توضیح :
توانمندی و موفقیت هر کشوری در صحنه اقتصاد جهانی منوط به موفقیت سازمانها، و موفقیت آنها درگرو خلاقیت، نوآوری و کارایی است. به‌عبارت دیگر تحول و رشد اقتصادی هر کشور تحت تاثیر مستقیم تحول سازمانها و مدیریت در آن تحقق می یابد. کشورهایی نظیر ژاپن، انگلیس و آلمان بدون داشتن منابع توانسته‌اند با استفاده از قدرت دانش و مدیریت کارا در سازماندهی و تخصیص منابع، رشد اقتصادی شگرفی را در بلندمدت تجربه کنند..
این فایل یک نمونه پروپوزال آماده و تکمیل شده در رشته کامپیوترمی باشد که طبق اصول و استانداردهای پروپوزال نویسی نگارش شده است.
در زیر به بخش های از این پروپوزال اشاره شده است :
عنوان پایان نامه
جدول اطلاعات مربوط به اساتید مشاور
اطلاعات مربوط به پایان نامه
تعریف مساله
بیان مساله
اهداف تحقیق
سوال های اصلی تحقیق
پیشینه تحقیق
ضروت انجام تحقیق
فرضیه های تحقیق
روش انجام تحقیق
منابع تحقیق
و ...
در زیر به بخشی از این فایل اشاره شده است :
بیان مساله :
تصویربرداری MRI به دلیل دقت بالا درتشخیص بافت های نرم و نمایش تمایز بافت های طبیعی از غیر طبیعی جزء ابزارهای مهم در عرصه ی تشخیص انواع بیماری ها به خصوص بیماری های مغزی می باشد.اختلالات عصبی فراوانی وجود دارند که به سیستم عصبی مرکزی بدن آسیب جدی می رسانند.از جمله شایع ترین آن ها میتوان به بیماری سرطان سینه اشاره نمود.تصویر برداری MRI نشان داده است که نسبت به بیماری سرطان سینه بسیار حساس می باشد و توانایی آن را دارد که ضایعات سرطان سینه را نسبت به بافت های محیطی خود با شدت متفاوتی نشان دهد.صحت شناسایی و تشخیص ضایعات سرطان سینه در تصاویر MRI به شدت دشوار است و انجام تقسیم بندی به صورت ذهنی بسیار پر خطا می باشد.یک جایگزین جذاب و دقیق برای تقسیم بندی دستی ، تقسیم بندی کامپیوتری می باشد که می تواند با دقت بیشتری و در مدت زمان کمتری این کار را برای پزشک انجام دهد.با توجه به افزایش بیماری های جدید و همینطور گسترش تکنولوژی ها ، تشیخص بیماری ها از حالت تهاجمی به حالت تشخیص از روی تصاویر ارگان های داخلی, بدل گشته است.از جمله بیماری هایی که در گذشته ناشناخته بوده بیماری سرطان سینه می باشد به طور صحیح تمام ضایعات ها در یک تصویررا تشخیص دهند و از false positive ها دوری کند. وشه بندی یک تکنیک کشف دانش است که در آن داده ها به خوشه های خاص تخصیص داده می شوند هدف از خوشه بندی تخصیص داده ها به مجموعه ای از دسته هاست که در آن داده های هر دسته شباهت و نزدیکی بیشتری با سایر دسته ها دارند. روش های تحلیل خوشه ها به دو روش عمده سلسله مراتبی و روشهای تفکیکی به دو بخش خوشه بندی سخت و خوشه بندی فازی تقسیم می شوند.در خوشه بندی سخت هر داده به یک و فقط یک خوشه نسبت داده می شود، در حالیکه در خوشه بندی فازی،یک تفکیک فازی صورت می گیرد به این معنی که هر داده با یک درجه تعلق به هرخوشه متعلق است. در شرایط واقعی خوشه بندی فازی طبیعی تر از خوشه بندی سخت است،چون داده های موجود در مرز خوشه های مختلف مجبور به تعلق کامل به یکی از خوشه ها نیستند، و با درجه تعلقی بین 0و1 که نشان دهنده تعلق نسبی آنهاست تفکیک می شوند. الگوریتم خوشه بندی فازی C-means به طور گسترده در قطعه بندی تصاویر پزشکی و تصاویر تشدید مغناطیسی مغز و سینه (MRI ) کاربرد دارد. یکی از مهمترین و پرکاربردترین الگوریتم های خوشه بندی الگوریتم فازی C-means می باشد. آقای benzdak و همکارانش الگوریتم c-meanرا بهبود بخشیده و الگوریتم FCMرا ارائه کرده اند که در مسائل خوشه بندی گوناگونی به خوبی به کار گرفته شده است .در نسخه فازی این الگوریتم نیز تعداد خوشه ها (c) از قبل مشخص شده است. الگوریتم استاندارد خوشه بندی Fcm یک روش خوشه بندی تفکیکی است، که از معیار شباهت فاصله اقلیدسی (ED) برای اندازه گیری شباهت داده ها و خوشه ها استفاده می کند.
این پروپوزال کاملا استاندارد است و با فرمت (word) قابل ویرایش به شما ارائه می‌شود.
- مناسب جهت ارائه برای درس روش تحقیق
- مناسب برای دانشجویانی که می‌خواهند با نگارش استاندارد پروپوزال نویسی آشنا شوند.
( اگر بیش از یک پروپوزال نیاز دارید برای مشاهده لیست پروپوزال ها اینجا کلیک کنید)