکی از مشکلاتی که در استفاده از مدل رگرسیون بردار پشتیبان وجود دارد، تعیین مقادیر پارامترها می باشد که در روش پیشنهادی به منظور تعیین مقادیر بهینه برای پارامترها از روش جستجوی هارمونی بهبود یافته استفاده شده است که با جستجو در فضای مسئله، بهینه ترین مقادیر را برای هر یک از پارامترها می یابد. بهبود جستجوی هارمونی شامل پیش پردازش جمعیت اولیه با استفاده از الگوریتم تکامل تفاضلی، بهبود پارامترهای کنترلی PAR و BW در جستجوی هارمونی و هدایت بردارهای هارمونی به سمت موقعیت بهترین بردار هارمونی می باشد. روش پیشنهادی بر روی دو مجموعه داده ی مالی معتبر مورد ارزیابی قرارگرفته است و بر اساس نتایج بدست آمده، روش پیشنهادی به میانگین خطای 228/2 بر روی دو پایگاه داده معتبر دست یافته است که در مقایسه با سایر روش های بهینه سازی که به منظور تنظیم پارامترهای رگرسیون بردار پشتیبان مورد استفاده قرار گرفته اند، کمترین میزان خطا را بین مقادیر تخمینی و مقادیر واقعی سری بدست آورده است. عدم مشاهده کامل
داده های سری زمانی، مجموعه ای از مقادیر می باشند که به صورت متوالی و در زمان های مشخص ثبت شده اند. هدف از پیش بینی سری های زمانی ارائه ... مشاهده کامل |
خرید مقاله
|
|
سنجش شباهت معنایی واژگان در زبان فارسی |
نسرین تقی‌زاده
نفیسه یاوری
هشام فیلی
|
بیست و یکمین کنفرانس ملی سالانه انجمن کامپیوتر |
سنجش شباهت معنایی واژگان از جمله مساله‌های مهم در پردازش متن و زبان طبیعی است که در بسیاری مسائل نظیر ساخت وردنت و استخراج روابط معنایی از متن کاربرد دارد ... مشاهده کامل
سنجش شباهت معنایی واژگان از جمله مساله‌های مهم در پردازش متن و زبان طبیعی است که در بسیاری مسائل نظیر ساخت وردنت و استخراج روابط معنایی از متن کاربرد دارد و معیارهای زیادی برای این منظور پیشنهاد شده است. اما تاکنون مقایسه جامعی بین آنها در زبان فارسی صورت نگرفته است. در این مقاله دقت چندین معیار شباهت سنجی توزیعی مورد بررسی قرار گرفته است و با تحلیل نقاط قوت و ضعف آنها، چندین معیار ترکیبی ارائه شده است. آزمایش‌ها نشان می‌دهند که PMI با ۴۲% بیشترین دقت را بین معیارهای توزیعی دارد و بهترین معیار ترکیبی ارائه شده توانسته است دقت آن را ۱۶% بهبود بخشد. عدم مشاهده کامل
سنجش شباهت معنایی واژگان از جمله مساله‌های مهم در پردازش متن و زبان طبیعی است که در بسیاری مسائل نظیر ساخت وردنت و استخراج روابط معنایی از متن کاربرد دارد ... مشاهده کامل |
خرید مقاله
|
|
موقعیت یابی داخلی با خوشه بندی گوشی های همراه |
شیرین پیری
حسین محمدی
شبنم طاوری
|
بیست و یکمین کنفرانس ملی سالانه انجمن کامپیوتر |
سرویس های مبتنی بر موقعیت (LBS)، تکنولوژی های مهم در حال افزایش می‌باشند که نقش حیاتی را در زندگی مدرن ایفا می‌کنند و مبنای اساسی این سرویس ها بدست آوردن ... مشاهده کامل
سرویس های مبتنی بر موقعیت (LBS)، تکنولوژی های مهم در حال افزایش می‌باشند که نقش حیاتی را در زندگی مدرن ایفا می‌کنند و مبنای اساسی این سرویس ها بدست آوردن مکان فیزیکی است. با حضور فراگیر گوشی های هوشمند دارای وای فای و گسترش نقاط دسترسی، تعیین موقعیت مبتنی بر بی سیم یکی از پرکاربردترین روش های تعیین موقعیت داخلی می باشد. راه‌حل های موجود برای تعیین موقعیت مبتنی بر بی سیم، نیازمند دقت بالا و مصرف انرژی کمتری برای بروزرسانی های دوره‌ای هستند، که این امر مانعی برای پیشرفت این سیستم ها بر روی گوشی های تلفن همراه می شود، چرا که موانع و اختلالات منجر به بروز خطاهایی در تعیین دقیق موقعیت می شوند. ما در این مقاله یک الگوریتم کارآمد، بهنام CMLoc ارائه می نماییم، که با استفاده از خوشه بندی گوشی های همراه و ترکیب تکنولوژی های بی سیم و بلوتوث، منجر به تعیین موقعیت داخلی با دقت بالا می شود. در این مقاله، الگوریتم تعیین موقعیت پیشنهاد شده را با استفاده از پیاده سازی نمونه ی اولیه مورد ارزیابی قرار دادیم. نتایج نشان می دهد، این روش نسبت به روش های موجود دیگر دقت بالایی دارد و همچنین مصرف انرژی را نیز کاهش می دهد. عدم مشاهده کامل
سرویس های مبتنی بر موقعیت (LBS)، تکنولوژی های مهم در حال افزایش می‌باشند که نقش حیاتی را در زندگی مدرن ایفا می‌کنند و مبنای اساسی این سرویس ها بدست آوردن ... مشاهده کامل |
خرید مقاله
|
.gif){kind=icon}
