دانلود پروژه پایگاه داده پیشرفته -قفل گذاری باینری یا دو حالتی (Binary Locking) به همراه داکیومنت (زبان برنامه نویسی سی شارپ)

اختصاصی از نیک فایل دانلود پروژه پایگاه داده پیشرفته -قفل گذاری باینری یا دو حالتی (Binary Locking) به همراه داکیومنت (زبان برنامه نویسی سی شارپ) دانلود با لینک مستقیم و پر سرعت .

دانلودپروژه پایگاه داده پیشرفته -قفل گذاری باینری یا دو حالتی (Binary Locking)  به همراه داکیومنت (زبان برنامه نویسی سی شارپ)

پروتکل های مبتنی بر قفل کاربردی ترین روش کنترل همروندی میباشند. در این روش که بر اساس تخصیص داده ها به تراکنشها است، هرگاه تراکنشی بخواهد برای خواندن یا نوشتن به داده ای دسترسی داشته باشد، ابتدا درخواست قفل مناسب با آن دستور را به واحدی به نام مدیر قفل (Lock Manager) میدهد.

مدیر قفل هر درخواست رسیده برای یک داده را با قفلهایی که احیانا توسط تراکنشهای دیگر روی آن داده زده شده است مقایسه میکند. اگر این درخواست سازگار و مجاز باشد، درخواست مربوطه اجابت شده و روی داده قفل زده می شود و تراکنش میتواند به آن داده دسترسی داشته باشد. اما چنانچه درخواست قفل به دلیل عدم سازگاری با قفلهای از پیش زده شده اجابت نشود، تراکنش به حالت انتظار میرود تا زمانی که قفل های زده شده روی آن داده طوری آزاد شوند که قفل درخواستی مجاز باشد.

در قفل دوحالتی (باینری) ، داده یا قفل است یا باز. اشتراک داده ها وجود ندارد و در خواست تراکنشها فقط در صورت باز بودن قفل داده مربوطه اجابت میشود.

در قفل باینری در صورتیکه یک تراکنش مثل T1 به قفلی بر روی داده ای مثل A نیاز داشته باشد که آن قفل در اختیار تراکنش دیگری مثل T2 باشد و درخواستش اجابت نشود و متقابلا تراکنش T2 به قفلی بر روی داده ای مثل B نیاز داشته باشد که آن قفل در اختیار تراکنش T1 باشد و درخواستش اجابت نشود یک انتظار چرخشی بوجود می آید که به آن بن بست (DEADLOCK) میگویند.

دانلود کد متلب الگوریتم خفاش باینری (BBA یا Binary Bat Algorithm)

اختصاصی از نیک فایل دانلود کد متلب الگوریتم خفاش باینری (BBA یا Binary Bat Algorithm) دانلود با لینک مستقیم و پر سرعت .

دانلود کد متلب الگوریتم خفاش باینری (BBA یا Binary Bat Algorithm)

ترجمه شماره ۲ – تشخیص حالت چهره بر اساس الگوهای باینری محلی: یک مطالعه‌ی جامع

اختصاصی از نیک فایل ترجمه شماره ۲ – تشخیص حالت چهره بر اساس الگوهای باینری محلی: یک مطالعه‌ی جامع دانلود با لینک مستقیم و پر سرعت .

فرمت ترجمه مقاله : word – قابل ویرایش

تعداد صفحات ترجمه مقاله : ۳۰ صفحه

دانلود اصل مقاله – رایگان

چکیده مقاله

تحلیل اتوماتیک حالت چهره، یک مسئله‌ی جالب و چالش‌برانگیز است و روی کاربردهای مهم در بسیاری از نواحی مانند تعامل انسان کامپیوتر و انیمیشن مبتنی بر داده، تأثیر گذار است. استخراج یک نمایش مؤثر چهره از تصاویر اصلی صورت، یک گام حیاتی برای تشخیص موفق حالت چهره است. در این مقاله، ما به طور تجربی، نمایش چهره را بر اساس ویژگی‌های محلی آماری، الگوهای باینری محلی، برای تشخیص مستقل از شخص حالت چهره ارزیابی می‌کنیم. روش‌های مختلف یادگیری ماشین روی پایگاه‌داده‌های متعدد بررسی شده‌اند. آزمایشات وسیعی نشان می‌دهد که ویژگی‌های LBP برای تشخیص حالت چهره، مؤثر و کاراست. ما LBP تقویت شده را نیز فرمول سازی می‌کنیم تا متمایزترین ویژگی‌های LBP را استخراج کنیم و بهترین کارایی تشخیص با استفاده از طبقه‌بندهای ماشین بردار پشتیبان با ویژگی‌های LBP تقویت شده بدست می‌آید. به علاوه، ما ویژگی‌های LBP را برای تشخیص حالت چهره ا وضوح پایین بررسی می‌کنیم که یک مسئله‌ی حیاتی است اما به ندرت در کارهای موجود به آن پرداخته شده است. ما در آزمایشات مشاهده می‌کنیم که ویژگی‌های LBP به طور ثابت و محکم و در محدوده‌ی وضوح پایین تصاویر چهره کار می‌کنند و منجر به کارایی خوبی در دنباله‌های ویدئویی با وضوح پایین فشرده شده و گرفته شده در محیط‌های جهان واقعی می‌شوند.