اشترك بالحزمة الذهبية واحصل على وصول غير محدود شمرا أكاديميا
تسجيل مستخدم جديدتقنيات ضغط البيانات
Data Compression Techniques
4912
7 970
0
(
0
)
تمت اﻹضافة من قبل
Alhasan Abo Obaid
اسأل ChatGPT حول البحث
خلال العقد الأخير من القرن العشرين ظهرت مجموعة من المتغيرات التكنولوجية المتقدمة في مجالات نظم المعلومات المرتبطة بالحاسبات الآلية و وسائل الاتصال و ضغط البيانات و نقلها عبر شبكات الحاسب الآلي. حيث انتقلت نظم المعلومات من اعتمادها على النص و بعض الرسومات البيانية البسيطة إلى اعتمادها على استخدام الوسائط المتعددة التي تعمل على توصيل المعلومات في أشكال مختلفة من خلال ترابط و تكامل مجموعة متباينة من التكنولوجيات المختلفة (الصوت, الصور, النص, الفيديو, ..الخ). و قد كان تطور تلك النظم في البداية مقصوراً على الاستخدام المنفرد, و لكن نظراً لأهمية نظم الاتصالات و تطور شبكة الانترنت و استخدام نظم الوسائط المتعددة من قبل مستخدمين متعددين في أماكن مختلفة من حيث الموقع الجغرافي, ظهرت أهمية المشاركة في بيانات الوسائط المتعددة, و بالتالي حتمية تداولها من خلال شبكات الحاسب الآلي. و من هنا ظهرت الحاجة إلى ظهور شبكات ذات مواصفات خاصة يمكنها التعامل مع عناصر الوسائط المتعددة بكفاءة عالية. و من جانب آخر ظهرت أهمية وجود نظم وسائط متعددة لديها القدرة على التعامل مع شبكات الحاسب الآلي. من ذلك نرى بأن هذه النظم سوف تتسم بكبر حجم بياناتها إضافة إلى الصعوبة الحقيقية في نقل هذه البيانات و خاصة عبر شبكات الحاسب. لذلك فقد دعت مشاكل تخزين أحجام كبيرة من البيانات مقارنة مع صغر سعة الأجهزة التخزينية و مشاكل نقل كميات كبيرة منها عبر الشبكات إلى تطوير تقنيات لتخفيض (اختصار) أحجام البيانات قدر الإمكان مما يساعد على توفير في المساحات التخزينية من جهة و توفير الوقت عند إرسال البيانات من جهة ثانية
No English abstract
المراجع المستخدمة
Fundamentals of Multimedia, Ze-Nian Li, and Mark S. Drew, Pearson Prentice Hall, October 2003
David Salomon ,Data Compression The Complete Reference. 3rd edition , 2004
Entropy And Information Theory - Robert M. Gray
نظرية المعلومات و الاتصالات, جامعة تشرين, كلية الهندسة المعلوماتية, الدكتور المهندس أحمد صقر أحمد
قيم البحث
اقرأ أيضاً
تعد مسألة ضغط البيانات من المسائل الهامة في وقتنا الحالي , لما لها من أهمية كبيرة في توفير كلفة تخزين البيانات , بالإضافة إلى تقليص الزمن اللازم لمعالجة البيانات , حيث تعطي البيانات المضغوطة نتائج البيانات الأصلية بوقت حساب أقل . و نقدم في هذه الورقة
خوارزمية للتعرف على بعض الأشكال الهندسية المغلقة و غير المغلقة , و ذلك بضغط هذه الأشكال باستخدام المويجات هآر , و يعد التحويل المويجي من التحولات الحديثة و المهمة التي استخدمها الباحثون في كثير من التطبيقات لما له من مزايا و خواص في المعالجة الرقمية . وقد لاحظنا أن الصور المضغوطة حسب خوارزميتنا أعطت نتائج بوقت حساب أقل يصل إلى ربع الوقت اللازم لمعالجة الصور الأصلية .
وتم انجاز الخوارزمية باستخدام برنامج Mathematica 8.0 , اذ يعد من أقوى لغات البرمجة الرياضية.
يهدف هذا البحث إلى تقديم دراسة حالة عن استخدام تقنيات التنقيب في بيانات المؤسسات التعليمية, و ذلك من خلال استعمال تقنيات التنقيب في البيانات.
Data Mining
التنقيب في البيانات
التنقيب في بيانات المؤسسات التعليمية
برنامج ذكاء الأعمال الخاص بشركة مايكروسوفت
خوارزمية مايكروسوفت لأشجار القرار
خوارزمية مايكروسوفت للتجميع و الكشف عن الحالات الشاذة
خوارزمية مايكروسوفت لقواعد الارتباط
Educational Data Mining
SQL Server Business Intelligence Development Studio
Microsoft Decision Trees
Microsoft Clustering
Outlier Detection
Microsoft Association Rules
المزيد..
يهدف التنقيب عن البيانات التعليمية إلى دراسة البيانات المتوفرة في المجال التعليمي وإخراج المعرفة المخفية منه بغية الاستفادة منها في تعزيز عملية التعليم واتخاذ قرارات ناجحة من شأنها تحسين الأداء الأكاديمي للطالب. تقترح هذه الدراسة استخدام تقنيات التنق
يب عن البيانات لتحسين التنبؤ بأداء الطلاب، حيث تم تطبيق ثلاث خوارزميات تصنيف Naïve Bayes, J48, Support Vector Machine)) على قاعدة بيانات أداء الطلاب ، ثم تم تصميم مصنف جديد لدمج نتائج تلك المصنفات الفردية باستخدام تقنية الدمج Voting Method . تم استخدام الأداة WEKAالتي تدعم الكثير من خوارزميات و طرائق التنقيب في البيانات. تظهر النتائج أن مصنف الدمج لديه أعلى دقة للتنبؤ بمستويات الطلاب مقارنة بالمصنفات الأخرى ، حيث حقق دقة تعرف وصلت إلى74.8084 % . و أفادت خوارزمية العنقدةsimple k-means في تجميع الطلاب المتشابهين في مجموعات منفصلة بالتالي فهم مميزات كل مجموعة مما يساعد على قيادة وتوجيه كل مجموعة على حدى.
توضح هذه الورقة وتبحث في أنظمة مختلفة لمعالجة المهمة 6 من Semeval-2021: اكتشاف تقنيات الإقناع في النصوص والصور، والتعقب الفرعي 1. تهدف المهمة إلى بناء نموذج لتحديد التقنيات الطبية والنفسية (مثل التبسيط المفاجئ، الاسم-Cling، تشويه) في المحتوى النصي من
ميمي يستخدم غالبا في حملة تضليل للتأثير على المستخدمين.توفر الورقة مقارنة واسعة النطاق بين مختلف أنظمة تعليم الآلات كحل للمهمة.نقوم بتوصيل المعالجة المسبقة للبيانات النصية لصالح المهمة وعدة طرق للتغلب على خلل الفصل.تظهر النتائج أن ضبط نموذج روبرتا يعطى أفضل النتائج مع نقاط F1-Micro من 0.51 على مجموعة التطوير.
يعرض هذا البحث دراسة مرجعية حول استخدام تقنيات الذكاء الصنعي والتنقيب عن المعطيات في أنظمة مكافحة غسيل الأموال. نقارن بين عدة منهجيات متبعة في أوراق بحثية مختلفة بهدف تسليط الضوء على تطبيقات الذكاء الصنعي في حل مشاكل الحياة الواقعية.
سجل دخول لتتمكن من نشر تعليقات
التعليقات
جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
