<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>بایگانی‌های تشخیص الگو - ايران متلب</title>
	<atom:link href="https://matlab1.ir/tag/%D8%AA%D8%B4%D8%AE%DB%8C%D8%B5-%D8%A7%D9%84%DA%AF%D9%88/feed/" rel="self" type="application/rss+xml" />
	<link>https://matlab1.ir/tag/تشخیص-الگو/</link>
	<description>مرجع فیلم های آموزشی فارسی دانشگاهی و مهندسی</description>
	<lastBuildDate>Sun, 30 Aug 2026 10:57:11 +0000</lastBuildDate>
	<language>fa-IR</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	

<image>
	<url>https://matlab1.ir/wp-content/uploads/2017/08/ref_a2-150x150.png</url>
	<title>بایگانی‌های تشخیص الگو - ايران متلب</title>
	<link>https://matlab1.ir/tag/تشخیص-الگو/</link>
	<width>32</width>
	<height>32</height>
</image> 
	<item>
		<title>فیلم آموزش فارسی فازی نوع 2 در MATLAB</title>
		<link>https://matlab1.ir/%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%81%d8%a7%d8%b1%d8%b3%db%8c-%d9%81%d8%a7%d8%b2%db%8c-%d9%86%d9%88%d8%b9-2-%d8%af%d8%b1-matlab/</link>
					<comments>https://matlab1.ir/%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%81%d8%a7%d8%b1%d8%b3%db%8c-%d9%81%d8%a7%d8%b2%db%8c-%d9%86%d9%88%d8%b9-2-%d8%af%d8%b1-matlab/#respond</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Sun, 30 Aug 2026 10:57:11 +0000</pubDate>
				<category><![CDATA[MATLAB متلب]]></category>
		<category><![CDATA[منطق فازي]]></category>
		<category><![CDATA[Artificial intelligence]]></category>
		<category><![CDATA[آموزش FOU]]></category>
		<category><![CDATA[آموزش MATLAB]]></category>
		<category><![CDATA[آموزش Type 2 Fuzzy]]></category>
		<category><![CDATA[آموزش Type Reduction]]></category>
		<category><![CDATA[آموزش type2fls]]></category>
		<category><![CDATA[آموزش تولباکس فازی نوع 2]]></category>
		<category><![CDATA[آموزش سیستم فازی نوع 2]]></category>
		<category><![CDATA[آموزش فازی نوع 2]]></category>
		<category><![CDATA[آموزش فازی نوع 2 MATLAB]]></category>
		<category><![CDATA[آموزش متلب]]></category>
		<category><![CDATA[الگوریتم Karnik Mendel]]></category>
		<category><![CDATA[الگوریتم KM]]></category>
		<category><![CDATA[Center of Gravity]]></category>
		<category><![CDATA[Center of Sets]]></category>
		<category><![CDATA[Classification Fuzzy]]></category>
		<category><![CDATA[COG Type Reduction]]></category>
		<category><![CDATA[Computational Intelligence]]></category>
		<category><![CDATA[Crisp Output]]></category>
		<category><![CDATA[Defuzzification]]></category>
		<category><![CDATA[Defuzzifier]]></category>
		<category><![CDATA[Fired Rule FOU]]></category>
		<category><![CDATA[Firing Interval]]></category>
		<category><![CDATA[Footprint of Uncertainty]]></category>
		<category><![CDATA[FOU]]></category>
		<category><![CDATA[Fuzzifier]]></category>
		<category><![CDATA[Fuzzy Edge Detection]]></category>
		<category><![CDATA[Fuzzy Image Processing]]></category>
		<category><![CDATA[Fuzzy Inference]]></category>
		<category><![CDATA[Fuzzy Modeling]]></category>
		<category><![CDATA[Fuzzy Rule Base]]></category>
		<category><![CDATA[Fuzzy Time Series]]></category>
		<category><![CDATA[Fuzzy Toolbox MATLAB]]></category>
		<category><![CDATA[Fuzzy Uncertainty]]></category>
		<category><![CDATA[FuzzyT2Struct]]></category>
		<category><![CDATA[Gauss Uncertain Mean]]></category>
		<category><![CDATA[Gauss Uncertain Peak]]></category>
		<category><![CDATA[Gaussian Membership Function]]></category>
		<category><![CDATA[Inference Engine]]></category>
		<category><![CDATA[Intelligent Control]]></category>
		<category><![CDATA[Intelligent Systems]]></category>
		<category><![CDATA[Interval Type 2 Fuzzy]]></category>
		<category><![CDATA[Interval Type 2 Fuzzy Tutorial]]></category>
		<category><![CDATA[Interval Type-2 Fuzzy Logic]]></category>
		<category><![CDATA[IT2 Fuzzy]]></category>
		<category><![CDATA[Karnik Mendel]]></category>
		<category><![CDATA[Karnik-Mendel Algorithm]]></category>
		<category><![CDATA[KM Algorithm]]></category>
		<category><![CDATA[Lower Membership Function]]></category>
		<category><![CDATA[M File Fuzzy]]></category>
		<category><![CDATA[Matlab Fuzzy Toolbox]]></category>
		<category><![CDATA[Max Fuzzy]]></category>
		<category><![CDATA[Membership Function]]></category>
		<category><![CDATA[Membership Function MATLAB]]></category>
		<category><![CDATA[Min Fuzzy]]></category>
		<category><![CDATA[Pattern Recognition]]></category>
		<category><![CDATA[Product Fuzzy]]></category>
		<category><![CDATA[Rule Base]]></category>
		<category><![CDATA[Rule Table]]></category>
		<category><![CDATA[Triangular Membership Function]]></category>
		<category><![CDATA[Triangular Uncertain Peak]]></category>
		<category><![CDATA[Type 1 Fuzzy]]></category>
		<category><![CDATA[Type 2 Fuzzy]]></category>
		<category><![CDATA[Type 2 Fuzzy Control]]></category>
		<category><![CDATA[Type 2 Fuzzy MATLAB]]></category>
		<category><![CDATA[Type 2 Fuzzy MATLAB Code]]></category>
		<category><![CDATA[Type 2 Fuzzy System]]></category>
		<category><![CDATA[Type 2 Fuzzy Toolbox]]></category>
		<category><![CDATA[Type 2 Fuzzy Tutorial]]></category>
		<category><![CDATA[Type Reducer]]></category>
		<category><![CDATA[Type Reduction]]></category>
		<category><![CDATA[Type-2 Fuzzy Logic]]></category>
		<category><![CDATA[type2fls]]></category>
		<category><![CDATA[Upper Membership Function]]></category>
		<category><![CDATA[پایان نامه فازی نوع 2]]></category>
		<category><![CDATA[پردازش تصویر فازی]]></category>
		<category><![CDATA[پروژه فازی نوع 2]]></category>
		<category><![CDATA[پیش بینی سری زمانی فازی]]></category>
		<category><![CDATA[تابع عضویت فازی]]></category>
		<category><![CDATA[تابع عضویت نوع 2]]></category>
		<category><![CDATA[تشخیص الگو]]></category>
		<category><![CDATA[تشخیص لبه فازی]]></category>
		<category><![CDATA[تفاوت فازی نوع 1 و نوع 2]]></category>
		<category><![CDATA[خروجی Crisp]]></category>
		<category><![CDATA[سیستم فازی دو ورودی یک خروجی]]></category>
		<category><![CDATA[سیستم فازی نوع 2]]></category>
		<category><![CDATA[سیستم هوشمند]]></category>
		<category><![CDATA[عدم قطعیت فازی]]></category>
		<category><![CDATA[فازی نوع 2]]></category>
		<category><![CDATA[فازی نوع 2 در متلب]]></category>
		<category><![CDATA[فازی نوع یک]]></category>
		<category><![CDATA[کاهش نوع فازی]]></category>
		<category><![CDATA[کد فازی نوع 2 متلب]]></category>
		<category><![CDATA[کدنویسی فازی نوع 2]]></category>
		<category><![CDATA[کنترل فازی نوع 2]]></category>
		<category><![CDATA[کنترل هوشمند]]></category>
		<category><![CDATA[مدل سازی فازی]]></category>
		<category><![CDATA[مقاله فازی نوع 2]]></category>
		<category><![CDATA[منطق فازی نوع 2]]></category>
		<category><![CDATA[هوش محاسباتی]]></category>
		<category><![CDATA[هوش مصنوعی]]></category>
		<guid isPermaLink="false">https://matlab1.ir/?p=14869</guid>

					<description><![CDATA[<p>فازی نوع 2 یا Type-2 Fuzzy Logic توسعه‌ای از منطق فازی نوع 1 است که با هدف مدل‌سازی بهتر عدم قطعیت طراحی شده است. در سیستم فازی نوع 1، درجه عضویت هر [&#8230;]</p>
<p>نوشته <a href="https://matlab1.ir/%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%81%d8%a7%d8%b1%d8%b3%db%8c-%d9%81%d8%a7%d8%b2%db%8c-%d9%86%d9%88%d8%b9-2-%d8%af%d8%b1-matlab/">فیلم آموزش فارسی فازی نوع 2 در MATLAB</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<p><strong>فازی نوع 2 یا Type-2 Fuzzy Logic</strong> توسعه‌ای از منطق فازی نوع 1 است که با هدف مدل‌سازی بهتر عدم قطعیت طراحی شده است. در سیستم فازی نوع 1، درجه عضویت هر ورودی یک مقدار مشخص بین صفر و یک است، اما در فازی نوع 2 خود تابع عضویت نیز می‌تواند دارای عدم قطعیت باشد.</p>
<p>این ویژگی باعث می‌شود سیستم‌های فازی نوع 2 در مسائلی که داده‌ها دارای نویز، ابهام یا عدم قطعیت زیادی هستند، انعطاف بیشتری نسبت به سیستم‌های فازی معمولی داشته باشند.</p>
<h3>چرا فازی نوع 2؟</h3>
<p>در بسیاری از مسائل واقعی تعیین دقیق تابع عضویت کار ساده‌ای نیست.</p>
<p>برای مثال ممکن است چند متخصص درباره مرز میان مفاهیمی مانند «کم»، «متوسط» و «زیاد» نظرهای متفاوتی داشته باشند. همچنین داده‌های واقعی ممکن است دارای نویز باشند یا رفتار سیستم با گذشت زمان تغییر کند.</p>
<p>در چنین شرایطی استفاده از یک تابع عضویت ثابت ممکن است نتواند عدم قطعیت موجود را به خوبی نمایش دهد.</p>
<p>فازی نوع 2 برای همین نوع مسائل طراحی شده است و می‌تواند عدم قطعیت موجود در خود تابع عضویت را نیز مدل کند.</p>
<h3>تفاوت فازی نوع 1 و نوع 2</h3>
<p>در فازی نوع 1، برای هر مقدار ورودی یک درجه عضویت مشخص در بازه صفر تا یک داریم.</p>
<p>اما در فازی نوع 2، درجه عضویت می‌تواند خود یک مجموعه فازی باشد.</p>
<p>در کاربردهای عملی، یکی از مهم‌ترین و پرکاربردترین انواع فازی نوع 2، <strong>Interval Type-2 Fuzzy System</strong> است که نسبت به نوع عمومی محاسبات ساده‌تری دارد.</p>
<p>در این آموزش تمرکز اصلی بر سیستم‌های فازی نوع 2 بازه‌ای است.</p>
<h3>مفهوم FOU</h3>
<p>یکی از مهم‌ترین مفاهیم در فازی نوع 2، <strong>Footprint of Uncertainty یا FOU</strong> است.</p>
<p>FOU ناحیه‌ای است که عدم قطعیت تابع عضویت را نمایش می‌دهد.</p>
<p>در یک سیستم فازی نوع 2 بازه‌ای، معمولاً دو تابع عضویت اصلی داریم:</p>
<ul>
<li>Upper Membership Function</li>
<li>Lower Membership Function</li>
</ul>
<p>فضای بین این دو تابع همان FOU است.</p>
<p>هرچه عدم قطعیت در تعریف تابع عضویت بیشتر باشد، این ناحیه می‌تواند گسترده‌تر شود.</p>
<h3>تابع عضویت Upper و Lower</h3>
<p>برای تعریف یک مجموعه فازی نوع 2 بازه‌ای، از تابع عضویت بالا و پایین استفاده می‌شود.</p>
<p>تابع Upper حد بالای درجه عضویت و تابع Lower حد پایین آن را مشخص می‌کند.</p>
<p>در نتیجه به جای آن‌که برای یک ورودی یک مقدار عضویت مشخص داشته باشیم، یک بازه از مقادیر عضویت در اختیار خواهیم داشت.</p>
<p>این موضوع یکی از تفاوت‌های اصلی سیستم فازی نوع 2 با فازی نوع 1 است.</p>
<h3>ساختار کلی سیستم فازی نوع 2</h3>
<p>یک سیستم فازی نوع 2 معمولاً شامل بخش‌های زیر است:</p>
<ul>
<li>Fuzzifier</li>
<li>Rule Base</li>
<li>Inference Engine</li>
<li>Type Reducer</li>
<li>Defuzzifier</li>
</ul>
<p>ورودی ابتدا وارد بخش Fuzzifier می‌شود و سپس قوانین فازی توسط موتور استنتاج مورد ارزیابی قرار می‌گیرند.</p>
<p>یکی از بخش‌های مهمی که در سیستم فازی نوع 1 وجود ندارد، <strong>Type Reducer</strong> است.</p>
<p>وظیفه Type Reducer تبدیل خروجی فازی نوع 2 به یک مجموعه فازی نوع 1 است تا در نهایت بتوان یک مقدار عددی Crisp تولید کرد.</p>
<h3>Type Reduction چیست؟</h3>
<p>خروجی موتور استنتاج در یک سیستم Type-2 هنوز دارای عدم قطعیت است و نمی‌توان مستقیماً آن را به یک عدد تبدیل کرد.</p>
<p>بنابراین ابتدا باید مرحله‌ای به نام <strong>Type Reduction</strong> انجام شود.</p>
<p>در این مرحله مجموعه فازی نوع 2 به یک مجموعه فازی نوع 1 تبدیل می‌شود و سپس عملیات Defuzzification روی آن انجام می‌شود.</p>
<p>یکی از مهم‌ترین روش‌های کاهش نوع، روش مبتنی بر مرکز ثقل است.</p>
<h3>الگوریتم Karnik-Mendel</h3>
<p>یکی از الگوریتم‌های مشهور در سیستم‌های فازی نوع 2، <strong>Karnik-Mendel یا KM</strong> است.</p>
<p>این الگوریتم برای محاسبه حدود چپ و راست خروجی Type-Reduced استفاده می‌شود.</p>
<p>در این آموزش الگوریتم KM و شبه‌کد آن بررسی شده و نحوه محاسبه مقادیر مورد نیاز برای رسیدن به خروجی نهایی تشریح می‌شود.</p>
<p>مفاهیمی مانند:</p>
<ul>
<li>yl</li>
<li>yr</li>
<li>L</li>
<li>R</li>
<li>Firing Interval</li>
</ul>
<p>در این بخش مورد بررسی قرار می‌گیرند.</p>
<h3>Firing Interval در قوانین فازی</h3>
<p>در سیستم‌های فازی نوع 2، میزان فعال شدن یک قانون لزوماً یک عدد مشخص نیست و ممکن است به صورت یک بازه بیان شود.</p>
<p>این بازه با عنوان <strong>Firing Interval</strong> شناخته می‌شود.</p>
<p>در دوره نحوه محاسبه Firing Interval در قسمت Antecedent و Consequent قوانین بررسی می‌شود تا کاربر روند کامل اجرای یک Rule را در سیستم Type-2 درک کند.</p>
<h3>قوانین فازی نوع 2</h3>
<p>مانند سیستم‌های فازی نوع 1، در فازی نوع 2 نیز از قوانین If-Then استفاده می‌شود.</p>
<p>تفاوت اصلی در این است که توابع عضویت موجود در قسمت شرط و نتیجه دارای عدم قطعیت هستند.</p>
<p>در آموزش نحوه تعریف Rule Base، ایجاد Rule Table و عملکرد قوانین با مثال‌های گرافیکی بررسی می‌شود.</p>
<h3>عملیات Min، Max و Product</h3>
<p>در موتور استنتاج فازی از عملگرهای مختلفی برای ترکیب شرایط قوانین استفاده می‌شود.</p>
<p>در این دوره نحوه عملکرد عملگرهای:</p>
<ul>
<li>Min</li>
<li>Max</li>
<li>Product</li>
</ul>
<p>در سیستم فازی نوع 2 توضیح داده می‌شود.</p>
<p>درک این عملیات برای فهم نحوه تولید Fired Rule FOU و خروجی نهایی سیستم اهمیت زیادی دارد.</p>
<h3>طراحی گرافیکی سیستم فازی نوع 2</h3>
<p>یکی از بخش‌های مهم این دوره، آموزش کار با <strong>Toolbox فازی نوع 2</strong> است.</p>
<p>کاربر یاد می‌گیرد چگونه بدون کدنویسی اولیه، یک سیستم فازی نوع 2 را از طریق محیط گرافیکی طراحی کند.</p>
<p>از جمله کارهایی که در این بخش آموزش داده می‌شوند:</p>
<ul>
<li>تعریف ورودی‌ها</li>
<li>تغییر نام ورودی‌ها</li>
<li>تعیین بازه ورودی</li>
<li>افزایش یا کاهش تعداد ورودی‌ها</li>
<li>تعریف توابع عضویت</li>
<li>تغییر نام Membership Functionها</li>
<li>تنظیم Upper و Lower</li>
<li>تعریف قوانین</li>
<li>حذف و اضافه کردن Rule</li>
<li>تنظیم بخش Inference</li>
</ul>
<h3>انواع Membership Function</h3>
<p>در طراحی سیستم فازی نوع 2 می‌توان از انواع مختلف توابع عضویت استفاده کرد.</p>
<p>در آموزش با نمونه‌هایی مانند:</p>
<ul>
<li>Gaussian</li>
<li>Triangular</li>
<li>Gauss Mean</li>
<li>Gauss Div</li>
<li>Gauss Uncertain Peak</li>
<li>Triangular Uncertain Peak</li>
</ul>
<p>آشنا می‌شوید.</p>
<p>همچنین نحوه تنظیم پارامترهای این توابع و تغییر میزان عدم قطعیت آن‌ها بررسی می‌شود.</p>
<h3>تولید کد MATLAB بدون کدنویسی اولیه</h3>
<p>یکی از قابلیت‌های کاربردی Toolbox مورد استفاده در این آموزش، امکان طراحی گرافیکی سیستم و سپس <strong>Export کردن مدل به کد MATLAB</strong> است.</p>
<p>به این ترتیب ابتدا می‌توانید ساختار سیستم را در محیط گرافیکی ایجاد کنید و سپس M-File تولیدشده را مشاهده و ویرایش کنید.</p>
<p>در دوره کد تولیدشده به صورت خط به خط بررسی می‌شود تا کاربر با ساختار برنامه نیز آشنا شود.</p>
<h3>کدنویسی فازی نوع 2 در MATLAB</h3>
<p>علاوه بر طراحی گرافیکی، نحوه پیاده‌سازی مستقیم سیستم فازی نوع 2 در MATLAB نیز آموزش داده می‌شود.</p>
<p>موضوعاتی مانند:</p>
<ul>
<li>ساخت FuzzyT2Struct</li>
<li>تعریف ورودی و خروجی</li>
<li>تعریف Membership Function</li>
<li>تعریف Rule Base</li>
<li>استفاده از تابع type2fls</li>
<li>اعمال داده به سیستم</li>
<li>دریافت خروجی</li>
</ul>
<p>در بخش برنامه‌نویسی مورد بررسی قرار می‌گیرند.</p>
<p>این قسمت برای افرادی اهمیت زیادی دارد که می‌خواهند سیستم فازی نوع 2 را در یک پروژه بزرگ‌تر یا الگوریتم دیگر استفاده کنند.</p>
<h3>مدل‌سازی با دو ورودی و یک خروجی</h3>
<p>در آموزش یک سیستم فازی نوع 2 دارای دو ورودی و یک خروجی نیز بررسی می‌شود.</p>
<p>این مثال کمک می‌کند کاربر مراحل طراحی یک سیستم را از تعریف توابع عضویت تا ایجاد قوانین و محاسبه خروجی به صورت عملی مشاهده کند.</p>
<p>بعد از درک این ساختار می‌توان سیستم را برای تعداد بیشتری از ورودی‌ها یا مسائل متفاوت توسعه داد.</p>
<h3>کاربردهای فازی نوع 2</h3>
<p>سیستم‌های فازی نوع 2 در حوزه‌هایی که عدم قطعیت و نویز اهمیت زیادی دارند قابل استفاده هستند.</p>
<p>برخی از کاربردهای آن عبارتند از:</p>
<ul>
<li>کنترل سیستم‌های غیرخطی</li>
<li>رباتیک</li>
<li>پردازش تصویر</li>
<li>تشخیص لبه</li>
<li>Pattern Recognition</li>
<li>Classification</li>
<li>پیش‌بینی سری زمانی</li>
<li>مدل‌سازی سیستم‌ها</li>
<li>پردازش داده‌های نویزی</li>
<li>تصمیم‌گیری</li>
<li>سیستم‌های هوشمند</li>
<li>کاربردهای پزشکی</li>
</ul>
<h3>این آموزش برای چه افرادی مناسب است؟</h3>
<p>این دوره می‌تواند برای گروه‌های زیر مناسب باشد:</p>
<ul>
<li>دانشجویان مهندسی برق و کنترل</li>
<li>دانشجویان کامپیوتر و هوش مصنوعی</li>
<li>پژوهشگران منطق فازی</li>
<li>دانشجویان کارشناسی ارشد و دکتری</li>
<li>افرادی که در پایان‌نامه از فازی نوع 2 استفاده می‌کنند</li>
<li>پژوهشگران سیستم‌های هوشمند</li>
<li>علاقه‌مندان Computational Intelligence</li>
<li>افرادی که قصد پیاده‌سازی Type-2 Fuzzy در MATLAB را دارند</li>
</ul>
<h3>پیش‌نیاز پیشنهادی</h3>
<p>برای درک بهتر مطالب، آشنایی مقدماتی با <strong>منطق فازی نوع 1</strong> توصیه می‌شود.</p>
<p>بهتر است کاربر با مفاهیمی مانند:</p>
<ul>
<li>Membership Function</li>
<li>Fuzzification</li>
<li>Rule Base</li>
<li>Inference</li>
<li>Defuzzification</li>
</ul>
<p>آشنا باشد.</p>
<p>برای بخش کدنویسی نیز آشنایی اولیه با MATLAB مفید خواهد بود.</p>
<h3>هدف این آموزش</h3>
<p>هدف این دوره آن است که مخاطب ابتدا تفاوت سیستم‌های فازی نوع 1 و نوع 2 را درک کرده و سپس با اجزای مختلف یک سیستم Interval Type-2 آشنا شود.</p>
<p>در ادامه کاربر می‌آموزد چگونه الگوریتم Karnik-Mendel و Type Reduction عمل می‌کنند و در نهایت می‌تواند یک سیستم فازی نوع 2 را هم به صورت گرافیکی و هم به صورت کدنویسی در MATLAB پیاده‌سازی کند.</p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<blockquote class="wp-embedded-content" data-secret="9fAGjSMxXI"><p><a href="https://iran-matlab.ir/product/%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%81%d8%a7%d8%b1%d8%b3%db%8c-%d9%81%d8%a7%d8%b2%db%8c-%d9%86%d9%88%d8%b9-2/">فیلم آموزش فارسی فازی نوع 2</a></p></blockquote>
<p><iframe class="wp-embedded-content" sandbox="allow-scripts" security="restricted"  title="“فیلم آموزش فارسی فازی نوع 2” — ایران متلب" src="https://iran-matlab.ir/product/%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%81%d8%a7%d8%b1%d8%b3%db%8c-%d9%81%d8%a7%d8%b2%db%8c-%d9%86%d9%88%d8%b9-2/embed/#?secret=6XBxZZUo3g#?secret=9fAGjSMxXI" data-secret="9fAGjSMxXI" width="600" height="338" frameborder="0" marginwidth="0" marginheight="0" scrolling="no"></iframe></p>
<p>نوشته <a href="https://matlab1.ir/%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%81%d8%a7%d8%b1%d8%b3%db%8c-%d9%81%d8%a7%d8%b2%db%8c-%d9%86%d9%88%d8%b9-2-%d8%af%d8%b1-matlab/">فیلم آموزش فارسی فازی نوع 2 در MATLAB</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://matlab1.ir/%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%81%d8%a7%d8%b1%d8%b3%db%8c-%d9%81%d8%a7%d8%b2%db%8c-%d9%86%d9%88%d8%b9-2-%d8%af%d8%b1-matlab/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>آموزش پردازش تصویر در MATLAB</title>
		<link>https://matlab1.ir/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d8%aa%d8%b5%d9%88%db%8c%d8%b1-%d8%af%d8%b1-matlab/</link>
					<comments>https://matlab1.ir/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d8%aa%d8%b5%d9%88%db%8c%d8%b1-%d8%af%d8%b1-matlab/#respond</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Sun, 30 Aug 2026 10:42:25 +0000</pubDate>
				<category><![CDATA[آموزش پردازش تصویر]]></category>
		<category><![CDATA[Artificial intelligence]]></category>
		<category><![CDATA[آستانه گذاری تصویر]]></category>
		<category><![CDATA[آموزش IMAGE PROCESSING]]></category>
		<category><![CDATA[آموزش Image Processing Toolbox]]></category>
		<category><![CDATA[آموزش MATLAB]]></category>
		<category><![CDATA[آموزش پردازش تصویر در متلب]]></category>
		<category><![CDATA[آموزش متلب]]></category>
		<category><![CDATA[آموزش متلب پردازش تصویر]]></category>
		<category><![CDATA[استخراج ویژگی]]></category>
		<category><![CDATA[افزایش کنتراست تصویر]]></category>
		<category><![CDATA[Binary Image]]></category>
		<category><![CDATA[Canny]]></category>
		<category><![CDATA[canny edge detection]]></category>
		<category><![CDATA[Closing]]></category>
		<category><![CDATA[computer vision]]></category>
		<category><![CDATA[Computer Vision MATLAB]]></category>
		<category><![CDATA[Contrast Enhancement]]></category>
		<category><![CDATA[Digital image processing]]></category>
		<category><![CDATA[Dilation]]></category>
		<category><![CDATA[Edge Detection]]></category>
		<category><![CDATA[Edge Detection MATLAB]]></category>
		<category><![CDATA[Erosion]]></category>
		<category><![CDATA[Face Recognition]]></category>
		<category><![CDATA[Feature extraction]]></category>
		<category><![CDATA[Gaussian Filter]]></category>
		<category><![CDATA[Gaussian Noise]]></category>
		<category><![CDATA[Grayscale Image]]></category>
		<category><![CDATA[histeq MATLAB]]></category>
		<category><![CDATA[Histogram Equalization]]></category>
		<category><![CDATA[Image Classification]]></category>
		<category><![CDATA[Image Denoising]]></category>
		<category><![CDATA[Image Enhancement]]></category>
		<category><![CDATA[Image Features]]></category>
		<category><![CDATA[Image Filtering]]></category>
		<category><![CDATA[Image Histogram]]></category>
		<category><![CDATA[image processing MATLAB]]></category>
		<category><![CDATA[Image processing toolbox]]></category>
		<category><![CDATA[Image Segmentation]]></category>
		<category><![CDATA[imbinarize]]></category>
		<category><![CDATA[imdilate]]></category>
		<category><![CDATA[imerode]]></category>
		<category><![CDATA[imhist MATLAB]]></category>
		<category><![CDATA[imread MATLAB]]></category>
		<category><![CDATA[imshow MATLAB]]></category>
		<category><![CDATA[Machine Learning Image Processing]]></category>
		<category><![CDATA[Machine vision]]></category>
		<category><![CDATA[MATLAB Code Image Processing]]></category>
		<category><![CDATA[MATLAB Image Processing]]></category>
		<category><![CDATA[Mean Filter]]></category>
		<category><![CDATA[medfilt2]]></category>
		<category><![CDATA[Median Filter]]></category>
		<category><![CDATA[Medical Image Processing]]></category>
		<category><![CDATA[Morphological Operations]]></category>
		<category><![CDATA[Noise Reduction]]></category>
		<category><![CDATA[Object Detection]]></category>
		<category><![CDATA[Opening]]></category>
		<category><![CDATA[Otsu Thresholding]]></category>
		<category><![CDATA[Pattern Recognition]]></category>
		<category><![CDATA[Prewitt]]></category>
		<category><![CDATA[RGB Image MATLAB]]></category>
		<category><![CDATA[rgb2gray]]></category>
		<category><![CDATA[Roberts]]></category>
		<category><![CDATA[Salt and Pepper Noise]]></category>
		<category><![CDATA[Segmentation MATLAB]]></category>
		<category><![CDATA[Sharpening Image]]></category>
		<category><![CDATA[Smoothing Image]]></category>
		<category><![CDATA[Sobel]]></category>
		<category><![CDATA[Speckle Noise]]></category>
		<category><![CDATA[Thresholding]]></category>
		<category><![CDATA[بخش بندی تصویر]]></category>
		<category><![CDATA[بهبود کیفیت تصویر]]></category>
		<category><![CDATA[بینایی ماشین]]></category>
		<category><![CDATA[پایان نامه پردازش تصویر]]></category>
		<category><![CDATA[پردازش تصاویر باینری]]></category>
		<category><![CDATA[پردازش تصویر]]></category>
		<category><![CDATA[پردازش تصویر MATLAB]]></category>
		<category><![CDATA[پردازش تصویر با متلب]]></category>
		<category><![CDATA[پردازش تصویر برای دانشجویان]]></category>
		<category><![CDATA[پردازش تصویر پزشکی]]></category>
		<category><![CDATA[پردازش تصویر در متلب]]></category>
		<category><![CDATA[پردازش دیجیتال تصویر]]></category>
		<category><![CDATA[پروژه MATLAB]]></category>
		<category><![CDATA[پروژه پردازش تصویر]]></category>
		<category><![CDATA[تبدیل RGB به Gray]]></category>
		<category><![CDATA[تشخیص الگو]]></category>
		<category><![CDATA[تشخیص چهره]]></category>
		<category><![CDATA[تشخیص شی]]></category>
		<category><![CDATA[تشخیص لبه]]></category>
		<category><![CDATA[تصاویر RGB]]></category>
		<category><![CDATA[تصویر خاکستری]]></category>
		<category><![CDATA[تصویر دودویی]]></category>
		<category><![CDATA[تصویر دیجیتال]]></category>
		<category><![CDATA[حذف نویز تصویر]]></category>
		<category><![CDATA[خواندن تصویر در متلب]]></category>
		<category><![CDATA[طبقه بندی تصویر]]></category>
		<category><![CDATA[عملیات مورفولوژیکی]]></category>
		<category><![CDATA[فیلتر تصویر]]></category>
		<category><![CDATA[کدنویسی پردازش تصویر]]></category>
		<category><![CDATA[نویز Gaussian]]></category>
		<category><![CDATA[ویژگی تصویر]]></category>
		<category><![CDATA[هوش مصنوعی]]></category>
		<category><![CDATA[هیستوگرام تصویر]]></category>
		<category><![CDATA[یادگیری ماشین در پردازش تصویر]]></category>
		<guid isPermaLink="false">https://matlab1.ir/?p=14865</guid>

					<description><![CDATA[<p>پردازش تصویر در MATLAB یکی از پرکاربردترین حوزه‌های استفاده از متلب در پروژه‌های دانشگاهی، پژوهشی و صنعتی است. MATLAB به دلیل برخورداری از توابع آماده، محیط مناسب برای کار با ماتریس‌ها و [&#8230;]</p>
<p>نوشته <a href="https://matlab1.ir/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d8%aa%d8%b5%d9%88%db%8c%d8%b1-%d8%af%d8%b1-matlab/">آموزش پردازش تصویر در MATLAB</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<p><strong>پردازش تصویر در MATLAB</strong> یکی از پرکاربردترین حوزه‌های استفاده از متلب در پروژه‌های دانشگاهی، پژوهشی و صنعتی است. MATLAB به دلیل برخورداری از توابع آماده، محیط مناسب برای کار با ماتریس‌ها و ابزارهای تخصصی پردازش تصویر، امکان پیاده‌سازی بسیاری از الگوریتم‌های Image Processing را با سرعت مناسبی فراهم می‌کند.</p>
<p>در پردازش تصویر، یک تصویر دیجیتال در واقع مجموعه‌ای از مقادیر عددی است که اطلاعات مربوط به شدت روشنایی یا رنگ پیکسل‌ها را در خود نگه می‌دارد. از آنجا که MATLAB اساساً یک نرم‌افزار ماتریس‌محور است، کار با تصاویر در این محیط بسیار طبیعی و ساده انجام می‌شود.</p>
<h3>پردازش تصویر چیست؟</h3>
<p>پردازش تصویر مجموعه‌ای از روش‌ها و الگوریتم‌ها برای دریافت، اصلاح، تحلیل و استخراج اطلاعات از تصاویر دیجیتال است.</p>
<p>در یک پروژه پردازش تصویر ممکن است هدف تنها بهبود کیفیت تصویر باشد یا بخواهیم اطلاعات خاصی مانند لبه‌ها، اشیا، نواحی مورد نظر، رنگ‌ها یا ویژگی‌های تصویر را استخراج کنیم.</p>
<p>برخی از کاربردهای مهم پردازش تصویر عبارتند از:</p>
<ul>
<li>بهبود کیفیت تصاویر</li>
<li>حذف نویز</li>
<li>تشخیص لبه‌ها</li>
<li>بخش‌بندی تصویر</li>
<li>استخراج ویژگی</li>
<li>تشخیص اشیا</li>
<li>شناسایی الگو</li>
<li>تحلیل تصاویر پزشکی</li>
<li>پردازش تصاویر ماهواره‌ای</li>
<li>بینایی ماشین</li>
<li>تشخیص چهره</li>
<li>کنترل کیفیت صنعتی</li>
</ul>
<h3>خواندن و نمایش تصویر در MATLAB</h3>
<p>یکی از اولین مراحل در پروژه‌های پردازش تصویر، وارد کردن تصویر به محیط MATLAB و مشاهده اطلاعات آن است.</p>
<p>در MATLAB می‌توان تصاویر را از فرمت‌های مختلف خواند و سپس ابعاد، نوع داده و کانال‌های رنگی آن‌ها را بررسی کرد.</p>
<p>در این مرحله کاربر با مفاهیمی مانند:</p>
<ul>
<li>تصویر خاکستری</li>
<li>تصویر رنگی RGB</li>
<li>ابعاد تصویر</li>
<li>پیکسل</li>
<li>شدت روشنایی</li>
<li>نوع داده تصویر</li>
</ul>
<p>آشنا می‌شود.</p>
<h3>تصاویر خاکستری و رنگی</h3>
<p>تصاویر Gray Scale معمولاً به صورت یک ماتریس دوبعدی نمایش داده می‌شوند که هر عضو آن شدت روشنایی یک پیکسل را مشخص می‌کند.</p>
<p>تصاویر RGB از سه کانال رنگی قرمز، سبز و آبی تشکیل شده‌اند. بنابراین یک تصویر RGB معمولاً به صورت یک آرایه سه‌بعدی در MATLAB ذخیره می‌شود.</p>
<p>آشنایی با ساختار داده تصویر اهمیت زیادی دارد، زیرا بسیاری از الگوریتم‌ها ابتدا نیاز دارند تصویر به قالب مشخصی تبدیل شود.</p>
<h3>تبدیل تصاویر رنگی و خاکستری</h3>
<p>در برخی پروژه‌ها لازم است تصویر رنگی به تصویر خاکستری تبدیل شود تا حجم محاسبات کاهش پیدا کند یا الگوریتم مورد نظر تنها روی شدت روشنایی کار کند.</p>
<p>همچنین ممکن است نیاز باشد تصاویر بین فضای‌های رنگی مختلف تبدیل شوند.</p>
<p>این موضوع در پروژه‌هایی مانند تشخیص رنگ، بخش‌بندی و استخراج ویژگی اهمیت زیادی دارد.</p>
<h3>بهبود کیفیت تصویر</h3>
<p>یکی از شاخه‌های اصلی Image Processing، <strong>Image Enhancement</strong> است.</p>
<p>هدف از بهبود تصویر این است که اطلاعات مهم تصویر بهتر دیده شوند یا تصویر برای مراحل بعدی پردازش آماده‌تر شود.</p>
<p>روش‌هایی مانند موارد زیر در این حوزه کاربرد دارند:</p>
<ul>
<li>تنظیم کنتراست</li>
<li>تغییر روشنایی</li>
<li>Histogram Equalization</li>
<li>افزایش وضوح</li>
<li>اصلاح دامنه شدت پیکسل‌ها</li>
<li>بهبود نمایش جزئیات</li>
</ul>
<h3>هیستوگرام تصویر</h3>
<p>Histogram یکی از ابزارهای مهم برای بررسی توزیع شدت روشنایی در تصویر است.</p>
<p>با تحلیل هیستوگرام می‌توان متوجه شد تصویر بیش از حد روشن، تاریک یا دارای کنتراست پایین است.</p>
<p>روش‌های مبتنی بر هیستوگرام در بهبود کیفیت تصویر و Thresholding کاربرد فراوانی دارند.</p>
<h3>نویز در تصویر</h3>
<p>تصاویر واقعی ممکن است در هنگام تصویربرداری، انتقال یا ذخیره‌سازی دچار نویز شوند.</p>
<p>وجود نویز می‌تواند عملکرد الگوریتم‌های بعدی مانند لبه‌یابی، بخش‌بندی و تشخیص اشیا را کاهش دهد.</p>
<p>برخی از نویزهای رایج شامل:</p>
<ul>
<li>Gaussian Noise</li>
<li>Salt &amp; Pepper Noise</li>
<li>Speckle Noise</li>
</ul>
<p>هستند.</p>
<p>در MATLAB می‌توان نویزهای مختلف را شبیه‌سازی کرد و سپس عملکرد فیلترهای مختلف را در حذف آن‌ها بررسی کرد.</p>
<h3>فیلتر کردن تصاویر</h3>
<p>فیلترها یکی از ابزارهای اصلی در پردازش تصویر هستند.</p>
<p>با استفاده از فیلتر می‌توان تصویر را هموار کرد، نویز را کاهش داد، لبه‌ها را تقویت کرد یا جزئیات خاصی را استخراج نمود.</p>
<p>فیلترها به طور کلی می‌توانند در حوزه مکان یا حوزه فرکانس اعمال شوند.</p>
<p>از جمله فیلترهای متداول می‌توان به موارد زیر اشاره کرد:</p>
<ul>
<li>Mean Filter</li>
<li>Median Filter</li>
<li>Gaussian Filter</li>
<li>فیلترهای هموارساز</li>
<li>فیلترهای Sharpening</li>
</ul>
<h3>Median Filter</h3>
<p>فیلتر میانه یکی از روش‌های معروف برای حذف نویز Salt &amp; Pepper است.</p>
<p>این فیلتر به جای میانگین‌گیری از مقادیر همسایه، مقدار میانه آن‌ها را انتخاب می‌کند و به همین دلیل در بسیاری از موارد می‌تواند نویز ضربه‌ای را بدون تخریب شدید لبه‌ها کاهش دهد.</p>
<h3>تشخیص لبه</h3>
<p>Edge Detection یکی از مراحل مهم در بسیاری از پروژه‌های بینایی ماشین و پردازش تصویر است.</p>
<p>لبه‌ها معمولاً مرز میان نواحی مختلف تصویر را مشخص می‌کنند و اطلاعات مهمی درباره شکل و ساختار اجسام در اختیار ما قرار می‌دهند.</p>
<p>الگوریتم‌های مختلفی برای لبه‌یابی وجود دارند، از جمله:</p>
<ul>
<li>Sobel</li>
<li>Prewitt</li>
<li>Roberts</li>
<li>Canny</li>
</ul>
<p>هر روش دارای ویژگی‌ها و حساسیت متفاوتی نسبت به نویز و جزئیات تصویر است.</p>
<h3>Thresholding و تبدیل تصویر به دودویی</h3>
<p>در بسیاری از کاربردها لازم است تصویر به دو گروه اصلی تقسیم شود؛ برای مثال پیکسل‌های متعلق به شیء و پیکسل‌های مربوط به پس‌زمینه.</p>
<p>در این حالت از روش‌های Thresholding استفاده می‌شود.</p>
<p>خروجی این مرحله معمولاً یک تصویر Binary است که پیکسل‌های آن دارای دو مقدار اصلی هستند.</p>
<p>تصاویر دودویی در بسیاری از مراحل بعدی مانند شمارش اشیا، اندازه‌گیری نواحی و عملیات مورفولوژیکی کاربرد دارند.</p>
<h3>بخش‌بندی تصویر</h3>
<p><strong>Image Segmentation</strong> یکی از مهم‌ترین موضوعات در پردازش تصویر است.</p>
<p>هدف بخش‌بندی، تقسیم تصویر به نواحی معنی‌دار است.</p>
<p>برای مثال در یک تصویر پزشکی ممکن است هدف جدا کردن بافت مورد نظر از سایر بخش‌ها باشد یا در یک تصویر صنعتی بخواهیم قطعه را از پس‌زمینه جدا کنیم.</p>
<p>روش‌های بخش‌بندی می‌توانند بر اساس موارد زیر انجام شوند:</p>
<ul>
<li>شدت روشنایی</li>
<li>رنگ</li>
<li>لبه‌ها</li>
<li>نواحی</li>
<li>خوشه‌بندی</li>
<li>ویژگی‌های تصویر</li>
</ul>
<h3>عملیات مورفولوژیکی</h3>
<p>Morphological Operations ابزارهای مهمی برای پردازش تصاویر Binary هستند.</p>
<p>از جمله عملیات پرکاربرد می‌توان به موارد زیر اشاره کرد:</p>
<ul>
<li>Erosion</li>
<li>Dilation</li>
<li>Opening</li>
<li>Closing</li>
<li>پر کردن حفره‌ها</li>
<li>حذف اجسام کوچک</li>
</ul>
<p>این عملیات به‌خصوص بعد از Thresholding و Segmentation برای اصلاح شکل نواحی و حذف خطاهای کوچک بسیار مفید هستند.</p>
<h3>استخراج ویژگی</h3>
<p>در بسیاری از پروژه‌ها هدف نهایی خود تصویر نیست، بلکه می‌خواهیم تعدادی ویژگی عددی از آن استخراج کنیم.</p>
<p>این ویژگی‌ها می‌توانند اطلاعاتی درباره شکل، اندازه، بافت یا شدت روشنایی تصویر ارائه دهند.</p>
<p>برای مثال:</p>
<ul>
<li>مساحت</li>
<li>محیط</li>
<li>مرکز جرم</li>
<li>ویژگی‌های هندسی</li>
<li>ویژگی‌های بافت</li>
<li>ویژگی‌های رنگی</li>
</ul>
<p>پس از استخراج ویژگی می‌توان آن‌ها را به الگوریتم‌های دسته‌بندی، شبکه عصبی یا یادگیری ماشین داد.</p>
<h3>پردازش تصویر و یادگیری ماشین</h3>
<p>در بسیاری از سیستم‌های هوشمند، پردازش تصویر مرحله اولیه یک سیستم Machine Learning است.</p>
<p>ابتدا تصویر پردازش و ویژگی‌های مناسب استخراج می‌شوند و سپس این ویژگی‌ها برای آموزش یک مدل دسته‌بندی یا پیش‌بینی مورد استفاده قرار می‌گیرند.</p>
<p>برای مثال می‌توان از این ساختار در مسائل زیر استفاده کرد:</p>
<ul>
<li>تشخیص بیماری از تصاویر پزشکی</li>
<li>شناسایی چهره</li>
<li>تشخیص پلاک خودرو</li>
<li>طبقه‌بندی تصاویر</li>
<li>تشخیص عیب صنعتی</li>
<li>شناسایی اشیا</li>
</ul>
<h3>پردازش تصویر در پروژه و پایان‌نامه</h3>
<p>MATLAB یکی از محیط‌های محبوب برای پیاده‌سازی سریع ایده‌های پردازش تصویر در پروژه‌های دانشگاهی است.</p>
<p>دانشجویان می‌توانند ابتدا الگوریتم را در متلب پیاده‌سازی و آزمایش کنند و سپس در صورت نیاز آن را توسعه دهند.</p>
<p>این موضوع در رشته‌هایی مانند مهندسی برق، کامپیوتر، پزشکی، مکاترونیک، رباتیک و هوش مصنوعی کاربرد زیادی دارد.</p>
<h3>این آموزش برای چه افرادی مناسب است؟</h3>
<p>این دوره می‌تواند برای افراد زیر مناسب باشد:</p>
<ul>
<li>دانشجویان مهندسی برق</li>
<li>دانشجویان کامپیوتر</li>
<li>دانشجویان هوش مصنوعی</li>
<li>پژوهشگران پردازش تصویر</li>
<li>دانشجویان مهندسی پزشکی</li>
<li>علاقه‌مندان بینایی ماشین</li>
<li>دانشجویان مکاترونیک و رباتیک</li>
<li>افرادی که برای پروژه یا پایان‌نامه به پردازش تصویر نیاز دارند</li>
<li>افرادی که قصد یادگیری Image Processing Toolbox در MATLAB را دارند</li>
</ul>
<h3>پیش‌نیاز پیشنهادی</h3>
<p>برای استفاده بهتر از آموزش، آشنایی مقدماتی با MATLAB توصیه می‌شود.</p>
<p>به‌خصوص آشنایی با موضوعات زیر مفید است:</p>
<ul>
<li>ماتریس‌ها</li>
<li>بردارها</li>
<li>Script</li>
<li>Function</li>
<li>حلقه‌ها</li>
<li>دستورات شرطی</li>
</ul>
<p>از آنجا که تصاویر در MATLAB به صورت آرایه و ماتریس ذخیره می‌شوند، تسلط نسبی بر عملیات ماتریسی یادگیری پردازش تصویر را بسیار ساده‌تر می‌کند.</p>
<h3>هدف آموزش</h3>
<p>هدف این دوره آن است که کاربر با مفاهیم اصلی پردازش تصویر و نحوه پیاده‌سازی آن‌ها در MATLAB آشنا شود.</p>
<p>پس از یادگیری این مباحث، کاربر می‌تواند تصاویر را وارد MATLAB کند، آن‌ها را پردازش و بهبود دهد، نویز را کاهش دهد، لبه‌ها و نواحی مختلف را استخراج کند و مقدمات لازم برای توسعه پروژه‌های پیشرفته‌تر پردازش تصویر و بینایی ماشین را به دست آورد.</p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<blockquote class="wp-embedded-content" data-secret="zE2LgRvxus"><p><a href="https://iran-matlab.ir/product/%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d8%aa%d8%b5%d9%88%db%8c%d8%b1-%d8%af%d8%b1-%d9%85%d8%aa%d9%84%d8%a8/">پردازش تصویر در متلب</a></p></blockquote>
<p><iframe class="wp-embedded-content" sandbox="allow-scripts" security="restricted"  title="“پردازش تصویر در متلب” — ایران متلب" src="https://iran-matlab.ir/product/%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d8%aa%d8%b5%d9%88%db%8c%d8%b1-%d8%af%d8%b1-%d9%85%d8%aa%d9%84%d8%a8/embed/#?secret=3XB64G1Bsk#?secret=zE2LgRvxus" data-secret="zE2LgRvxus" width="600" height="338" frameborder="0" marginwidth="0" marginheight="0" scrolling="no"></iframe></p>
<p>نوشته <a href="https://matlab1.ir/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d8%aa%d8%b5%d9%88%db%8c%d8%b1-%d8%af%d8%b1-matlab/">آموزش پردازش تصویر در MATLAB</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://matlab1.ir/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d8%aa%d8%b5%d9%88%db%8c%d8%b1-%d8%af%d8%b1-matlab/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>آموزش فارسی شناسایی الگو</title>
		<link>https://matlab1.ir/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%81%d8%a7%d8%b1%d8%b3%db%8c-%d8%b4%d9%86%d8%a7%d8%b3%d8%a7%db%8c%db%8c-%d8%a7%d9%84%da%af%d9%88/</link>
					<comments>https://matlab1.ir/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%81%d8%a7%d8%b1%d8%b3%db%8c-%d8%b4%d9%86%d8%a7%d8%b3%d8%a7%db%8c%db%8c-%d8%a7%d9%84%da%af%d9%88/#comments</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Tue, 10 Jan 2017 10:34:12 +0000</pubDate>
				<category><![CDATA[segmentation]]></category>
		<category><![CDATA[حد آستانه دسته بندی]]></category>
		<category><![CDATA[دانلود]]></category>
		<category><![CDATA[Machine learning]]></category>
		<category><![CDATA[Pattern Recognition]]></category>
		<category><![CDATA[بیومتریک]]></category>
		<category><![CDATA[تئوری بیزین]]></category>
		<category><![CDATA[تشخیص الگو]]></category>
		<category><![CDATA[تشخیص امضا]]></category>
		<category><![CDATA[تشخیص چهره]]></category>
		<category><![CDATA[خوشه بندی]]></category>
		<category><![CDATA[شبکه های عصبی مصنوعی]]></category>
		<category><![CDATA[طبقه بندی الگو]]></category>
		<category><![CDATA[طبقه بندی نزدیک ترین همسایه]]></category>
		<category><![CDATA[یادگیری ماشین]]></category>
		<guid isPermaLink="false">http://am19.siteground.biz/~matlab18/matlab1.ir/?p=4584</guid>

					<description><![CDATA[<p>در ابتدا،  یک پاسخ آزمایشی به سوال زیر می دهیم: تشخیص الگو(PR)چیست؟ در  میان همه پاسخ های احتمالی موجود،  که ما متناسب با شرایط این فصل در نظر گرفته این، پاسخ مناسب [&#8230;]</p>
<p>نوشته <a href="https://matlab1.ir/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%81%d8%a7%d8%b1%d8%b3%db%8c-%d8%b4%d9%86%d8%a7%d8%b3%d8%a7%db%8c%db%8c-%d8%a7%d9%84%da%af%d9%88/">آموزش فارسی شناسایی الگو</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<p style="text-align: justify;"><span style="font-size: 14pt;">در ابتدا،  یک پاسخ آزمایشی به سوال زیر می دهیم: تشخیص الگو(PR)چیست؟ در  میان همه پاسخ های احتمالی موجود،  که ما متناسب با شرایط این فصل در نظر گرفته این، پاسخ مناسب این است: تشخیص الگو، یک ر شته علمی  <a href="https://iran-matlab.ir/product/%d8%a8%d8%b3%d8%aa%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d8%ac%d8%a7%d9%85%d8%b9-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%85%d8%a7%d8%b4%db%8c%d9%86-machine-learning/" target="_blank" rel="noopener noreferrer">یادگیری ماشین</a> ی( یا هوش مصنوعی)است که هدف آن  طبقه بندی الگوی داده ها به تعدادی از مقوله ها و کلاس ها است. لذا، الگو چیست؟</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;"> در 1985،  ساتوشی واتناب   الکو را به صورت  نقطه مقابل اشفتگی  تعریف کرده است: یک واحد کامل، با تعریف مبهم که می تواند به یک نام داده شود: به عبارت دیکر، یک الگو  می تواند  هر  شی یا بخش مورد نظر باشد که برای تشخیص و شناسایی لازم است. لازم  به ذکر است که   افراد  خواهان  درک نام هستند. مثال هایی از الگو ها به شرح زیر هستند: یک پیکسل در یک تصویر، یک شکل دو یا سه بعدی، یک   کاراکتر تایپ شده  یا دست نویس،  با  اثر انگشت، رد پا، صورت انسان، صدای فردف سیگنال صوت،  سری های زمانی ECG،  یک ساختمان یا شکل حیوان باشد.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;"> یک سیستم تشخیص الگو(PRS)  یک سیستم خودکار است که هدف آن طبقه بندی الگو های ورودی به یک کلاس ویژه است. این دو کار متوالی را انجام می دهد: 1-  تحلیل یا توصیفی که ویژگی ها را از الگوی مطالعه شده استخراچ کند و 2-   طبقه بندی یا تشخیصی که ما را قادر به  تشخیص یک شی یا الگو با استفاده از ویژگی های بر گرفته  شده   از اولین کار ، می کند</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;"> این  وب سایتی برای دوره های اموزشی تشخیص الکو می باشد که در  اولین  سال  لیسانس  تدریس می شوذ. مواد ارایه شده انقدر کامل هستند که به عنوان یک دستور العمل  اموزشی در نظر گرفته می شود.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;"> فنون تشخیص الگو مربوط به تئوری ها و الگوریتم های  انتزاعی می باشد. روش های تشخیص الکو در  بسیاری از  زمینه ها مفید هستند. نظیر  بازیابی اطلاعات، داده کاوی، تحلیل تصویر سند و شناخت، زبان شناسی محاسباتی، پزشکی قانونی، بیومتریک و بیوانفورماتیک. وب سایت هایی برای دوره های مربوط به داده کاوی و یادگیری ماشینی وجود دارند.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;"> بیشتر موضوعات مربوط به روش های طبقه بندی آماری هستند. آن ها شامل روش های  مولد  نظیر روش های مبتنی بر تئوری بیزین تصمیم گیری و روش های براورد پارامتر و براورد تراکم هستند. روش های   دیگر شامل  طبقه بندی نزدیک ترین همسایه،  ماشین های بردار پشتیبان هستند. شبکه های عصبی مصنوعی، ترکیب  دسته بند و خوشه بندی از اجزای اصلی تشخیص  الگو هستند.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;"> یک دوره اموزشی در زمینه احتمال می تواند پیش نیاز باشد</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;"> برنامه های  فنون تشخیص الکو با پروژه های مربوط به تشخیص  اثر  انگشت،  تشخیص دست خط و   تایید دست خط   نشان داده می شوند.</span></p>
<hr />
<p style="text-align: center;"><span style="font-size: 16pt;"><a href="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-1.mp4" target="_blank" rel="noopener noreferrer">جلسه اول</a></span><br />
<span style="font-size: 16pt;">  </span></p>
<p style="text-align: center;"><span style="font-size: 16pt;"><a href="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-2.mp4" target="_blank" rel="noopener noreferrer">جلسه دوم</a></span><br />
<span style="font-size: 16pt;">  </span></p>
<p style="text-align: center;"><span style="font-size: 16pt;"><a href="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-3.mp4" target="_blank" rel="noopener noreferrer">جلسه سوم</a></span><br />
<span style="font-size: 16pt;">  </span></p>
<p style="text-align: center;"><span style="font-size: 16pt;"><a href="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-4.mp4" target="_blank" rel="noopener noreferrer">جلسه چهارم</a></span><br />
<span style="font-size: 16pt;">  </span></p>
<p style="text-align: center;"><span style="font-size: 16pt;"><a href="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-5.mp4" target="_blank" rel="noopener noreferrer">جلسه پنجم</a></span><br />
<span style="font-size: 16pt;">  </span></p>
<p style="text-align: center;"><span style="font-size: 16pt;"><a href="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-6.mp4" target="_blank" rel="noopener noreferrer">جلسه ششم</a></span><br />
<span style="font-size: 16pt;">  </span></p>
<p style="text-align: center;"><span style="font-size: 16pt;"><a href="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-7.mp4" target="_blank" rel="noopener noreferrer">جلسه هفتم</a></span><br />
<span style="font-size: 16pt;">  </span></p>
<p style="text-align: center;"><span style="font-size: 16pt;"><a href="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-8.mp4" target="_blank" rel="noopener noreferrer">جلسه هشتم</a></span><br />
<span style="font-size: 16pt;">  </span></p>
<p style="text-align: center;"><span style="font-size: 16pt;"><a href="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-9.mp4" target="_blank" rel="noopener noreferrer">جلسه نهم</a></span><br />
<span style="font-size: 16pt;">  </span></p>
<p style="text-align: center;"><span style="font-size: 16pt;"><a href="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-10.mp4" target="_blank" rel="noopener noreferrer">جلسه دهم</a></span><br />
<span style="font-size: 16pt;">  </span></p>
<p style="text-align: center;"><span style="font-size: 16pt;"><a href="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-11.mp4" target="_blank" rel="noopener noreferrer">جلسه یازدهم</a></span><br />
<span style="font-size: 16pt;">  </span></p>
<p style="text-align: center;"><span style="font-size: 16pt;"><a href="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-12.mp4" target="_blank" rel="noopener noreferrer">جلسه دوازدهم</a></span><br />
<span style="font-size: 16pt;">  </span></p>
<p style="text-align: center;"><span style="font-size: 16pt;"><a href="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-13.mp4" target="_blank" rel="noopener noreferrer">جلسه سیزدهم</a></span><br />
<span style="font-size: 16pt;">  </span></p>
<p style="text-align: center;"><span style="font-size: 16pt;"><a href="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-14.mp4" target="_blank" rel="noopener noreferrer">جلسه چهاردهم</a></span><br />
<span style="font-size: 16pt;">  </span></p>
<p style="text-align: center;"><span style="font-size: 16pt;"><a href="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-15.mp4" target="_blank" rel="noopener noreferrer">جلسه پانزدهم</a></span><br />
<span style="font-size: 16pt;">  </span></p>
<p style="text-align: center;"><span style="font-size: 16pt;"><a href="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-16.mp4" target="_blank" rel="noopener noreferrer">جلسه شانزدهم</a></span><br />
<span style="font-size: 16pt;">  </span></p>
<p style="text-align: center;"><span style="font-size: 16pt;"><a href="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-17.mp4" target="_blank" rel="noopener noreferrer">جلسه هفدهم</a></span><br />
<span style="font-size: 16pt;">  </span></p>
<p style="text-align: center;"><span style="font-size: 16pt;"><a href="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-18.mp4" target="_blank" rel="noopener noreferrer">جلسه هیجدهم</a></span><br />
<span style="font-size: 16pt;">  </span></p>
<p style="text-align: center;"><span style="font-size: 16pt;"><a href="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-19.mp4" target="_blank" rel="noopener noreferrer">جلسه نوزدهم</a></span><br />
<span style="font-size: 16pt;">  </span></p>
<p style="text-align: center;"><span style="font-size: 16pt;"><a href="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-20.mp4" target="_blank" rel="noopener noreferrer">جلسه بیستم</a></span><br />
<span style="font-size: 16pt;">  </span></p>
<p style="text-align: center;"><span style="font-size: 16pt;"><a href="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-21.mp4" target="_blank" rel="noopener noreferrer">جلسه بیست و یکم</a></span><br />
<span style="font-size: 16pt;">  </span></p>
<p style="text-align: center;"><span style="font-size: 16pt;"><a href="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-22.mp4" target="_blank" rel="noopener noreferrer">جلسه بیست و دو </a></span><br />
<span style="font-size: 16pt;">  </span></p>
<p style="text-align: center;"><span style="font-size: 16pt;"><a href="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-23.mp4" target="_blank" rel="noopener noreferrer">جلسه بیست و سوم</a></span><br />
<span style="font-size: 16pt;">  </span></p>
<p>نوشته <a href="https://matlab1.ir/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%81%d8%a7%d8%b1%d8%b3%db%8c-%d8%b4%d9%86%d8%a7%d8%b3%d8%a7%db%8c%db%8c-%d8%a7%d9%84%da%af%d9%88/">آموزش فارسی شناسایی الگو</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://matlab1.ir/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%81%d8%a7%d8%b1%d8%b3%db%8c-%d8%b4%d9%86%d8%a7%d8%b3%d8%a7%db%8c%db%8c-%d8%a7%d9%84%da%af%d9%88/feed/</wfw:commentRss>
			<slash:comments>2</slash:comments>
		
		<enclosure url="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-1.mp4" length="224432623" type="video/mp4" />
<enclosure url="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-2.mp4" length="224669854" type="video/mp4" />
<enclosure url="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-3.mp4" length="243399235" type="video/mp4" />
<enclosure url="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-4.mp4" length="216088478" type="video/mp4" />
<enclosure url="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-5.mp4" length="224436229" type="video/mp4" />
<enclosure url="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-6.mp4" length="212100650" type="video/mp4" />
<enclosure url="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-7.mp4" length="222954537" type="video/mp4" />
<enclosure url="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-8.mp4" length="223393894" type="video/mp4" />
<enclosure url="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-9.mp4" length="212001976" type="video/mp4" />
<enclosure url="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-10.mp4" length="231964311" type="video/mp4" />
<enclosure url="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-11.mp4" length="239817994" type="video/mp4" />
<enclosure url="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-12.mp4" length="232774422" type="video/mp4" />
<enclosure url="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-13.mp4" length="236289519" type="video/mp4" />
<enclosure url="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-14.mp4" length="233974855" type="video/mp4" />
<enclosure url="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-15.mp4" length="170129480" type="video/mp4" />
<enclosure url="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-16.mp4" length="232461335" type="video/mp4" />
<enclosure url="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-17.mp4" length="222032446" type="video/mp4" />
<enclosure url="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-18.mp4" length="222737193" type="video/mp4" />
<enclosure url="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-19.mp4" length="215169757" type="video/mp4" />
<enclosure url="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-20.mp4" length="233795002" type="video/mp4" />
<enclosure url="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-21.mp4" length="237437167" type="video/mp4" />
<enclosure url="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-22.mp4" length="223722010" type="video/mp4" />
<enclosure url="http://ocw.sharif.edu/cms/ee/pattern-recognition-fatemizadeh-ee/hq/hq-fatemizadeh994-23.mp4" length="185106814" type="video/mp4" />

			</item>
	</channel>
</rss>
