مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران16823745912011321A Novel Proposed Algorithm to Tackle Glasses Wearing and Beard Issues in Facial IR Recognitionمعرفي الگوريتمي جديد براي حل مشكل عينك و ریش در بازشناسی چهره با تصاویر مادون قرمز حرارتی313faحامدکماری علائیدانشگاه فردوسی مشهدمرتضی خادمیدانشگاه فردوسی مشهد20151128Face recognition via thermal infrared images is a modern recognition method. It has been so interesting for many researchers during last ten years. This method which operates via thermal features and the situation of human face vessels has much more benefits than visual-based methods. In these images, the effect of environmental lights changes, which is one of the most important obstacles of face recognition via visual images, is totally eliminated. The most important face recognition problem via thermal infrared images is the existence of diffusion obstacles like glasses and beard, which block the exact extraction of the situation of face vessels. Considering the suggested algorithm, these problems have been completely solved. In this paper face recognition is done through face vessels. For extraction of the face features, the situation of vessel branches is used. Also by choosing appropriate classification, fake vessels and false branches has been omitted. On the other hand, the best feature is extracted by using Dynamic Time Wrapping algorithm which is resistant to nonlinear changes. The simulation on UTK-IRIS gallery set has showed the accurate recognition rate 95% on the images with glasses and 88% on the images with beard, so the proposed method has improved the recognition rate about 10% and 44% respectively on same gallery set compared with the best other works.بازشناسی چهره از طریق تصاویر مادون قرمز حرارتی یکی از جدیدترین راهکارهای بازشناسی چهره بوده و هم‌اکنون مورد توجه بسیاری از محققان می‌باشد. این شناسایی که از طریق ثبت توزیع حرارتی چهره و چگونگی موقعیت رگ‌های صورت انسان انجام می‌شود دارای مزیت‌های بسیاری نسبت به روش‌های مبتنی بر تصاویر بینایی متداول می‌باشد. در این تصاویر اثر تغییرات نور محیط که یکی از مهم‌ترین معضلات بازشناسی چهره در تصاویر حوزه بینایی است، مرتفع می‌شود. یکی از مهم‌ترین مشکلات بازشناسی چهره در تصاویر مادون قرمز حرارتی وجود موانع انتشار مانند عینک و ریش بوده که مانع استخراج دقیق موقعیت رگ‌های صورت می‌گردند. در اين تحقیق براي اولین بار الگوریتمي پیشنهاد شده است كه این مشکلات نیز تا حد زیادی برطرف مي‌گردند. در این مقاله جهت استخراج ویژگی صورت از موقعیت انشعاب رگ‌ها استفاده شده است و همچنین با انتخاب دسته‌بندی مناسب، رگ‌های تقلبی و انشعابات نادرست حذف شده‌اند. از طرفی با استفاده از الگوریتم تطبیق زمانی پویا بهترین بردارهای ویژگی استخراج می‌شوند. با بررسی نتایج شبیه‌سازی شده بر روی بانک داده UTK-IRIS نرخ شناسایی بر روی تصاویر با عینک 95٪ و بر روي تصاوير با ریش صورت 88% است که نسبت به بهترين نتایج به‌دست آمده قبلی در بانک داده یکسان، به‌ترتيب 10٪ و 40% بهتر می‌باشند.http://ijece.org/fa/Article/Download/27997

مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران16823745912011321Improving Pose Manifold and Virtual Images Using Bidirectional Neural Networks in Face Recognition Using Single Image per Personبهبود مانيفولد حالات و تصاوير مجازی با به‌کارگيری شبکه‌های عصبی دوسويه در بازشناسی چهره با يک تصوير از هر فرد1420faفاطمهعبدالعلیدانشگاه صنعتی اميرکبيرسیدعلیسیدصالحیدانشگاه صنعتی امیرکبیر20151128In this article, for the purpose of improving neural network models applied in face recognition using single image per person, a bidirectional neural network inspired of neocortex functional model is presented. In the proposed model, recognition is not performed in a single stage, but via two bottom-up and top-down phases and the recognition results of first stage is used for model adaptation. We have applied this novel adapting model in combination with clustering person and pose information technique to separate person and pose information and to estimate corresponding manifolds. To increase the number of training samples in the classifier neural network, virtual views of frontal images in the test dataset are synthesized using estimated manifolds. Training classifier network via virtual images obtained from bidirectional network, gives an accuracy rate of 85.45% on the test dataset which shows 1.82% improvement in accuracy of face recognition compared to training classifier with virtual images obtained from clustering person and pose information network.در اين مقاله به‌منظور توسعه عملکرد مدل‌های شبکه عصبی در بازشناسی چهره با يک تصوير از هر فرد، يک ساختار شبکه عصبی دوسويه با الهام از نئوکورتکس مغز انسان ارائه شده است. در ساختار پيشنهادی همانند نئوکورتکس در ابتدا طی يک مرحله پردازش از پايين به بالا، يک تفسير زمخت از ورودی صورت می‌گيرد، سپس در مرحله بعد نتايج بازشناسی اوليه ضمن عبور از يک شبکه عصبی معکوس پالايش می‌شوند. از اين مدل جهت جداسازی غير خطی اطلاعات فرد از حالت و تخمين مانيفولدهای اطلاعات فرد و حالت استفاده شده است. به‌منظور افزايش تعداد نمونه‌های تعليم در شبکه طبقه‌بندی کننده با استفاده از مانيفولدهای تخمين زده شده، تصاوير مجازی چهره‌های نرمال موجود در پايگاه داده تست توليد شده است. با تعليم شبکه طبقه‌بندی کننده توسط تصاوير مجازی حاصل از تعليم شبکه دوسويه، درصد صحت بازشناسی 45/85٪ روی دادگان تست حاصل شده که در مقايسه با توليد تصاوير مجازی با استفاده از روش خوشه‌بندی بدون سرپرستی اطلاعات افراد و حالات دارای بهبود 82/1٪ می‌باشد.http://ijece.org/fa/Article/Download/27998

مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران16823745912011321Analysis of Supervised Learners to Extract Knowledge of Lighting Angels in Face Imagesتحلیل عملکرد یادگیرنده‌های بانظارت جهت استخراج دانش مربوط به زاويه نورپردازي در تصاویر تمام‌رخ چهره2128faشقايقنادريدانشگاه تربيت مدرسنصراله مقدم چركریدانشگاه تربیت مدرساحسان‌الهکبیردانشگاه تربیت مدرس000000025610761120151128Variation of Light intensity and its direction have been the main challenges in many face recognition systems that lead to the different normal and abnormal shadows. Today, various methods are presented for face recognition under different lighting conditions which require previous knowledge about Light source and the angle of radiation as well. In this paper, a new approach is proposed to extract the knowledge of/about the lighting angle/direction in face images based on learning techniques. At First, some effective coefficients on lighting variation are extracted on DCT domain. They will be used to determine lighting classes after normalization. Then, three different learning algorithms, Decision tree, SVM, and WAODE (Weightily Averaged One-Dependence Estimators) are used to learn the lighting classes. The algorithms have been tested on the well known YaleB and Extended Yale face databases. The comparative results indicate that the SVM achieves the best average accuracy for classification. On the other hand, WAODE Bayesian approach attains the better accuracy in classes with large lighting angle because of its resistance against data loss.تغييرات شدت و جهت تابش نور یکی از مهم‌ترین چالش‌های مطرح در سيستم‌هاي شناسایی چهره است كه منجر به ايجاد سايه‌هاي عادي و غير عادي متفاوتي در تصوير چهره مي‌شود. امروزه روش‌هاي مختلفي براي بازشناسي چهره تحت شرايط نوري متفاوت ارائه شده‌اند كه بسياري از آنها نياز به دانش قبلي در مورد منبع نور و زاويه تابش دارند. در اين مقاله رویکردی مبتني بر روش‌هاي يادگيري برای استخراج دانش مربوط به زاويه نورپردازي در تصاوير چهره پيشنهاد شده است. ابتدا ویژگی‌های DCT مؤثر در تغييرات نور از تصوير استخراج شده و پس از نرمال‌سازي، جهت تعيين کلاس‌های نوری مورد استفاده قرار مي‌گيرند. براي یادگیری کلاس‌های نوری از سه الگوریتم درخت تصميم، SVM و الگوريتم مبتني بر بيز WAODE استفاده شده و عملكرد آنها ارزيابي شده است. نتایج به‌دست آمده روي پایگاه‌های تصویری YaleB و ExtendedYale نشان مي‌دهد كه SVM بهترین متوسط دقت را برای طبقه‌بندی تصاویر چهره در نورپردازی‌های مختلف ارائه می‌دهد. در حالی که طبقه‌بند بیزی WAODE به دلیل مقاومت بهتر در برابر فقدان داده، براي کلاس‌های نوری با زاویه تابش زیاد نتایج بهتری را ارائه می‌دهد.http://ijece.org/fa/Article/Download/27999

مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران16823745912011321An Intelligent BGSA Based Method for Feature Selection in a Persian Handwritten Digits Recognition Systemارائه‌ی یک روش هوشمند انتخاب ویژگی مبتنی بر الگوریتم جستجوی گرانشی باینری در سیستم بازشناسی ارقام دست‌نویس فارسی2936faنجمهقنبریدانشگاه آزاد اسلامی واحد زاهدانسیدمحمدرضویدانشگاه بیرجندسیدحسننبوی کریزیآموزشكده فني حرفه‌اي شهيد منتظري مشهد20151128In this paper, an intelligent feature selection method for recognition of Persian handwritten digits is presented. The fitness function associated with the error in the Persian handwritten digits recognition system is minimized, by selecting the appropriate features, using binary gravitational search algorithm. Implementation results show that the use of intelligent methods is well able to choose the most effective features for this recognition system. The results of the proposed method in comparison with other similar methods based on genetic algorithm and binary particle method of optimizing indicates the effective performance of the proposed method.در این مقاله یک روش هوشمند انتخاب ویژگی برای بازشناسی ارقام دست‌نویس فارسی ارائه شده است. در این روش تابع برازندگی مرتبط با خطای سیستم بازشناسی ارقام دست‌نویس فارسی با استفاده از الگوریتم جستجوی گرانشی باینری و با انتخاب ویژگی‌های مناسب کمینه می‌شود. نتایج پیاده‌سازی نشان می‌دهند که استفاده از روش‌های هوشمند برای انتخاب ویژگی به‌خوبی قادر است که موثر‌ترین ویژگی‌ها برای سیستم بازشناسی را انتخاب کند. همچنین مقایسه نتایج روش پیشنهادی با سایر روش‌های مشابه مبتنی بر استفاده از الگوریتم ژنتیک و روش بهینه‌سازی گروه ذرات باینری نشان دهنده‌ی کارایی خوب این روش است.http://ijece.org/fa/Article/Download/28000

مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران16823745912011321Cost Allocation Framework for Small Signal Stability Ancillary Service in Deregulated Environmentطراحی چارچوب پرداخت هزینه خدمات جانبی پایداری سیگنال کوچک به پایدارسازهای سیستم قدرت در محیط تجدید ساختار3744faعرفانرياحي سامانيدانشگاه تربيت مدرسحسینسیفیدانشگاه تربیت مدرسمحمدکاظمشیخ‌الاسلامیدانشگاه تربیت مدرس20151128An ISO is responsible for responsible for keeping system security within its specified limits. Rapid demand increase on one hand and less investment on transmission system and the other hand, have resulted in more stress on existing transmission grids. Therefore, various types of stability should be monitored and controlled. The small signal stability (SSS) is a type which may be improved using power system stabilizers (PSS). In this paper, though using the non-dominated sorting genetic algorithm version II (NSGA-II), it is, initially, shown how the PSSs may affect the generation cost as well as the SSS. Moreover, the service provided by PSSs is introduced as an ancillary service. A cost allocation framework is prospect in which the PSS owners are properly paid for their services provided.حفظ محدوده‌های مجاز بهره‌برداری از جمله وظایف اصلي بهره‌بردار مستقل سیستم (ISO) می‌باشد. افزایش روزافزون مصرف انرژي الکتريکي و تجديد ساختار در سيستم‌هاي قدرت باعث شده است که اين سيستم‌ها در نزديکي حدود پايداري خود کار کنند. يکي از مسائلي که در بهره‌برداري از سيستم‌هاي قدرت بايد مد نظر قرار گيرد پايداري سيستم در مقابل اغتشاشات سيگنال کوچک مي‌باشد. از جمله تجهیزاتی که می‌تواند در بهبود این پایداری مورد استفاده ISO قرار گیرد، می‌توان به پایدارساز سیستم قدرت اشاره نمود. در اين مقاله ابتدا مسئله تأثیر PSS بر پایداری سیگنال کوچک و تأثیر آن بر هزینه تولید پرداخته شده است و براي اين منظور الگوريتم NSGA-II مورد استفاده قرار گرفته شده است. همچنين سعي شده است تأثیر PSS واحدهای تولیدی در محیط تجدید ساختار بررسي شود و خدمتی که این تجهیزات ارائه می‌کنند به‌عنوان یک خدمت جانبی جدید معرفی و ارزش‌گذاری گردد. همچنین چارچوب مناسبی برای پرداخت عادلانه به PSS های شبکه بابت خدمتی که ارائه می‌نمایند، معرفی گردد.http://ijece.org/fa/Article/Download/28001

مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران16823745912011321A New Switching Algorithm for Compensating the Voltage Deviation of NPC Inverter DC Link Capacitors in DTC Drive of Induction Motorsالگوریتم جدید کلیدزنی جهت جبران‌سازی انحراف ولتاژ خازن‌های لینک DC اینورتر NPC در روش کنترل مستقیم گشتاور موتور القایی سه‌فاز4551faعلیصادقی لاریجانیدانشگاه تربیت مدرسمهدیشاه‌پرستیدانشگاه تربیت مدرسمصطفیمحمدیاندانشگاه تربیت مدرسعلی یزدیان ورجانیدانشگاه تربیت مدرس20151128In this paper a novel direct torque control algorithm based on switching table using three-level diode clamp inverter is introduced. Voltage deviation of DC link capacitors is one of the most significant problems of NPC three-level voltage source inverters. The voltage imbalance of DC link capacitors will result in low level harmonics, undesirable torque variation and motor efficiency reduction. To resolve this problem, a closed loop algorithm is introduced in this paper, in addition to its simple implementation; the algorithm is able to control the voltage fluctuation of DC link capacitors within the desirable limits. The result of simulation and experimental implementation confirms the performance of this method despite capacitors reduced capacity.در این مقاله یک الگوریتم جدید کنترل مستقیم گشتاور مبتنی بر جدول کلیدزنی با استفاده از اینورتر سه‌سطحی کلمپ دیودی معرفی شده است. انحراف ولتاژ خازن‌های لینک DC از مهم‌ترین مشکلات اینورتر منبع ولتاژ سه‌سطحی NPC می‌باشد. عدم تعادل ولتاژ خازن‌های لینک DC باعث ايجاد هارمونيک‌هاي مرتبه پايين، نوسانات گشتاور نامطلوب و کاهش راندمان موتور خواهد شد. برای حل این مشکل در این مقاله یک الگوریتم حلقه بسته جدید معرفی شده که علاوه بر پیاده‌سازی ساده، قابلیت کنترل انحراف ولتاژ خازن‌های لینک DC در محدوده دلخواه را خواهد داشت. نتایج حاصل از شبیه‌سازی و پیاده‌سازی نمونه آزمایشگاهی نشان‌دهنده کارایی این روش با وجود کاهش ظرفیت خازن‌ها می‌باشد.http://ijece.org/fa/Article/Download/28002