دانلود تحقیق جنگ‌ های صلیبی word

 دانلود تحقیق جنگ‌ های صلیبی word دارای 10 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد دانلود تحقیق جنگ‌ های صلیبی word   کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

این پروژه توسط مرکز مرکز پروژه های دانشجویی آماده و تنظیم شده است

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی دانلود تحقیق جنگ‌ های صلیبی word ،به هیچ وجه بهم ریختگی وجود ندارد

---

بخشی از متن دانلود تحقیق جنگ‌ های صلیبی word :

آغازجنگ‌های صلیبی
درسال 1095 میلادی جنگ‌های صلیبی میان مسلمانان ومسیحیان آغاز شد. جنگ‌های صلیبی به جنگ‌هایی گفته می‌شود که در آن مسیحیان برای رهایی بیت المقدس از دست مسلمانان در قرون یازده و دوازده میلادی بدان دست می‌‌زدند. نخستین کسی که لوای جنگ را برافراشت راهبی بنام پطرس از اهالی گل (فرانسه بعدی) بود. جنگ‌های صلیبی هشت جنگ است که در جنگ اول و چهارم هیچیک از پادشاهان اروپایی دخالت نداشتند و فقط نجبا و اصیل زادگان بودند که بر صلیبی ‌ها فرمانروایی می‌‌کردند. غیر از جنگ اول در باقی جنگ‌ها مسیحیان از مسلمانان شکست خوردند.
در سال 1095 میلادی پاپ اورین دوم همه مسیحیان اروپایی را مجبور کرد تا علیه ترکان مسلمان قیام کنند و شهر اورشلیم (بیت المقدس) واقع در فلسطین را اشغال کنند. در همان سال، سپاه بزرگی مهیا و رهسپار نخستین جنگ صلیبی گردید. عده زیادی از جنگجویان صلیبی در طول سفر خطرناک از اروپا تا خاورمیانه جان خود را از دست دادند. آنها که زنده ماندند در سال 1099 م بیت المقدس را تسخیر کردند. بین سالهای 1099 تا 1250 میلادی شش جنگ صلیبی دیگر رخ داد ولی در هیچ یک از آنها صلیبیان موفقیتی به دست نیاورند.تصرف انتاکیه به دست صلیبیون

دانلود بررسی تصویر دیجیتال word

 دانلود بررسی تصویر دیجیتال word دارای 130 صفحه می باشد و دارای تنظیمات و فهرست کامل در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد دانلود بررسی تصویر دیجیتال word   کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

این پروژه توسط مرکز مرکز پروژه های دانشجویی آماده و تنظیم شده است

فهرست مطالب

فصل اول: 7
مقدمه ای بر پردازش تصویر دیجیتال 7
1-1 : مقدمه 8
1-2 : مراحل اساسی پردازش تصویر 9
1-3 : یک مدل ساده تصویر 11
4-1: تشخیص صورت 12
1-5 : تشخیص و تعبیر 14
فصل دوم : 16
بررسی دقیق تر برخی از روش های معرفی شده توسط سایر محققین در زمینه تشخیص صورت 16
2-1 : تشخیص صورت در تصاویر رنگی با استفاده از فیلتر پوست 16
1-1-2: چکیده 17
2-1-2 : فیلتر پوست 18
شکل2-1: تصویر اصلی RGB 18
شکل2-2: نقشه بافت 19
شکل2-3: تصویر رنگمایه 20
شکل2-4: تصویر اشباع 21
شکل2-5: نقشه پوست 22
2-1-3  :  تشخیص صورت در نواحی پوست 22
شکل2-6: ادغام  نقشه پوست با تصویر خاکستری 23
شکل 2-7: تصویر مثبت برچسب گذاری شده 24
شکل2-8: تصویر منفی 24
شکل 2-9: نتیجه نهایی 25
2-2-1 : چکیده 26
2-2-2 : الگوریتم تشخیص صورت 26
شکل2-10: الگوریتم تشخیص صورت بر مبنای مکان یابی ویژگی های صورت 27
2-2-4 : مکان یابی ویژگی های مربوط به صورت 29
شکل 2-12 : پیاده سازی مکان یابی چشم برای دو نمونه 30
شکل2-13 : پیاده سازی مکان یابی دهان برای دو نمونه 30
شکل2-14 : مرز صورت و مثلث دهان- چشم 31
5-2-2 : نتایج 32
2-3: یک متد آماری برای تشخیص اجسام سه بعدی 32
2-3-2 : تشخیص بر مبنای ظاهر 33
شکل2-15 : نمونه های آموزشی جهت 34
2-3-3 : قانون تصمیم آماری 34
2-3-3-2 : تجزی? ظاهر به فضا،فراوانی و جهت 38
2-3-3-3 : نمایش نمونه ها با زیر مجموع? ضریب موج 38
جدول 1: نمایش موج یک تصویر 39
2-3-3-4 : فرم نهایی تشخیص دهنده 41
2-3-5 : کاربرد تشخص دهنده ها 43
2-3-6 : صحت تشخیص صورت با چرخش خارج از محدوده 43
جدول 2 : تشخیص صورت با چرخش خارج از محدوده 43
شکل 2-17 : نمونه هایی از نتایج 45
2-4 : تشخیص صورت با استفاده از روش مسافت هاسدورف 46
2-4-1 :  چکیده 47
شکل 2-18 : ویرایش تصویر 49
2-4-4 : صحت 51
2-5-1 : مقدمه 53
2-5-3 :  تشخیص صورت با روش  هاسدورف بر پایه مسافت 54
شکل 2-21 : پروسه پیدا کردن صورت 55
2-5-4 : مدل ژنتیک 56
-5-24-1 : کد های مدل 56
2-5-4-2 : توابع تناسب 57
شکل 2-23 : عملگر تقاطع برای مدل دو بعدی 59
2-5-4-4 : مقداردهی اولیه 59
شکل 2-25 : نمونه هایی برای مقداردهی الگوریتم ژنتیک به روش لبه متوسط 60
شکل 2-27 : مدل حاصله 62
فصل سوم : 65
تشخیص صورت بر مبنای رنگ پوست 65
3-1 : استفاده از رنگ به عنوان ابزار پردازش تصاویر رنگی 66
3-1-1 : مبانی رنگ 67
3-3-1 : مدل رنگ RGB 70
3-3-2 : مدل رنگ CMY 72
3-3-3 : مدل رنگ YIQ 72
3-3-4 : مدل رنگ HSI 73
3-3-5 : مدل رنگ  YCbCr 75
3-3-5-1: تبدیلات بین RGB   و YCbCr 77
3-3-7 : نتیجه گیری از فضاهای رنگ 79
3-4 : ساختن مدل برای پوست 79
فصل چهارم : 83
شناسایی صورت در یک پایگاه داده اختیاری 83
4-1 : شناسائی صورت 84
4-1-2 : تاریخچه 84
: 2-3-1-4  Linear discriminant analysis 86
4-1-4 : ارزیابی دولت ایالات متحده امریکا 88
:6-1-4 نتیجه گیری 90
4-2-2 : چکیده 91
4-2-4 : مدل تحقیق 95
4-2-5 : نتایج تحقیق 97
نمودار شش : 103
نمودار هفت : 103
فصل پنجم : 105
روش انجام کار 105
5-2 : مدل کردن رنگ پوست 106
شکل 5-1: نقاب عمومی   108
شکل5-2 : نقاب حاصله 108
شکل 5-3 : توزیع گاوسی 109
5-3 : جداسازی پوست 110
شکل 5-5 : حاصله از آستانه گیری 112
5-4 : نواحی پوست 112
شکل 5-7 نتایج این مرحله را نشان می دهد. 113
شکل 5-7 : (الف) نواحی قسمت بندی شده . (ب) ناحیه احتمالی صورت 113
5-4-3 : جهت 115
5-4-4 : عرض و ارتفاع ناحیه 116
5-4-6 : الگوی صورت 117
5-5 : تطبیق الگو 117
شکل 5-10: (الف) الگوی اصلی. (ب) الگوی تغییر سایز یافته 119
شکل 5-13 : نمونه ای از روند کار 121
5-7 نتایج  : 123
فهرست منابع 126
 

فصل اول:مقدمه ای بر پردازش تصویر دیجیتال

 1-1 : مقدمه
پردازش تصویر دیجیتال  دانش جدیدی است که سابقه آن به پس از اختراع رایانه های دیجیتال باز می گردد . با این حال این علم نوپا در چند دهه اخیر از هر دو جنبه نظری و عملی پیشرفت های چشمگیری داشته است . سرعت این پیشرفت به اندازه ای بوده است که هم اکنون و پس از این مدت نسبتاً کوتاه ، به راحتی می توان رد پای پردازش تصویر دیجیتال را در بسیاری از علوم و صنایع مشاهده نمود . علاقه به روش های پردازش تصویر دیجیتال از دو محدوده کاربردی اصلی نشات می گیرد که آن محدوده ها عبارتند از : بهبود اطلاعات تصویری به منظور تعبیر انسانی و پردازش داده های صحنه برای ادراک ماشینی مستقل .
چند دسته مهم از کاربرد های پردازش تصویر به شرح زیر می باشد [ 1 ] :
الف ) کاربردهای عکاسی مانند ارتقاء ، بازسازی تصاویر قدیمی ، بازسازی تصاویر خراب شده با نویز و بهبود ظاهر تصاویر معمولی.
ب ) کاربرد های پزشکی مانند ارتقاء ویژگی های تصاویر اشعه ایکس ، تولید تصاویر MRI  و
CT-scan.
ج ) کاربرد های امنیتی مانند تشخیص حرکت ( در دزد گیر ها ) ، تشخیص اثر انگشت ، تشخیص چهره و تشخیص امضاء.
د ) کاربرد های نظامی مانند تشخیص و رهگیری خودکار اهداف متحرک یا ثابت از هوا یا از زمین.
ه ) کاربرد های سنجش از راه دور مانند ارتقاء و تحلیل تصاویر هوایی و ماهواره ای (برداشته شده از مناطق مختلف جغرافیایی) که در کاربرد های نقشه برداری ، کشاورزی ، هوا شناسی و موارد دیگر مفید هستند .
و ) کاربرد های صنعتی مرتبط با خودکار سازی صنایع مانند تفکیک محصولات مختلف بر اساس شکل یا اندازه ، آشکارسازی نواقص و شکستگی های موجود در محصولات ، تعیین محل اشیاء و اجرای فرایند تولید با استفاده از روبات ها و بینایی ماشینی .
ز ) کاربرد های فشرده سازی تصویر مانند ذخیره سازی ، ارسال تصاویر تلویزیون با کیفیت بالا و ارسال تصاویر متحرک و زنده از روی شبکه اینترنت و یا خط تلفن.
ح ) موارد متفرقه دیگری نیز مانند تصویر برداری از اسناد و ارسال آنها توسط دور نگار و تشخیص خودکار نویسه در ردیف کاربرد های پردازش تصویر قرار دارند.

 1-2 : مراحل اساسی پردازش تصویر
پردازش تصویر دیجیتال محدوده وسیعی از سخت افزار ، نرم افراز و مبانی نظری را در بر می گیرد . در این قسمت مراحل اساسی مورد نیاز برای اجرای یک پردازش روی تصویر را نام می بریم که در شکل 1-1 نمایش داده شده است .

 شکل 1-1 : مراحل اساسی پردازش تصویر دیجیتال

مرحله اول این فرایند ، تصویر برداری  - یعنی به دست آوردن تصویر دیجیتال -  است . انجام دادن چنین کاری نیازمند یک حسگر تصویر بردار  و قابلیت دیجیتال سازی سیگنال خروجی حسگر می باشد . پس از اینکه تصویر دیجیتال به دست آمد ، مرحله بعدی پیش پردازش آن است . وظیفه اصلی پیش پردازش ، بهبود تصویر به روش هایی است که امکان توفیق سایر پردازش ها را نیز افزایش دهد . پیش پردازش ، به طور معمول به روش هایی برای ارتقاء تمایز ، حذف نویز و جداسازی آن نواحی که زمینه شان نشان دهنده احتمال وجود اطلاعات حرفی –  عددی است ، می پردازد . مرحله بعدی به بخش بندی  می پردازد . در تعریف وسیع ، بخش بندی فرایندی است که تصویر ورودی را به قسمت ها یا اجزای تشکیل دهنده اش تقسیم می کند . به طور کلی بخش بندی یکی از مشکل ترین کارها در پردازش تصویر دیجیتال است . از طرفی یک شیوه قوی بخش بندی ، تا حد زیادی فرایند را به حل موفق مساله نزدیک می کند . از طرف دیگر الگوریتم های ضعیف یا خطا دار بخش بندی ، تقریباً  همیشه باعث خرابی اتفاقی  می شوند . خروجی مرحله بخش بندی معمولاً ، داده های پیکسلی خام است که یا مرز یک ناحیه یا تمام نقاط درون آن ناحیه را تشکیل می دهند . در هر دو حالت باید داده ها را به شکل مناسب برای پردازش رایانه ای تبدیل نمود . اولین تصمیمی که باید گرفته شود این است که آیا داده ها باید به صورت مرز یا به صورت یک ناحیه کامل نمایش داده شود . نمایش مرزی وقتی مفید است که مشخصات  خارجی شکل نظیر گوشه ها یا خمیدگی ها مورد نظر باشد . نمایش ناحیه ای وقتی مفید است که خواص درونی بخش های تصویر نظیر بافت یا استخوان بندی شکل مورد توجه باشد . در هر حال در بعضی کاربرد ها هر دو نمایش به کار می رود . انتخاب یک روش نمایش ، تنها قسمتی از راه تبدیل داده های خام به شکل مناسب برای پردازش بعدی رایانه ای است . توصیف  ، که انتخاب ویژگی  نیز خوانده می شود ، به استخراج ویژگی هایی که مقداری از اطلاعات کمی مورد نظر را به ما می دهند یا برای تشخیص گروهی از اشیاء از گروه دیگر ، اساسی هستنند ، می پردازد . مرحله آخر شکل 1-1 شامل تشخیص و تعبیر است . تشخیص  فرایندی است که بر اساس اطلاعات حاصل از توصیف گرها یک برچسب را به یک شی منتسب می کند . تعبیر  شامل انتساب معنا به یک مجموعه از اشیاء تشخیص داده شده است . دانش به شکل پایگاه داده دانش  در درون سامانه پردازش تصویر ، ذخیره می شود . این دانش ممکن است ، تنها دانستن محل نواحی دارای جزئیات مورد علاقه باشد . بنابراین جستجوی مورد نیاز برای آن اطلاعات محدود می شود . پایگاه دانش ممکن است کاملاً پیچیده باشد ، نظیر فهرست به هم مرتبط تمام نقایص اصلی ممکن در یک مساله بازرسی مواد یا یک پایگاه داده تصویری که حاوی تصاویر ماهواره ای تفکیک بالا از یک منطقه در ارتباط با کاربرد های آشکارسازی تغییر  باشد . پایگاه دانش علاوه بر هدایت عمل هر واحد پردازش ، بر تعامل بین واحد ها نیز نظارت می کند . این نمودار نشان می دهد که ارتباط بین واحد های پردازش اغلب براساس دانش قبلی در مورد نتیجه پردازش است . این پایگاه دانش نه تنها عمل هر واحد را هدایت می کند ، بلکه به عملیات بازخورد  بین واحد ها نیز کمک می کند [1].

   1-3 : یک مدل ساده تصویر
عبارت تصویر به تابع دو بعدی شدت نور که به صورت   نوشته می شود ، اشاره دارد که مقدار یا دامنه  در مختصات مکانی   ، شدت روشنایی تصویر در آن نقطه می باشد . چون نور صورتی از انرژی است ،   باید بزرگتر از صفر و متناهی باشد ، یعنی
 تصاویر دریافتی در فعالیت های روزانه معمولاً نور منعکس شده از اشیا است . طبیعت پایه ای    را می توان با دو عامل مشخص نمود : (1) مقدار نور تابشی از منبع روی صحنه ای که دیده می شود و (2) مقدار نور منعکس شده به وسیله اشیاء صحنه .
این دو عامل به ترتیب مولفه های روشنائی و انعکاس  نامیده می شوند و به ترتیب با   و
   نشان داده می شوند . توابع   و   به شکل حاصل ضرب ترکیب می شوند تا     ایجاد شود :
  که  و
 معادله بیان می کند که ضریب انعکاس به بازه عددی صفر (جذب کامل) و یک (انعکاس کامل) محدود می شود . طبیعت   توسط منبع نور و   نیز توسط مشخصات اشیای صحنه معین می شود .
 شدت تصویر تکرنگ    در مختصات   را سطح خاکستری   تصویر در آن نقطه می نامیم .

 بازه   محدوده خاکستری نامیده می شود . معمولاً تلاش می شود که این بازه را به بازه   که در آن   بیانگر سیاه و    بیانگر سفید است ، تغییر دهیم . تمام مقادیر میانی سایه های خاکستری هستند که به طور پیوسته از سیاه تا سفید تغییر می کنند[1] .
  4-1: تشخیص صورت
یکی از مهم ترین کاربرد های پردازش تصویر دیجیتال در زمینه ی تشخیص صورت است . تشخیص صورت ، محبوبیت و اهمیت زیادی را در جامعه بصری کامپیوتری  بدست آورده است . با حضور همزمان تکنولوژی اطلاعاتی جدید و رسانه های گروهی ، روش های موثر تر و آشنا تری برای برهم کنش های انسان – کامپیوتر  (HSI) توسعه داده می شوند ، واسط های انسان – کامپیوتر که بر مبنای حالات چهره و حرکات بدن انسان می باشند ، به عنوان روش هایی مورد استفاده قرار گرفته اند که جایگزین واسط های سنتی از قبیل صفحه کلید ،‌ ماوس و نمایشگر ها شده اند . تحقیقات در حال گسترش در ارتباط با پردازش صورت بر این اساس هستند که اطلاعاتی درباره هویت ، موقعیت و مقصود یک کاربر از تصاویر قابل استخراج باشند و متعاقباً کامپیوتر متناظر هم بتواند واکنش نشان دهد . تلاش های صورت گرفته در پردازش صورت ، شامل شناسایی صیورت ، ردیابی صورت ، شناسایی حالت چهره ، تصدیق صورت و تشخیص صورت می باشد . برای ساختن سیستم های خودکاری که اطلاعات قرار کرفته در تصاویر صورت را آنالیز کنند ، الگوریتم های موثر و قدرتمندی از تشخیص صورت مورد نیاز است . با داشتن یک تصویر مجزا ،‌ هدف تشخیص صورت ، تعیین تمام نواحی صورت است که شامل صورت می باشند ، با صرف نظر کردن از وضعیت سه بعدی تصویر ، جهت و شرایط روشنایی آن . در سالهای اخیر فعالیت های بسیاری در زمینه ی شناسایی و تشخیص صورت انجام گرفته است . کاربردهای نظارتی و کنترلی و تجاری بسیاری در حوزه این فعالیت ها ،‌توسعه داده شده اند . تکنیک های بیشماری برای تشخیصی صورت در تصاویر مجزا پیشنهاد شده اند . این روش ها به دو دسته کلی تر مبتنی بر ویژگی و تصویر تقسیم بندی شده اند . که هر یک مزایا و معایب خاص خود را دارند . از بین این روش ها ، روش مبتنی بر رنگ و شبکه ی عصبی و ماشین بردار حمایتی (SVM)  ، رایج تر هستند و کارایی آنها به مراتب بیشتر از سایر روش هاست . تکنیک های مبتنی بر رنگ اغلب خیلی مطمئن هستند ،‌ اما ممکن است که منجر به تشخیص های غلط بی شماری شوند ، در نتیجه نیاز به آن دارند که با سایر روش ها ترکیت شوند . شیوه های شبکه ی عصبی و ماشین بردار حمایتی که مبتنی بر الگوریتم های یادگیری و رده بندی هستند عمدتاً شامل پارامتر های بی شماری هستند که نیار به تنظیم دارند که مسلماً این عملیات وقت گیر است . با داشتن یک تصویر دلخواه به عنوان ورودی ، که می تواند از ویدئو و یا یک عکس بی جانی ، ‌حاصل آمده باشد ، هدف تشخیص صورت ، تعیین این مساله است که آیا صورتی در تصویر وجود دارد یا خیر ، و اگر وجود داردموقعیت و محدوده ی هر صورت را برمی گرداند . فعالیت هایی که در زمینه ی تشخیص صورت ، انجام گرفته به اوایل سال 1970 بر می گردد . هر چند برای بیشتر از بیست سال است که این امر توسط مهندسان و روانشناسان مورد مطالعه ی جدی قرار گرفته است ،‌و مخصوصاً از سال 1995 ، روش های بسیاری در تلاش برای حل این مسئله ، توسعه داده شده اند . در حقیقت ما تصاویری را که فقط حاوی قورت باشد را دریافت نمی کنیم . به سیستمی نیاز هست که صورت ها را در تصاویر درهم ، تشخیصی ،‌تعیین موقعیت و جدا کند و در نتیجه ی آن ، این صورت های جداسازی شده می توانند به عنوان ورودی به سیستم های تشخیص  چهره تحویل داده شوند . عمل تشخیص صورت برای مغز بشری ، یک عمل جزئی و کم اهمیت است ، در حالی که هنوز چالش ها و مشکلات سختی را برای آنکه کامپیوتر قادر به انجام تشخیص صورت ،‌ باشد باقی گذاشته است . چالش هایی که با تشخیص صورت مرتبط هستند را در موارد زیر خلاصه می کنیم :
- وضع  صورت : تصاویر یک صورت متناظر با وضعیت های مختلف قرار گیری دوربین – صورت ، همچون روبرو ، تمام رخ ، 45 درجه ، وارون و .... تغییر می کنند . کل این وضعیت ها را به بالا ، پایین و عادی تقسیم می کنیم که قرار گیری صورت نسبت به محور مستقیم دوربین را نشان می دهند .
- وجود یا عدم وجود مولفه های ساختاری : مولفه های اضافی مرتبط با صورت همچون سبیل ، ریش ، کلاه و عینک هستند که ممکن است وجود داشته باشند یا نداشته باشند . این مولفه ها در صورت وجود تغییرات زیادی را موجب می شوند .
- حالات چهره   : ظاهر صورت مستقیماً متاثر از حالات چهره ی اشخاص است .
- انسداد  یا همپوشانی : صورت ها ممکن است به طور جزئی توسط اشیاء دیگر از جمله صورت دیگر یا کلاه و ... پوشیده شده باشند .
- شرایط تصویر   : زمانی که تصویر ایجاد می شود ، عواملی چون روشنایی ( طیف ها ، توزیع منبع و شدت ) و مشخصات دوربین ( واکنش حسگر و لنز ها ) می توانند روی ظاهر یک صورت تاثیر بگذارند .
- تاثیر رنگ یا به هم ریختگی زمینه : صورت ها ممکن است در زمینه های پیچیده ظاهر شوند که در این صورت ، اشییایی که رنگ مشابهی با پوست دارند ،‌ نیز به اشتباه ممکن است ، شناسایی شوند .
از نتیجه حاصله از عملیات تشخیص صورت بر روی عکس ورودی می توان در زمینه های دیگری استفاده نمود . از جمله :
مکان یابی صورت  : این عمل ، موقعیت تصویر را از یک صورت تک مشخص می کند .
تشخیص خصائص صورت   : هدف از انجام این عمل ، تشخیص وجود و موقعیت خصایص صورت ، همچون چشم ها ، بینی ، ابرو ، دهان ، لب ها ، گوش ها و .... می باشد .
شناسائی صورت :  یک تصویر ورودی ( کاوشگر) را با یک پایگاه داده (گالری ) ، مقایسه می کند و یک تطابق  را اگر وجود داشته باشد ، گزارش می دهد .
ردیابی صورت  : روش های ردیابی صورت ، پیوسته موقعیت و احتمالاً جهت یک صورت را در دنباله ای از تصویر در بلادرنگ  ، بر آورد می کنند .

1-5 : تشخیص و تعبیر
در این قسمت با ارائه چند روش تشخیص و تعبیرتصویر ، مبحث پردازش تصویر دیجیتال را پایان می دهیم .
تحلیل تصویر شامل فرآیند های کشف ، شناسایی و فهم الگو های مرتبط با یک کار تصویری است . یکی از اهداف اصلی تحلیل رایانه ای تصویر این است که ماشین بتواند بعضی توانایی های انسان را تا حدودی تقریب بزند . بنابراین سامانه خودکار تحلیل تصویر باید بتواند درجات گوناگونی از هوشمندی را ارائه کند . مفهوم هوشمندی  تا حدی ، به ویژه راجع به ماشین ، تقریبی است . با این حال شناخت انواع مشخصه هایی که معمولاً با هوشمندی مرتبط هستند ، مشکل نیست . در این مورد چند مشخصه فوراً به ذهن می آیند : (1) توانایی استخراج اطلاعات مرتبط از زمینه ای با جزئیات نامرتبط ؛. (2) توانایی یادگیری از مثال ها و تعمیم آن طوری که در شرایط جدید و متفاوت قابل استفاده باشد و (3) توانایی استنتاج از اطلاعات ناقص .
قسمت اعظم تحلیل تصویر رایانه ای کنونی بر اساس روابط تجربی که برای حل مسائل خاصی طرح شده اند ، می باشد . مثلاً بعضی ماشین ها قادرند نوشته های چاپی را که قالب مناسبی داشته باشند ، با سرعت هایی که بارها سریع تر از سرعت خواندن ماهرترین انسان ها است ،‌ بخوانند . با این حال این نوع سامانه ها بسیار خاص هستند و توسعه پذیری کمی دارند یا اصلاً توسعه پذیر نیستند . بنابراین محدودیت های عملی و نظری فعلی در مبحث تحلیل تصویر ،‌ راه حل هایی را تحمیل می کنند که شدیداً وابسته به مساله هستند .
تقسیم روش های تحلیل تصویر به سه گروه اصلی مفید به نظر می رسد . این گروه ها عبارتند از : (1) پردازش سطح پایین ،‌(2) پردازش سطح میانی و (3) پردازش سطح بالا . گر چه این تقسیم بندی ها مرز های قطعی ندارند ، ‌اما چهار چوب مفیدی برای دسته بندی فرآیند های مختلفی که اجزای اصلی سامانه خودکار تحلیل تصویر هستند ، فراهم می آورند . پردازش سطح پایین  به اعمالی گفته می شود که واکنش هایی خودکار هستند و اصلاً نیازی به هوشمندی ندارند . ما تصویر برداری و پیش پردازش  را به عنوان اعمال سطح پایین در نظر می گیریم . این گروه شامل فعالیت هایی از تشکیل تصویر تا جبران سازی هایی نظیر کاهش نویز یا مات زدایی می شود . پردازش سطح میانی  به عمل استخراج و مشخص کردن اجزای ( مثلاً نواحی ) تصویر که حاصل فرآیند سطح پایین هستند ، می پردازد . فرآیندهای سطح میانی شامل بخش بندی و توصیف می باشد . در نهایت پردازش سطح بالا  شامل تشخیص و تعبیر است . این دو فرآیند تشابه بیشتری به مفهوم عام درک هوشمندانه   دارند . در ادامه از بین روش های موجود سه روش به طور خلاصه شرح داده می شود : (1) روش های تشخیص با نظریه تصمیم   تشخیص ، (2) روش های ساختاری تشخیص و (3) روش های تعبیر تصویر . تشخیص با نظریه تصمیم بر اساس نمایش الگوها به شکل بردار و سپس جستجوی روش هایی برای گروه بندی و انتساب این بردار ها به دسته الگوهای متفاوت است . روش های اصلی تشخیص با تظریه تصمیم ، دسته بندی کننده های حداقل فاصله ، همبسته سازها ،‌ دسته بندی کننده بیز  و شبکه های عصبی هستند . در تشخیص ساختاری الگوها به شکل نمادین (نظیر رشته ها یا درخت ها ) نمایش داده می شوند و روش های تشخیص بر اساس تطبیق نماد یا براساس مدل هایی هستند که با الگوها نمادی به عنوان جمله هایی از یک زبان مصنوعی رفتار می کنند . تعبیر تصویر به مجموعه ای از عناصر تصویری تشخیص داده شده ، معنا نسبت می دهد . مهمترین مفهومی که زیر بنای روش های تعبیر تصویر است ،‌ سازماندهی و استفاده موثر از دانش درباره حوزه مورد نظر است . روش های فعلی تعبیر تصویر بر اساس منطق گزاره ها ، شبکه های معنایی   و سامانه فرآوری  (به ویژه خبره ) هستند [1] . 

فصل دوم :

بررسی دقیق تر برخی از روش های معرفی شده توسط سایر محققین در زمینه تشخیص صورت

2-1 : تشخیص صورت در تصاویر رنگی با استفاده از فیلتر پوست
در این روش یک تکنیک برای تشخیص چهره انسان به صورت اتوماتیک در عکس های رنگی دیجیتال بیان می شود.این سیستم برمبنای یک پروسه دو مرحله ای می باشد که در مرحله اول ناحیه احتمالی شامل پوست انسان در تصویر رنگی مشخص می شود.درقسمت دوم مختصات مکان احتمالی صورت در تصویر را می دهد. در این روش تشخیص پوست با استفاده از یک فیلتر که برپایه اطلاعات بافت , تاروپود و رنگ می باشد انجام می گیرد. در مرحله بعد تشخیص صورت روی تصویر در مقیاس خاکستری که فقط شامل نواحی کشف شده پوست می باشد صورت می گیرد. با ترکیب عملیات مورفولوژیکی و آستانه گیری , خصوصیات اجزائی  که حضور صورت را مشخص می کنند از تصویر استخراج می شوند. این پروسه همان طور که نتایج نشان می دهند روشی قابل اعتماد می باشد.

  1-1-2: چکیده
در این روش یک الگوریتم اولیه برای تشخیص صورت انسان در تصاویر دیجیتالی به صورت اتوماتیک بیان شده و می تواند به عنوان مقدمه ای برای تحقیقات آتی در زمینه تشخیص صورت در تصاویر باشد. سیستم های زیادی به منظور تشخیص صورت توسط گروههای تحقیقاتی زیادی طراحی و پیشنهاد شده اند. تعدادی از این برنامه ها مانند Rawley , Raluja و Kanade بر مبنای آموزش شبکه های عصبی و محاسبه اندازه فاصله بین مجموعه های آموزشی برای تشخیص صورت می باشد. بقیه بسته های نرم افزاری که در این زمینه وجود دارند، می توانند ویژگی های مربوط به صورت را در تصا ویری تشخیص دهند که در آن ها وجود چهره انسان در جائی از تصویر محرز شده باشد. اما در روشی که در ادامه ارائه می شود  تشخیص صورت بر روی عکس های رنگی دلخواه متمرکز شده و با سیستم های نوع اول که بر مبنای ترکیب اطلاعات در مقیاس خاکستری و رنگی می باشند تفاوت دارد.
علاوه بر موارد فوق، این روش نیاز به صرف زمان برای آموزش شبکه های عصبی یا محاسبه اندازه های فاصله بین هر ناحیه احتمالی پوست در تصویر را ندارد. همچنین این سیستم با بسته های نرم افزاری که ویژگی های مربوط به صورت را تشخیص می دهند تفاوت دارند زیرا در این سیستم هدف تشخیص ناحیه احتمالی در هر عکس اختیاری و دلخواه در صورت وجود می باشد، نه آنالیز تصاویری که وجود یک صورت در آن ها از قبل محرز شده اند. این پروسه برمبنای دو گام می باشد؛ گام اول: در تصاویر فیلتر شده نواحی احتمالی شامل پوست انسان مشخص و علامت گذاری می شوند. این فیلتر با استفاده از توابع ریاضی ساده و توابع پردازش تصویر در متلب    طراحی شده است و برمبنای فیلتر پوستی که برای The Berkeley-Iowa Naked People Finder طراحی شده می باشد. تغییرات اعمال شده در الگوریتم به منظور دست یابی به نتایج بهتر صورت گرفته شده است. در مرحله دوم نواحی پوستی مشخص شده را جدا نموده و تاریکترین و روشن ترین ناحیه ها از نقشه برداشته می شوند. روی این نواحی تاریک و روشن تست ها ی عملی و تجربی انجام می شود تا تطابق آن ها با نواحی مثل چشم و ابرو و سوراخ بینی و دهان معین شود. در نهایت نواحی که پس از انجام چند مرحله آنالیز حاوی سوراخ می باشند به عنوان نواحی احتمالی برای انجام مراحل فوق از ترکیبی از توابع متلب و برنامه Khoros   استفاده می شود. در آخر، سیستم نهائی به صورت اتوماتیک در می آید و نیازی به مداخله کاربر ندارد. مرحله سوم این روش که در این پروژه بیان نشده و باید تکمیل شود شامل بررسی تمایز اندازه های سوراخ ها و فاصله ی آن ها برای دست یابی به سیستم تشخیص صورت قوی تر می باشد.

 2-1-2 : فیلتر پوست
فیلتر پوست مورد استفاده بر مبنای الگوریتم  Fleck & Fosyth  می باشد که تغییراتی در آن اعمال شده و در [2] مورد مقایسه قرار گرفته اند. در این روش فیلتر در متلب ساخته شده است. با وجود این که چندین تابع پردازش تصویر سطح پایین در مطلب وجود دارد اما این روش احتیاج به زمان داشت تا یک الگوریتم برای فیلتر کاربردی را بسازد، نه این که کدهای تابع سطح پایین را بنویسد. در ادامه توضیح مختصری در مورد نحوه کار فیلتر داده می شود. فرمت  توابع فیلتر در متلب در سایت مربوطه قابل دسترسی می باشد[3]. لازم به ذکر است که عکس رنگی ورودی باید به فرمت RGB با شدت رنگ در رنج   تا   باشد. به دلیل محدودیت های موجود در زمینه اجرای برنامه و سرعت آن در این روش از عکس های با سایز کوچکتر از   استفاده شده است. به منظور جلوگیری از بروز اشباع حین تبدیل تصویر از فرمت RGB  به IRgBy، پاسخ صفر ماتریس RGB   محاسبه شده و از سه مولفه فضای رنگی RGB  کم می شود.
شکل2-1: تصویر اصلی RGB

 عکس RGB  به IRgBy تبدیل شده وساختار و بافت، رنگمایه   و اشباع  محاسبه می گردد. تبدیل RGB  به IRgBy  بر طبق فرمول Fleck & Fosyth محاسبه می شوند که به شرح زیر می باشند :
 عملوند   به صورت زیر تعریف شده است :
 سپس ماتریس های    ,     به وسیله فیلتر پنجره متوسط   با اضلا عی با طول    فیلتر می شوند.   نزدیکترین مقدار صحیح به   می باشد.
یک نقشه بافت و ساختار  برای پیدا کردن نواحی با اطلاعات کم در مورد بافت به کار می رود. پوست در تصاویر دارای بافت صاف و هموار می باشد، بنابراین یکی از روش های کشف نواحی پوست در عکس انتخاب نواحی با بافت هموار می باشد. نقشه بافت به روش زیر از ماتریس    ساخته می شوند :
1(   فیلتر کردن   با استفاده از فیلتر متوسط به وسیله یک پنجره با طول   
2(   کم کردن عکس فیلتر شده از ماتریس اصلی

شکل2-2: نقشه بافت

3(   بدست آوردن قدر مطلق تفاضل و فیلتر کردن نتیجه به وسیله پنجره ای به طول                       
تصاویر رنگمایه و اشباع برای انتخاب نواحی که رنگ آن ها با رنگ پوست تطابق دارد استفاده می شوند. تبدیل IRgBy  به رنگمایه و IRgBy به اشباع به وسیله روابط زیر صورت می گیرد که مفدار رنگمایه با درحه بیان می شود :
Hue = (atan^2 (Rg,By))
Saturation = sqrt(Rg^2 + By^2)

با به کاربردن تصاویر نقشه بافت و ساختار، رنگمایه و اشباع نواحی شامل پوست مشخص می شود.

فهرست منابع
[1]رافائل سی. گونزالس،‌ ریچارد ای. وودز، ترجمه دکتر مرتضی خادمی و مهندس داوود جعفری، پردازش تصویر رقمی، چاپ سوم، موسسه چاپ و انتشارات دانشگاه فردوسی مشهد، بهار 1385
 http://www.cs.uiowa.edu/~mfleck/vision-html/naked-skin.html [2]
[3] Kapur , Jay P. , " Face Detection in Color Images " , University of Washington Department of Electrical Engineering , EE499 Capstone Design Project Spring 1997
[4] D. Maio and D. Maltoni, “Real-time face location on grayscale static images,’’ Pattern Recognition, vol.33, no. 9, pp. 1525-1539, Sept. 2000

[5] H. A. Rowley, S. Baluja, and T. Kanade, “Neural Network-Based Face Detection,” IEEE Trans. PAMI, vol. 20, pp. 23-38, Jan. 1998

[6] K. K. Sung and T. Poggio, “Example-Based Learning for View-Based Human Face Detection,” IEEE Trans. PAMI, vol. 20, pp. 39-51, Jan. 1998

[7] H. Schneiderman and T. Kanade, “A Statistical Method for 3D Object Detection Applied to Faces and Cars,” IEEE CVPR, June 2000

[8] M. Abdel-Mottaleb and A. Elgammal, “Face Detection in complex environments from color images,’’ IEEE ICIP, pp. 622-626, Oct. 1999

[9] J.C. Terrillon, M. N. Shirazi, H. Fukamachi, and S. Akamatsu, “Comparative performance of different skin chrominance models and chrominance spaces for the automatic detection of human faces in color images,’’ Proc. IEEE Int’l Conf. on Face and Gesture Recognition, pp. 54-61, 2000

[10] T. Horprasert, Y. Yacoob, and L. S. Davis, “Computing 3-D Head Orientation from a Monocular Image,” Proc. Int’l Conf.  Automatic Face and Gesture Recognition, pp. 242-247, Oct. 1996

[11] F. Smeraldi, O. Carmona, and J. Big?n, “Saccadic search with Gabor features applied to eye detection and real-time head tracking,’’ Image and Vision Computing, vol. 18, no. 4, pp. 323-329, 2000.

[12] W. Huang, Q. Sun, C.-P. Lam, and J.-K. Wu, “A Robust Approach to Face and Eyes Detection from Images with Cluttered Background,’’ ICPR, vol. 1 , pp. 110-114, Aug. 1998
[13] P. T. Jackway and M. Deriche, “Scale-space properties of the multiscale morphological dilation-erosion,’’ IEEE Trans. PAMI,  vol. 18, pp. 38-51, Jan. 1996

[14] C. Kotropoulos, A. Tefas, and I. Pitas, “Frontal face authentication using morphological elastic graph matching,’’ IEEE Trans. Image Processing, vol. 9, pp. 555-560, April 2000.

[15] R. L. Hsu, M. Abdel-Mottaleb, and A. K. Jain, “Managing personal photo collection based on human faces,’’ Tech. Report, Michigan State Univ., Jan. 2001

[16] Heinrich-Hertz-Institut (HHI) http://www.hhi.de/
[17] The Champion dataset http://www.libfind.unl.edu/alumni/events/champions/

[18] Hsu,Rein-Lien, Abdel-Mottaleb, Mohamed  , Jain , Anil K." FACE DETECTION IN COLOR IMAGES" , Dept. of Computer Science & Engineering, Michigan State University, MI 48824 * Philips Research, 345 Scarborough Rd., Briarcliff Manor, NY 10510
Email: {hsureinl, jain}@cse.msu.edu, [e-mail]
[19] P.C. Cosman, R.M. Gray, M. Vetterli. “Vector Quantization of Image Subbands: A Survey.” IEEE Trans. on Image Processing. 5:2. pp. 202-225. Feb., 1996

[20] 4]B. D. Ripley. Pattern Recognition and Neural Networks. Cambridge University Press. 1996

[21] V. N. Vapnik. The Nature of Statistical Learning Theory. Springer, 1995

[22] Y. Freund, R. E. Shapire. “A Decision-Theoretic Generalization of On-Line Learning and an Application to Boosting.” Journal of Computer and System Sciences. 55:1, pp. 119-139. 1997

[23] R. E. Shapire, Y. Singer. “Improving Boosting Algorithms Using Confidence-rated Predictions.” Machine Learning 37:3, pp. 297-336. December, 1999

[24] H. Schneiderman and T. Kanade. “Probabilistic Modeling of Local Appearance and Spatial Relationships for Object Recognition.”  CVPR ‘98. pp. 45-51

[25] K-K Sung, T. Poggio. “Example-based Learning of View-Based Human Face Detection.” ACCV ‘95 and AI Memo #1521, 1572, MIT

[26] H. Rowley, S. Baluja, T. Kanade. “Neural Network-Based Face Detection.” PAMI 20(1), January, 1998
 [27] Schneiderman , Henry , Kanade , Takeo , " A Statistical Method for 3D Object Detection Applied to Faces and Cars ", Robotics Institute , Carnegie Mellon University , Pittsburgh , PA 15213
 [28] J. Terrillon, M. David, and S. Akamatsu. Automatic detection of human faces in natural scene images by use of a skin color model and of invariant moments. In Proc. of the Third International Conference on Automatic Face and Gesture Recognition, pages 112–117, Nara, Japan, 1998

[29] H. Rowley, S. Baluja, and T. Kanade. Neural network-based face detection. In Proc. IEEE Conf. on Computer Vision and Pattern Recognition, pages 203–207, San Francisco, CA, 1996

[30] M.P. Dubuisson and A.K. Jain. A modified Hausdorff distance for object matching. In ICPR94, pages A:566–568, Jerusalem, Israel, 1994

[31] W. Rucklidge. Efficient Visual Recognition Using the Hausdorff Distance, volume 1173 of Lecture notes in computer science. Springer, 1996
[32] Jesorsky , Oliver , Kirchberg , Klaus J. , Frischholz , Robert W. , " Robust Face Detection Using the Hausdorff  Distance " , BioID AG , Berlin , Germany , In proc.Third International Conference on Audio- and  video-based Biometric Person Authentication, Springer ,Lecture Notes in Computer Science , LNCS-2091, pp. 90-95 ,Halmstad, Sweden, 6-8 June 2001
[33] Oliver Jesorsky, Klaus J. Kirchberg, and Robert W. Frischholz. Robust Face Detection Using the Hausdor® Distance. In Josef Bigun and Fabrizio Smeraldi, editors,  Audio- and Video-Based Person Authentication - AVBPA 2001, volume 2091 of Lecture Notes in Computer Science, pages 90{95, Halmstad, Sweden, 2001. Springer

[34] W. Rucklidge. E±cient Visual Recognition Using the Hausdor® Distance, volume 1173 of Lecture notes in computer science. Springer, 1996

[35] M.P. Dubuisson and A.K. Jain. A modi¯ed Hausdor® distance for object matching. In ICPR94, pages A:566{568, Jerusalem, Israel, 1994

[36] John H. Holland. Adaption in Natural and Arti¯cial Systems. The University of Michigan Press, Ann Arbor, 1975

[37] David E. Goldberg. Genetic Algorithms in Search, Optimization and Machine Learning. Addison Wesley, 1989

[38] K. Messer, J. Matas, J. Kittler, J. Luettin, and G. Maitre. XM2VTSDB: The
extended M2VTS database. In Second International Conference on Audio and Video-based Biometric Person Authentication, pages 72{77, March 1999

[39] BioID face database. http://www.bioid.com/research/index.html
[40] F. Smeraldi, N. Capdevielle, and J. Bigun. Facial features detection by saccadic exploration of the Gabor decomposition and Support Vector Machines. In Proceedings of the 11th Scandinavian Conference on Image Analysis - SCIA 99, Kangerlussuaq, Greenland, volume I, pages 39{44, June 1999

[41] Kirchberg , Klaus J. , Jesorsky , Oliver , Frischholz , Robert W. , BioID AG, Germany, in Proc. International ECCV 2002 Workshop on Biometric Authentication, Springer, Lecture Notes in Computer Science ,LNCS-2359, pp. 103-11, Copenhagen ,Denmark, June 2002
[42] Belongie , S, Carson, C, Greenspan, H, and Malik, J, "Color- and texture- based image segmentation using EM and its application to content-based image retrieval, " Proc. 6th IEEE Int. Conf. Computer Vision , Gan . 1998
[43] Vezhnevets, Vladimir, Sazonov, Vassili, Andreeva, Alla, " A Survey on Pixel-Based Skin Color detection Techniques" , submitted, 2003
[44] Zarit, B. D., Super, B. J., and Quek, F. K. H., "Comparison of  five color models in skin pixel classification " , In ICCV,99 Int"l Workshop on Recognition , Analysis and Tracking of Faces and Gestures in Real-time Systems, 58-63, 1999
[45] Terrilon, J. C., Shirazi, M. N., Fukamachi, H., and Akamatsu, S., "Comparative performance of different skin chrominance model and chrominance spaces for the automatic detection of human faces in color images", In Proc. Of the International Conference on Face and Gesture Recognition, 54-61, 2000
[46] Brand, J., and Mason, J., "A comparative assessment of three approaches to pixellevel human skin-detection", In Proc. Of the International Conference on Pattern Recognition, vol. 1, 1056-1059, 2000
[47] Lee, J. Y., and Yoo, S. I. , "An elliptical boundary model for skin color detection", In Proc. Of the 2002 International Conference on Imaging Science Systems, and Technology ,2002
[48] Shin, M.C, Chang, K.I, and Tsap, L.V, "Does Colorspace Transformation Make Any Difference on Skin Detection?" , IEEE Workshop on Application of Computer Vision , Orlando, FL, Dec 2002
[49] Yang, J, and Waibel, A, "Tracking human faces in real-time ," Proc. IEEE Workshop on Application of Computer Vision,1996
[50] Jones, M. J., and Rehg, J. M, "Statistical color models with application to skin detection " , In Proc. Submitted, vol. 1, 274-280, 2000
[51] Albiol, A., Torres, L., Bouman, C.A., and Delp, E. J. , " A simple and efficient face detection algorithm for video database application," on Proceedings of the IEEE International Conference on Image Processing, Vacouver, Canada, vol. 2, pp. 239-242, September 2000
[52] Wang, H. and Chang, S-F., " A highly efficient system for automatic face region detection in mpeg video, "IEEE Transaction on circuits and system for video technology , vol. 7, no. 4, pp. 615-628, August 1997
[53] Hsu, R.L, Abdel-Mottaleb, N., and Jain, A.K, " Face Detection in Color Images," IEEE Trans. On Pattern Analysis and Machine Intelligence Vol. 24, No. 5, pp. 696-706, 2002
[54] Poynton, C.A. Frequently asked questions about colour. In ftp://www.inforamp.net/pub/users/poynton/doc/colour/ColorFAQ.ps.gz. 1995
[55] Fritsch, J, Lang, S, Kleinehagenbrock. M, Fink, G. A, and Sagerer, G," Improving Adaptive Skin Color Segmentation by Incorporation Results from Face Detection", Submitted, 2003
[56] Phung, S. L., Bouzerdoum, A., and Chai, D, "A novel skin color model in ycbcr color space and its application to human face detection" ,  in IEEE International Conference on Image Processing (ICIP, 2002), vol. 1, 289-292, 2002
[57] Menser, B., and Wien, M., "Segmentation and tracking of facial region in color image sequences", In Proc. SPIE Visual Communication and Image Processing, 731-740, 2000
[58] Ahlberg, J., "A system for face localization and facial feature extraction" , Tech. Rep. LiTH-ISY-R-2172, Linkoping University, 1999.
[59] Chai, D., and Bouzerdoum, A, "A Bayesian approach to skin color classification in ycbcr  color space ", In proceedings IEEE Region Ten Conference (TENCON,2000), vol. 2, 421-424, 2000
[60] www.jdl.ac.an/peal/image/grey-image
[61] Saber, E. and Tekalp, A.M. , "Frontal-view Face Detection and Facial Feature Extraction using Color " , shape and Symmetry Based Cost Function" Pattern Recog Letters , vol. 19, no. 8, pp. 669-680, 1998
[62] Marques, F., and Vilaplana, V, " A morphological approach for segmentation and tracking of human faces" , In International Conference on Pattern Recognition (ICPR,00), Vol. 1, 5064-5068, 2000
[63] Brown, D., Craw, I., and Lewthwaite, J., " A som based approach to skin detection with application in real time system", In Proc. Of the British Machine Vision Conference , 2001
[64] Alboil, A., Torres, L., and Delp, E. J. " Optimum color space for skin detection", In Proceedings of the International Conference on Image Processing, vol. 1, 122-124, 2001
[65] Yang, M.,and Ahuja, N., " Gaussian mixture model for human skin color and its application in image and video database ", In Proc. Of the SPIE: Conf. on Storage and Retrieval for image and video Databases (SPIE 99), vol. 3656, 458-466, 1999
[66] Goldstein,  A. J., Harmon, L.D., and Lesk, A. B., "Identification of Human Faces," Proc. IEEE, May 1971, vol. 59, No. 5, 748-760
[67] Sirovich, L., and  Kirby , M., " A Low-Dimensional Procedure for the characterization of Human Faces," J. Optical Soc. Am. A, 1987, Vol. 4, No. 3, 519-524
[68] Turk, M. A., and Pentland, A. P., " Face Recognition Using Eigenfaces," Proc. IEEE, 1991, 586-591
[69] Bolme, D., Beveridge, R., Teixeria, M., and Draper, B., " The CSU Face Identification Evaluation System : Its Purpose , Feature and Structure," International Conference on Vision Systems, Graz, Austria, April 1-3, 2003. (Springer-Verlag) 304-311
[70] "Eigenfaces Recognition"
http://et.wcu.edu/aids/BioWebPages/eigenfaces.html.
[71] Plataniotis, J. Lu, K. N., and Venetsanopoulos, A. N., " Regularized Discriminant Analysis for the Small Samole Size Problem in Face Recognition, " Pattern Recognition Letters, December 2003, Vol. 24, Issue 16: 3079-3087
[72] Phillips, P. J., Moon, H., Risvi, S. A., and Rauss, P. J., " The FERET Evaluation Methodology for Face-Recognition Algorithms," IEEE Transaction on PAMI., 2000, Vol. 22, No. 10: 1090-1104
[73] Blackburn, D. M., Bone, J. M., and Phillips, P. J., " facial Recognition Vender Test 2000 Evaluation Report, " February 2001, <http://www.frvt.org.
[74] Phillips, P. J.,  Grother, P., Micheals, R. J., Blackburn, D. M., Tabassi, E., Bone, J. M., "Face Recognition Vender Test 2002 Overview and Summary," March 2003, http://www.frvt.org
[75] Phillips, P. J., Flynn, P. J., Scruggs, T., Bowyer,  K. W., Change, K., Hoffman, J., Marques, J., min, and Worek, W., " Overview of the face Recognition Grand Challenge," Proc. Computer Vision and Pattern Recognition Conference, San Diego, 2005
[76] "Information technology – Biometric data interchange formats – Part 5: Face image data. " Documents ISO/IEC 19794-5:2005, 2004 , <http://www.iso.org/>
[77] "] "Information technology –Face Recognition Format for Data Interchange," document 385-2004 ANSI INCITS, 2004 <http://www.incits.org/>
[78] Phillips, P. J., Moon, H., Rauss, P., and Rizvi, S.,. The FERET evaluation methodology for face-recognition algorithms. In Proceeding Computer Vision and Pattern Recognition 97, pages 137-143, 1997
[79] Phillips, P. J., Moon, H., Rizvi, S., and Rauss, P.,. The feret evaluation. In Phillips, P. J., Bruce, V., Fogelman Soulie, F., and Huang, T. S., editors, Face Recognition : From Theory to applications. Springer-Verlag, Berlin, 1998
[80] Phillips, P. J., Wechsler, H., Huang, J., and Rauss, P., . The FERET database and evaluation procedure for  face-recognition algorithms. Image and Vision Computing Journal, 16(5) : 295-306, 1998
[81] Moghaddam, B., and Pentland, A., . Probabilistic visual learning for object detection. In Proceedings of the Inter. Conf. on Computer vision, pages 786-793, 1995
[82] Pentland, A., Moghaddam, B., and Starner, T.,. View-based and modular eigenpaces for face recognition. In Proceedings Computer Vision and Pattern Recognition 94, pages 84-91, 1994
[83] Moghaddam, B., Naster, C., and Pentland, A., . Bayesian face recognition using deformable intensity surface. In Proceedings Computer Vision and Pattern recognition 96, pages 638-645, 1996
[84] Egan, J. P. Signal Detection Theory and ROC Analysis. Academic Press, 1975
[85] Green, D., and Swets, J.,. Signal Detection Theory and psychophysics. John Wiley & Sons Ltd., 1966
[86] Rizvi, Syed A., Phillips. P. Jonathon, and Moon, Hyeonjoon. "The Feret Verification Testing Protocol for Face Recognition Algorithms", NISTIR 6281, October 1998
[87]Chang, Henry, Robels, Ulises, "Face Detection" , EE368 Final Project Report - Spring 2000
[88] Yang, Jie. And Waibel, Alex. " A Real-Time Face Tracker", CMU CS Technical Report"
[89] Cai . A.,  & Goshtasby & Yu, C.,  "Detecting Human Faces in Color Images", Wright State University, U. of Illinois
[90] Gong, Y. and Sakauchi, M. "Detection of regions matching specified chromatic features", Computer Vision and Image Understanding, vol. 61, no. 2, 1995, pp 263 – 269
[91] Ramesh, R.,  Kasturi R. and Schunck B., Machine Vision, pp 31 - 51, McGraw Hill, New York 1995
[92] Wyszecki, G. and Styles ,W.S. Color Science: Concepts and Methods, Quantitative Data and Formulae, second edition, John Wiley & Sons, New York 1982

دانلود تحقیق پیدایش شبکه های کامپیوتری word

 دانلود تحقیق پیدایش شبکه های کامپیوتری word دارای 251 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد دانلود تحقیق پیدایش شبکه های کامپیوتری word   کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

این پروژه توسط مرکز مرکز پروژه های دانشجویی آماده و تنظیم شده است

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی دانلود تحقیق پیدایش شبکه های کامپیوتری word ،به هیچ وجه بهم ریختگی وجود ندارد

---

بخشی از متن دانلود تحقیق پیدایش شبکه های کامپیوتری word :

بخشی از فهرست دانلود تحقیق پیدایش شبکه های کامپیوتری word

مقدمه 2

تاریخچه پیدایش شبکه 3

معماری و پروتکل‌های شبکه‌آشنایی با مدل OSI 19

کابل به عنوان مسیر انتقال داده‌ها 42

مبانی ویندوز و شبکه ( بخش اول ) 82

مبانی ویندوز و شبکه ( بخش دوم ) 94

امکانات شبکه ای ویندوز 104

مروری بر زیرساخت شبکه های مبتنی بر ویندوز 121

متداولترین پورت های شبکه در ویندوز 128

استراتژی طراحی شبکه (بخش اول) 139

استراتژی طراحی شبکه (بخش دوم) 150

مستند سازی شبکه (بخش اول) 164

مستند سازی شبکه (بخش دوم) 169

واژه نامه شبکه (Networking glossary) 175

منابع 249

اهمیت شبکه های رایانه ای بر کسی پوشیده نیست . در دنیای امروز ، رایانه به عنوان یک وسیله مجرّد ، به تنهایی نمی تواند به طور کامل مفید واقع شود و بازدهی کاملی داشته باشد . آنچه به رایانه ، اهمیّتی فراتر از سابق می بخشد تقش آن در ارتباطات و انتقال دریای عظیمی از اطلاعات گوناگون است .
هرچه زمان می گذرد ، حجم اطلاعاتی که انسان با آن سر و کار دارد بیشتر و بیشتر می شود . شبکه های رایانه ای امروزی ، فصل نوینی در انفورماتیک گشوده و نزدیک است مفهوم دهکده جهانی را تحقق بخشد .
با توجه به رشد و استفاده روز افزون از شبکه های رایانه ای گزارشی مبنی بر مفاهیم پایه ای ارتباطات و شبکه ها و همچنین اجزا و اصطلاحات شبکه ها تنظیم شده است ، که امیدوارم شامل مطالب کامل و آموزنده ای باشد .
از آنجا که علم رایانه با سرعت خیلی زیاد در حال تغییر و تحوّل است ، شاید از مطالبی که در حال حاضر به طور ملموس با آنها سر و کار دارید ، در این گزارش اثرات کمتری ببینید ، این کمبودها را بر من ببخشید .

تاریخچه پیدایش شبکه
در سال 1957 نخستین ماهواره یعنی اسپوتنیک توسط اتحاد جماهیر شوروی سابق به فضا پرتاب شد . در همین دوران رقابت سختی از نظر تسلیحاتی بین دو ابر قدرت آن زمان جریان داشت و دنیا در دوران جنگ سرد به‌سر می برد. وزارت دفاع آمریکا ‌‌ ‌در واکنش به این اقدام رقیب نظامی خود ،آژانس پروژه های تحقیقاتی پیشرفته یا آرپا‌‌‌‌ (ARPA) را تأسیس کرد.
یکی از پروژه های مهم این آژانس تأمین ارتباطات در زمان جنگ جهانی احتمالی تعریف شده بود. در همین سال‌ها در مراکز تحقیقاتی غیرنظامی که در امتداد دانشگاه‌ها بودند، تلاش برای اتصال کامپیوترها به یکدیگر در جریان بود .در آن زمان کامپیوترها‌‌ی Mainframe از طریق ترمینال‌ها به کاربران سرویس می‌دادند. در اثر اهمیت یافتن این موضوع آژانس آرپا‌‌ ‌‌(ARPA) منابع مالی پروژه اتصال دو کامپیوتر از راه دور به یکدیگر را در دانشگاه‌‌ MIT بر عهده گرفت . در اواخر سال 1960 اولین شبکه کامپیوتری بین چهار کامپیوتر که دو تای آنها در MIT، یکی در دانشگاه کالیفرنیا و دیگری در مرکز تحقیقاتی استنفورد قرار داشتند، راه‌اندازی شد.
این شبکه آرپانت‌‌ ‌‌(ARPAnet) نامگذاری شد . در سال 1965 نخستین ارتباط راه دور بین دانشگاه MIT و یک مرکز دیگر نیز بر قرار گردید .
در سال 1970 شرکت معتبر زیراکس، یک مرکز تحقیقاتی در پالوآلتو تأسیس کرد. این مرکز در طول سال‌ها مهمترین فناوری‌های مرتبط با کامپیوتر را معرفی کرده است و از این نظر به یک مرکز تحقیقاتی افسانه ای بدل گشته است. این مرکز تحقیقاتی که پارک ‌‌‌(PARC) نیز نامیده می شود، به تحقیقات در زمینه شبکه‌های کامپیوتری پیوست. تا این سال‌ها شبکه آرپانت‌‌ به امور نظامی اختصاص داشت، اما در سال 1972 به عموم معرفی شد. در این سال شبکه آرپانت مراکز کامپیوتری بسیاری از دانشگاه ها و مراکز تحقیقاتی را به هم متصل کرده بود. در سال 1972 نخستین نامه الکترونیکی از طریق شبکه منتقل گردید.
در این سال‌ها حرکتی غیرانتفاعی به‌نام‌‌ MERIT که چندین دانشگاه بنیان‌گذار آن بوده‌اند، مشغول توسعه روش‌های اتصال کاربران ترمینال‌ها به کامپیوتر مرکزی یا میزبان بود. مهندسان پروژه MERIT در تلاش برای ایجاد ارتباط بین کامپیوترها، مجبور شدند تجهیزات لازم را خود طراحی کنند. آنان با طراحی تجهیزات واسطه برای مینی‌کامپیوتر DECPDP-11 نخستین بستر اصلی یا‌‌ Backbone شبکه‌های کامپیوتری را ساختند. تا سال‌ها نمونه‌های اصلاح شده این کامپیوتر با نام PCP یا‌ Primary Communications Processor نقش میزبان را در شبکه‌ها ایفا می کرد. نخستین شبکه از این نوع که چندین ایالت را به هم متصل می کرد‌‌ Michnet نام داشت.
در سال 1973 موضوع رساله دکترای آقای باب مت‌کالف‌‌ ‌‌(Bob Metcalfe) درباره مفهوم اترنت در مرکز پارک مورد آزمایش قرار گرفت. با تثبیت اترنت تعداد شبکه های کامپیوتری رو افزایش گذاشت .
روش اتصال کاربران به کامپیوتر میزبان در آن زمان به این صورت بود که یک نرم افزار خاص بر روی کامپیوتر مرکزی اجرا می‌شد و ارتباط کاربران را برقرار می کرد. اما در سال 1976 نرم‌افزار جدیدی به‌نام Hermes عرضه شد که برای نخستین بار به کاربران اجازه می‌داد تا از طریق یک ترمینال به‌صورت تعاملی مستقیماً به سیستم‌ MERIT متصل شوند. این، نخستین باری بود که کاربران می‌توانستند در هنگام برقراری ارتباط از خود بپرسند:
<کدام میزبان؟> از وقایع مهم تاریخچه شبکه‌های کامپیوتری ، ابداع روش سوئیچینگ بسته‌ای یا Packet Switching است. قبل از معرفی شدن این روش از سوئیچینگ مداری یا‌‌ Circuit Switching برای تعیین مسیر ارتباطی استفاده می شد. اما در سال 1974 با پیدایش پروتکل ارتباطی‌‌ TCP/IP از مفهوم Packet Switching استفاده گسترده‌تری شد‌. این پروتکل در سال 1982 جایگزین پروتکل NCP شد و به پروتکل استاندارد برای آرپانت تبدیل گشت. در همین زمان یک شاخه فرعی بنام ‌‌ MILnet در آرپانت، همچنان از پروتکل قبلی پشتیبانی می‌کرد و به ارائه خدمات نظامی می پرداخت. با این تغییر و تحول، شبکه‌های زیادی به بخش تحقیقاتی این شبکه متصل شدند و آرپانت به اینترنت تبدیل گشت . در این سال‌ها حجم ارتباطات شبکه‌ای افزایش یافت و مفهوم ترافیک شبکه مطرح شد .
مسیریابی در این شبکه به‌کمک آدرس‌های IP به‌صورت 32 بیتی انجام می‌گرفته است. هشت بیت اول آدرس‌‌ IP به شبکه‌های محلی تخصیص داده شده بود که به سرعت مشخص گشت تناسبی با نرخ رشد شبکه‌ها ندارد و باید در آن تجدید نظر شود. مفهوم شبکه‌های LAN و شبکه‌های‌‌ WAN در سال دهه 70 میلاادی از یکدیگر تفکیک شدند. در آدرس‌دهی 32 بیتی اولیه، بقیه 24 بیت آدرس به میزبان در شبکه اشاره می کرد. در سال‌‌ ‌‌1983‌‌ ‌‌سیستم نامگذاری دامنه‌ها‌ ‌‌‌(Domain Name System) به‌وجود آمد و اولین‌‌ سرویس‌دهنده نامگذاری(‌Name server) راه‌اندازی شد و استفاده از نام به‌جای آدرس‌های عددی معرفی شد. در این سال تعداد میزبان‌های اینترنت از مرز‌‌ ‌ده هزار عدد فراتر رفته بود.



کاربردهای شبکه
هسته اصلی سیستم‌های توزیع اطلاعات را شبکه‌های کامپیوتری تشکیل می‌دهند. مفهوم شبکه‌های کامپیوتری بر پایه اتصال کامپیوترها و دیگر تجهیزات سخت‌افزاری به‌یکدیگر برای ایجاد امکان ارتباط و تبادل اطلاعات استوار شده است. گروهی از کامپیوترها و دیگر تجهیزات متصل به هم را یک شبکه می نامند.
کامپیوترهایی که در یک شبکه واقع هستند، می توانند اطلاعات، پیام، نرم‌افزار و سخت‌افزارها را بین یکدیگر به اشتراک بگذارند. به اشتراک گذاشتن اطلاعات، پیام ها و نرم‌افزارها، تقریباً برای همه قابل تصور است در این فرآیند نسخه‌ها یا کپی اطلاعات نرم‌افزاری از یک کامپیوتر به کامپیوتر دیگر منتقل می‌شود. هنگامی که از به اشتراک گذاشتن سخت‌افزار سخن می‌گوییم به معنی آن است که تجهیزاتی نظیر چاپگر یا دستگاه مودم را می‌توان به یک کامپیوتر متصل کرد و از کامپیوتر دیگر واقع در همان شبکه، از آن‌ها استفاده نمود.‌
به عنوان مثال در یک سازمان معمولاً اطلاعات مربوط به حقوق و دستمزد پرسنل در بخش حسابداری نگهداری می‌شود. در صورتی که در این سازمان از شبکه کامپیوتری استفاده شده باشد، مدیر سازمان می‌تواند از دفتر خود به این اطلاعات دسترسی یابد و آن ها را مورد بررسی قرار دهد. به اشتراک گذاشتن اطلاعات و منابع نرم‌افزاری و سخت‌افزاری دارای مزیت‌های فراوانی است. شبکه‌های کامپیوتری می‌توانند تقریباً هر نوع اطلاعاتی را به هر شخصی که به شبکه دسترسی داشته باشد عرضه کنند.
این ویژگی امکان پردازش غیرمتمرکز اطلاعات را فراهم می‌کند. در گذشته به علت محدود بودن روش‌های انتقال اطلاعات، کلیه فرایندهای پردازش آن نیز در یک محل انجام می‌گرفته است. سهولت و سرعت روش‌های امروزی انتقال اطلاعات در مقایسه با روش‌هایی نظیر انتقال دیسکت یا نوار باعث شده است که ارتباطات انسانی نیز علاوه بر مکالمات صوتی، رسانه‌ای جدید بیابند.
به کمک شبکه‌های کامپیوتری می‌توان در هزینه‌های مربوط به تجهیزات گران‌قیمت سخت‌افزاری نظیر هارددیسک، دستگاه‌های ورود اطلاعات و غیره صرفه‌جویی کرد. شبکه‌های کامپیوتری، نیازهای کاربران در نصب منابع سخت‌افزاری را رفع کرده یا به حداقل می رسانند.
از شبکه‌های کامپیوتری می‌توان برای استاندارد‌سازی برنامه‌های کاربردی نظیر واژه‌پردازها و صفحه‌گسترده‌ها، استفاده کرد. یک برنامه کاربردی می‌تواند در یک کامپیوتر مرکزی واقع در شبکه اجرا شود و کاربران بدون نیاز به نگهداری نسخه اصلی برنامه، از آن در کامپیوتر خود استفاده کنند.
استانداردسازی برنامه‌های کاربردی دارای این مزیت است که تمام کاربران از یک نرم‌افزار و یک نسخه مشخص استفاده می‌کنند. این موضوع باعث می‌شود تا پشتیبانی شرکت عرضه‌کننده نرم‌افزار از محصول خود تسهیل شده و نگهداری از آن به شکل مؤثرتری انجام شود.
مزیت دیگر استفاده از شبکه‌های کامپیوتری، امکان استفاده از شبکه برای برقراری ارتباطات روی خط (‌(‌on-line ازطریق ارسال پیام است . به عنوان مثال مدیران می‌توانند برای ارتباط با تعداد زیادی از کارمندان از پست الکترونیکی استفاده کنند.



اجزای شبکه
یک شبکه کامپیوتری شامل اجزایی است که برای درک کارکرد شبکه لازم است تا با کارکرد هر یک از این اجزا آشنا شوید.
شبکه‌های کامپیوتری در یک نگاه کلی دارای چهار قسمت هستند. مهم‌ترین قسمت یک شبکه، کامپیوتر سرویس‌دهنده (server) نام دارد. یک سرور در واقع یک کامپیوتر با قابلیت‌ها و سرعت بالا است. تمام اجزای دیگر شبکه به کامپیوتر سرور متصل می شوند.دومین جز یک شبکه، کامپیوتر سرویس‌گیرنده یا Client است. به یک کامپیوتر سرور می‌توان چندین کامپیوتر Client متصل کرد. کامپیوتر سرور وظیفه به اشتراک گذاشتن منابع نظیر فایل، دایرکتوری و غیره را بین کامپیوترهای سرویس‌گیرنده برعهده دارد. مشخصات کامپیوترهای‌سرویس‌گیرنده می‌تواند بسیار متنوع باشد و در یک شبکه واقعی Clientها دارای آرایش و مشخصات سخت‌افزاری متفاوتی هستند.
تمام شبکه‌های کامپیوتری دارای بخش سومی هستند که بستر یا محیط انتقال اطلاعات را فراهم می‌کند. متداول ترین محیط انتقال در یک شبکه کابل است.تجهیزات جانبی یا منابع سخت‌افزاری نظیر چاپگر، مودم، هارددیسک، تجهیزات ورود اطلاعات نظیر اسکنر و غیره، تشکیل‌دهنده بخش چهارم شبکه‌های کامپیوتری هستند.تجهیزات جانبی از طریق کامپیوتر سرور در دسترس تمام کامپیوترهای واقع در شبکه قرار می‌گیرند. شما می‌توانید بدون آن که چاپگری مستقیماً به کامپیوتری شما متصل باشد، از اسناد خود چاپ بگیرید. در عمل چاپگر از طریق سرور شبکه به کامپیوتر شما متصل است.

دانلود مقاله مفهوم خدمت گزاری و مصادیق آن word

 دانلود مقاله مفهوم خدمت گزاری و مصادیق آن word دارای 13 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد دانلود مقاله مفهوم خدمت گزاری و مصادیق آن word   کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

این پروژه توسط مرکز مرکز پروژه های دانشجویی آماده و تنظیم شده است

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی دانلود مقاله مفهوم خدمت گزاری و مصادیق آن word ،به هیچ وجه بهم ریختگی وجود ندارد

---

بخشی از متن دانلود مقاله مفهوم خدمت گزاری و مصادیق آن word :

مفهوم خدمت گزاری و مصادیق آن

خدمت در معنای مواظبت، پرستاری، بهره، عملی برای دیگران انجام داد ، و خادم به معنای خدمت گزار و خدمتگر ومستخدم و خدمت رسان ، در اصطلاح، خدمت هرگونه کار خیر و سود رسانی و کمک کردن مالی و معنوی و فرهنگی به دیران را شامل می‌شود؛ باید در انجام هرگونه کار خیر و کمک‌رسانی به دیگران شتاب کرد و با رقیبان خویش مسابقه گذاشت که فردا دیر است؛ روایت زیبایی از علی(ع) نقل شده است که مفهوم خدمت‌ گزاری را شفاف می‌سازد، روایت این است: «شبی مالی رانزد حضرتش آوردند، دستور داد آن

را تقسیم کنند؛ گفتند: یا امیرالمؤمنین! الآن شب است فردا تقسیم خواهیم کرد، فرمود: آیا باور دارید که فردا زنده‌اید؟ فرمود: تأخیر نکنید، مگر اینکه آن را قسمت نمایید، شمعی آوردند و آن مال را تقسیم کردند.» . پس باید در کار خیر و خدمت به دیگران شتاب کرد که فرصت از دست رفتنی است؛ شتاب در کسب قدرت و مقام امری زشت و ناپسند تلقی شده است اما در خیرات و باقیات صالحات مورد تأکید و سفارش قرآن کریم است.

مصادیق خدمت‌گزاری
خدمت در اصطلاح قرآن و حدیث معنای عام و گسترده‌ای دارد و همه‌ی امور خیریه، کارهای نیک فرهنگی و معنوی و اقتصادی را شامل می‌شود. جالب توجه است که قرآن در سوره‌ی بقره از یهودیانی که در تغییر قبله سر و صدا کرده بودند و گفتند: چرا مسلمانان در نماز از بیت‌المقدس به سوی خانه کعبه تغییر دادند، می‌فرمایند: تفاوت و اختلاف در امر قبله مسئله‌ی تازه‌ای نیست که این همه سر و صدا داشته باشد، در هر زمان ق

بله با توجه به مصالح آن زمان تعیین می‌گردد . سپس اضافه می‌کند که به جای تلف کردن وقت بر سر نزاعهای بی‌حاصل، در نیکیها و خوبیها و خیرات سبقت بگیرند زیرا نجات واقعی انسان، در ایمان به خدا و عمل صالح و خدمت به دیگران اس

ت. آنگاه مصادیق نیکی در همین سوره و دیگر آیات به شرح زیر برمی‌شمارد: ایمان به خدا و روز قیامت، ایمان به ملایکه و کتاب آسمانی و انبیای الهی؛ انفاق مال به نزدیکان و نیازمندان؛ آزادی بردگان، اقامه نماز، ادای زکات، رسیدگی به محرومان و بیماران، وفا به عهد و پیمان، استقامت و پایداری در مقابله با مشکلات. احسان به والدین ، تعاون اجتماعی ، قرض‌الحسنه ، باقیات صالحات ، ایثار و گذشت ، اطعام به مسکینان و یتیمان و اسیران ، نجات محرومان از بند ستم4، عفو و گذشت ، سخنان پاک و پاکیزه گفتن و برخورد خوب با دیگران ، پوشاندن برهنگان و امر به معروف و نهی از منکر و;

در روایات نیز مصادیق خدمت‌ خدمت‌گزاری بشرح ذیل آمده است:
1). اهتمام به امور مسلمین. (من اصبح و لا یهتم بامور المسلمین فلیس منهم

2 برآوردن حاجت شخص مؤمن. (من قضی لاخیه المؤمن حاجه کان کمن عبدالله دهرا

اطعام به دیگران. (خیرکم من اطعم الطعام و افشی السلام و صلی والناس نیام

ابوالمندکر افسار شتر پیامبر(ص) را گرفت و عرض کرد یا رسول‌الله کدام اعمال برتر است؟ پیامبر(ص) فرمود: بهترین شما کسی است

که دیگران را اطعام کند و سلام را روشن ادا نماید و کلام پاکیزه بگوید.

3 کمک به مظلوم. (اذا رأیت مظلوا فاعنه علی الظالم
4 . برخورد خوب با برادر مؤمن (تبسم الرجل

فی وجه اخیه المؤمن حسنه

5 برطرف کردن ناراحتی مؤمن. (من فرج عن مؤمن، فرج الله عن قلبه یوم القیامه
6 . استقرار عدالت. (من عدل فی‌البلاد نشر الله علیه الرحمه
7 . اصلاح و سازش میان مردم. (طوبی للمصلحین بین الناس اولئک هم المقربون یوم القیامه
8 ادای قرض و رفع گرفتاری مؤمن (احب الاعمال الی الله من اطعم من جوع اودفع عنه مغرما او کشف عنه کربا
9 . خدمت کردن به خانواده (خدمتک زوجتک صدقه
10 کشته شدن در راه خدا (فوق کل ذی بر بر حتی یقتل الرجال فی سبیل‌الله، فلیس فوقه بر
11 و خدمت در روایات معنای عام و وسیعی دارد و همه‌ی خوبی‌ها را در برمی‌گیرد.
. بنابراین، در مفهوم‌شناسی خدمت می‌توانیم جمله‌ی راغب اصفهانی لغت شناس پرآوازه‌ی قرآن کریم را تکرار کنیم؛ که در مصداق معروف فرمود: هر عملی که عقل و دین آن را تأیید کند معروف است . پس خدمت را می‌توان عملی دانست که برای آن مبنایی در عقل و دین یافت شود. همین معنا مورد توجه رهبر بزرگوار انقلاب اسلامی است که کارگزاران نظام باید در انجام آن بپا خیزند و از هم سبقت بگیرند که کوتاهی از آن جرم و بازخواست الهی را به دنبال می‌آورد.
بی شک خداوند متعال هر آن چه آفریده ، از کوه و دشت و جنگل و دریا گرفته تا انسان ها و حیوانات ، همه را نعمت قرار داده است . به تعبیر اهل فن ، این عالم دارای نظام هماهنگی است که اجزاء آن با یکدیگر ارتباط و هماهنگی دارند ؛ به واقع نظام احسن بر عالم حاکم است و هر چیز در جای خود قرار گرفته است و همه آفریده ها ، در ارتباط تنگاتنگی که با هم دارند ، به یکدیگر بهره می رسانند . طبق این اصل ، انسان ها در راستای هدفی که خداوند برای زندگی آن ها در نظر گرفته – که از آن به کمال انسان تعبیر می گردد – باید برای یکدیگر مفید واقع شوند و به همدیگر کمک نمایند . انسان ها می توانند خود را برای دیگران نعمت قرار دهند تا دیگران از آن ها استفاده کنند

انجام هر نوع عمل خیر یا ارتکاب گناه ، بازتاب های د

نیایی دارد و اثر آن ، در این دنیا مشاهده خواهد شد تا درس عبرتی برای دیگران باشد و دیگر این که مردم به سوی رعایت انصاف و انجام کارهای نیک در زندگی هدایت شوند و از آن جمله است خدمت به مردم ، چنان که شاعر می فرماید :

این جهان کوه است و فعل ما ، صدا سوی ما آید صداها را ، ندا

اگر توانمندی دست افتاده ای را بگیرد ، توانمندی دیگر دست او را در افتادگی خواهد گرفت

خداوند متعال می فرماید :

« یااَیّها اَلناسُ إِنَّما بَغیکُم عَلی” أَنفُسِکُم » سوره یونس آیه 23

ای مردم ! حتماً نتایج سرکشی و ستم گری هایتان به خودتان بر می گردد .

امام علی علیه السلام فرمود : کسی که برای برادرش چاه بکند ، خداوند او را در همان چاه می افکند

تو چاهی کنده در رَه تا که خلقی را در اندازی نیندیشی از آن روزی که خود را در میان ، بینی ؟

در میان روابط گوناگون اجتماع ، خدمت به مردم ، از نظر اسلام احترام خاصی دارد . در سخنان پیشوایان بزرگ اسلام نیزتأکید شده که اهمیت دادن به خدمت به دیگران و محترم شمردن آن ، موجب رضای خداوند ، قبولی اعمال و عبادات و خیر دنیا و آخرت است . پیامبر اسلام (ص) به ابوذر فرمودند: ای اباذر، هرچه می توانی در انجام کارهای خیر و اعمال نیک بکوش و اگر از دست تو بر نمی آید که برای مردم ، کاری و خدمتی انجام دهی لا اقل با روی باز و چهره‎ی گشاده با آنان روبه رو شو.» باید با دست و زبان ، قلم و قدم و با کمک های مادی و مالی به انسان های نیازمندِ به کمک ، خدمت نمود تا در حوادث و رویدادها بتوان دست

نیاز به سوی خالق یکتا دراز نموده و تقاضای رحمت و رأفت کرد .

کسی که می خواهد در مواقع گرفتاری و سختی از نصرت و یاری دیگران برخوردار باشد و مورد خذلان قرار نگیرد ، حتماً باید کمک به دیگران را مورد توجه قرار دهد ، چرا که کم اعتنایی و بی توجهی به درد دیگران موجب محروم ماندن از یاری و نصرت آنان می گردد . و چه خوش گفت شاعر شیرین سخن که :باز

خدمت به دیگران موجب آبادانی خانه و دیار می شود و عمر را طولانی می کند ، چرا که خداوند هیچ کار نیکی را بی اجر نخواهد گذاشت ، انسان های خدمت گزار به مردم ، در دل ها نفوذ می کنند و دیگران به چشم قهرمان به آن ها نگاه می کنند ،قهرمانان الگوی جامعه هستند و رفتار آنان سرمشق دیگران می شود و به این ترتیب خدمت به دیگران به یک هنجار اجتماعی تبدیل خواهد شد و موجبات سعادت جامعه را فراهم خواهد کرد . از طرفی وقتی خدمت به دیگران به یک ارزش اجتماعی تبدیل شود ، انسان های نیازمند نیز به تکاپو خواهند افتاد که نه تنها مشکلات خود را حل کنند و دست نیاز به سوی کسی دراز نکنند بلکه با خدمت به دیگران خود را به عنوان قهرمان خدمت گزاری معرفی کنند . در جامعه ای که همه به فکر کمک و خدمت به انسان ها باشند فاصله طبقاتی از بین می رود ، صفت برتری طلبی در عده ای ، تن پروری و محتاج دیگران شدن در گروهی و خیلی از انحرافات و کج روی هایی که ناشی از فقر و تهی دستی است از بین می رود . انسان های عالم و دانشمند ، علم و دانش خود را به دیگران می آموزند و زمینه از بین رفتن جهل و نادانی فراهم می شود و اجتماع به سوی پیشرفت و دوری از ضعف فرهنگی خواهد رفت و صد البته جامعه آگاه و دانا به مراتب بهتر از اجتماعی است که گروهی در آن عالم به علوم باشند و دیگران در جهل و نادانی . علامه مجلسی(ره) می فرماید : «علماء به هر مقدار که در علم و کمال کاملتر باشند باید به همان میزان، نسبت به مردم مهربان تر و همین مهربانی و دلسوزی است که آنها را به خدمتگذاری می کشاند و عالم باید بوسیله‎ی تواضع و خدمت و مهربانی در دلهای مردم راه پیدا کند و قلوب مردم را به طرف خود جلب کند تا بتواند آنها را هدایت کند وگرنه در هدایت مردم توفیقی به دست نمی آورد و این را تجربه ثابت کرده است.» خدمت به م

ردم ، روح امید و طراوت را در جامعه موجب می شود و بساری از مشکلات روحی و روانی موجود در جامعه را از بین می برد چرا که بسیاری از بیماری های مغزی و قلبی در نتیجه گرفتاری های روحی و روانی و نداشتن اعصاب سالم به وجود می آیند ، کمک به دیگران و برطرف شدن مشکلات ، زمینه ساز آرامش ، آسایش و رفاه است و افراد سالم و شاد هستند که جامعه شاداب را می سازند .ت که حقوق و حدود افراد جامعه بر مبنای حق و انصاف تعیین شده باشد و به علاوه مردمش به نسبت ، دارای لیاقت و شایستگی بیشتری باشند . در زندگی اجتماعی ، همه مردم از فواید تعاون و همکاری های عمومی برخوردارند و به شایستگی راه تکامل را می پیمایند ، در تمدن عالی انسانی ، تمام افراد جامعه دارای آزادی فردی هستند و می توانند آزادانه در راه اصلاح و رستگاری خود گام بردارند .

از دیگر آثار و نتایج خدمت کردن نفوذ در دل هاست که موجبات نزدیکی و رفاقت و دوستی انسان ها را موجب می شود ، انسان در تمام دوران زندگی ، از کودکی جوانی تا روزگار کهولت و پیری همواره نیازمند رفاقت و دوستی دیگران است . رفقا و دوستان نه تنها با هم انس می گیرند و با مصاحبت و هم نشینی ، موجبات شادمانی و نشاط یکدیگر را فراهم می سازند ، بلکه هر دوستی ، در امور مادی و معنوی رفیق خود نفوذ می کند و هر یک دانسته و ندانسته روی عقاید و اخلاق و رفتار و گفتار دیگری اثر می گذارند .

خدمت گزاری به مردم باعث اعتماد به نفس و تحکیم شخصیت است و به انسان عزت و شرف می بخشد ، سعی و کوشش در کمک به دیگران نشانه ی وظیفه شناسی اجتماعی است و مهر و محبت دیگران را در پی دارد . خدمت گزاری مایه ی سریلندی و افتخار و

از عوامل سازگاری اجتماعی است . بدون شک اغراق نیست اگر بگوییم خدمت به خلق موجب، نام و آوازه نیک ، فرزندان صالح ،رزق و روزی فراوان و با برکت ،

شفاعت پیامبر (ص) و ائمه (ع) و اولیاء ، سربلندی و افتخار در دنیا و آخرت و عاقبت به خیر شدن می شود .

ن را صد درصد تأیید می‏کند و واقعا ارزشی انسانی است ، خدمتگزار خلق خدا بودن است .

در این زمینه‏ پیغمبر اکرم زیاد تأکید فرموده است . قرآن کریم در زمینه تعاون و کمک‏ دادن و خدمت کردن به یکدیگر می‏فرماید :

” « لیس البر ان تولوا وجوهکم‏ قبل المشرق و المغرب و لکن البر من امن بالله و الیوم الاخر و الملائکه و الکتاب و النبیین و اتی المال علی حبه ذوی القربی و الیتامی و المساکین‏ و ابن السبیل و السائلین و فی الرقاب »”. سوره بقره ، آیه . 177

نیکوکاری به این نیست که روی خود را به شرق و غرب بچرخانید ، بلکه نیکوکار کسی است که به خدا و روز آخرت و فرشتگان و کتاب الهی و انبیا ایمان داشته باشد و در راه دوستی خدا مالش را به نزدیکان و یتیمان و درراه ماندگان و درخواست کنندگان و بردگان انفاق کند.
اما یکدفعه انسان مثل سعدی( البته سعدی در عمل اینطور نبوده) ، زبان شعر است می‏گوید :
” عبادت به جز خدمت خلق نیست ” ، همین یکی است‏ و بس .

عده‏ای با گفتن این سخن می‏خواهند ارزش عبادت را نفی کنند ، ارزش زهد را نفی کنند ، ارزش علم را نفی کنند ، ارزش جهاد را نفی کنند ، این همه ارزشهای عالی و بزرگی را که در اسلام برای انسان وجود دارد ، یکدفعه نفی کنند .

می‏گویند : می‏دانید ” انسانیت ” یعنی چه ؟ یعنی‏ خدمت به خلق خدا .

مخصوصا بعضی از این روشنفکرهای امروز خیال می‏کنند به‏ یک منطق خیلی خیلی عالی دست یافته‏اند و اسم آن منطق خیلی عالی را انسانیت و انسان گرائی می‏گذارند .

انسان گرائی یعنی چه ؟ می‏گویند : یعنی خدمت کردن به خلق ، ما به خ

اهد باشد ؟ فرض‏ کنیم شکم خلق خدا را سیر کردیم و تنشان را پوشاندیم ، تازه ما به یک‏ حیوان خدمت کرده‏ایم .

اگر ما برای آنها ارزش بالاتری قائل نباشیم و اصلا همه ارزشها منحصر به خدمت به خلق خدا باشد و نه در خود ما ارزش دیگری‏ وجود داشته باشد و نه در دیگران ارزش دیگری وجود داشته باشد ، تازه خلق‏ خدا می‏شوند مجموعه‏ای از گوسفندها ، مجموعه‏ای از اسبها .

شکم یک عده‏ حیوان را سیر کرده‏ایم ، تن یک عده حیوان را پوشانده‏ایم . البته اگر انسان ، شکم حیوانها را هم سیر کند به هر حال کاری کرده است ، ولی آیا حد اعلای انسان این است که در حیوانیت باقی بماند و حد اعلای خدمت من‏ این است که به حیوانهایی مثل خودم خدمت کنم و حیوانهایی مثل خودم هم حد اعلای خدمتشان این است که‏ به حیوانی مثل خودشان که من باشم خدمت کنند ؟ نه ،

همیشه این حرف را گفته ایم : لومومبا انسان است ، موسی چومبه هم انسان است ، اگر بنا باشد فقط مسئله ، مسئله خدمت به خلق باشد ، خوب موسی چومبه یک خلق‏ است و لومومبا هم یک خلق دیگر ، پس چرا میان اینها تفاوت قائل می‏شوید ؟ چه فرقی است میان ابوذر و معاویه ، اگر حساب خدمت به خلق است ؟ آیا به هر دو باید خدمت کرد ؟

پس اینکه انسانیت یعنی خدمت به خلق و هیچ ارزش دیگری ندارد ، باز یک نوع افراط دیگری است.
تفسیر اسلام از خدمت به خلق
اینجا این مطلب را باید طرح کنیم که یک عده ای می گویند اصلاً مگر همه دستورهای خدا و اصل ایمان و عبادت برای غیر از این است که مردم در نهایت امر، خیرخواه خلق خدا باشند و به خلق خدا خدمت کنند؟ می گویند ما باید ” ایمان ” داشته باشیم برای اینکه در پرتو ایمان، به خلق خدا خدمت کنیم. باید خدا را عبادت کنیم چون در پرتو عبادت است که بهتر به خلق خدا خدمت می کنیم.
از نظر اینها همه دستورهای اسلام و سایر ادیان و همه دستورات بزرگان بشریت، مقدمه این است که به خلق خدا خدمت شود. نمی گویند خود خلق خدا بالاخره چه

می خواهد بشود. آخر اگر می گویند باید به خلق خدا خدمت شود، خود خلق خدا چه برنامه ای دارند؟ هیچ برنامه ای ندارند؟!

نه، این طور نیست. ایمان مقدمه خدمت به خلق نیست، عبادت مقدمه خدمت به خلق نیست، برعکس است: خدمت به خلق، مقدمه ایمان است، خدمت به خ

ارزشهای انسانی است، یعنی ما باید به خلق خدمت کنیم تا آنها را در مسیر ایمان بیندازیم، تا آنها را در مسیر خداپرستی بیندازیم، تا آنها را در مسیر سایر ارزشها بیندازیم.
خدمت به خلق، مقدمه و زمینه برای ایمان است نه اینکه ایمان مقدمه برای خدمت به خلق است، و نه اینکه هیچکدام مقدمه دیگری نباشد. اسلام چنین مکتبی دارد و چنین حرفی می زند و واقعا هم وقتی ما حساب کنیم، می بینیم غیر از این معنی ندارد. والا اگر این طور باشد (یعنی خدمت به خلق مقدمه ایمان نباشد) ما باید همه انسانها را منهای انسانیت آنها در نظر بگیریم.
بعد همان طور که قبلاً هم گفتیم باید به لومومبا به همان چشم نگاه کنیم که به چومبه نگاه می کنیم و به موسی چومبه هم به همان چشم نگاه کنیم که به لومومبا نگاه می کنیم، چون هر دو انسانند، هر دو شکم دارند، هر دو ممکن است گرسنه شوند و هر دو ممکن است برهنه باشند.

دیگر از جنبه به اصطلاح زیست شناسی این دو انسان با یکدیگر فرق نمی کنند. من بعضی از مجلات نسبتا خیلی سنگین و آبرومند را که می خوانم، می بینم عده ای وقتی می خواهند مقام عرفان اسلامی را خیلی بالا ببرند و از آن تعریف کنند می گویند: این عرفای ما کوچک نیستند، حرفهای خیلی خیلی بزرگ زده اند! می پرسیم چه گفته اند؟! می گویند: عرفان در نهایت امر، سر از خدمت به خلق درمی آورد!

نه، این طور نیست. عرفان هیچوقت در نهایت امر، سر از خدمت به خلق درنمی آ ورد، در وسط راه و بلکه در مقدمه راه سر از خدمت به خلق درمی آورد. خدمت به خلق در عرفان هست و باید هم باشد ولی خدمت به خلق، نهایت عرفان نیست، خدمت به خلق مقدمه ای از مقدمات عرفان است و اگر به تعبیرات شرعی خودمان بخواهیم تعبیر کنیم، می گوئیم: به خدا نزدیک شدن مقدمه خدمت به خلق خدا نیست، به خلق خدا خدمت کردن مقدمه قرب الهی و رسیدن به مقام قرب خداست.

دانلود مقاله در مورد نظریه‌های هوش word

 دانلود مقاله در مورد نظریه‌های هوش word دارای 24 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد دانلود مقاله در مورد نظریه‌های هوش word   کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

این پروژه توسط مرکز مرکز پروژه های دانشجویی آماده و تنظیم شده است

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی دانلود مقاله در مورد نظریه‌های هوش word ،به هیچ وجه بهم ریختگی وجود ندارد

---

بخشی از متن دانلود مقاله در مورد نظریه‌های هوش word :

نظریه‌های هوش

نظریه‌های هوش- چقدر با انواع هوش‌های انسانی آشنایی د ارید؟ با وجودی که «هوش» یکی از آن موضوعاتی است که در حوزه روان‌شناسی، بسیار مورد بحث قرار گرفته است امّا تعریف استانداردی از این که چه چیزی دقیقاً تشکیل دهنده «هوش» است وجود ندارد. برخی پژوهشگران هوش را یک قابلیت منفرد و عمومی می‌دانند در حالی که برخی دیگر اعقتاد دارند که هوش دربرگیرنده دامنه‌ای از مهارت‌ها و استعدادهاست.آنچه در زیر می‌آید، برخی از نظریه‌های عمده درباره هوش است که ظرف 100 سال اخیر ارائه گشته‌اند:چارلز اسپیرمن – هوش عمومیچارلز اسپیرمن (1945-1863)، روان‌شناسی انگلیسی، به تشریح مفهومی پرداخته است که آن را هوش عمومی یا «عامل g » نامیده است. او پس از استفاده از روشی به نام «تحلیل عوامل» برای

بررسی تعدادی از آزمون‌های استعداد روانی، متوجه شد که امتیاز این آزمون‌ها به نحو قابل ملاحظه‌ای به یکدیگر شبیه هستند. کسانی که نتایج خوبی در یک آزمون شناختی کسب کرده بودند، در سایر آزمون‌ها نیز نتایج خوبی به دست آورده بودند و برعکس. اسپیرمن نتیجه‌گیری کرد که هوش یک قابلیتِ شناختی عمومی است که قابل ارزیابی و کمّی‌شدن می‌باشد. (اسپیرمن،

1904)لوئیس تورستون – قابلیت‌های اولیه ذهنلوئیس تورستون (1955-1887)، روان‌شناس، نظریه متفاوتی را درباره هوش ارائه کرده است. نظریه او به جای در نظر گرفتن هوش به عنوان یک قابلیت منفرد و عمومی، بر 7 قابلیت اولیه ذهنی تمرکز دارد (تورستون 1938). قابلیت‌هایی که او تشریح کرده عبارتند از:* درک کلامی* استدلال* سرعت ادراک* توانایی عددی* سیالی واژگانی (بیان سلیس)* حافظه تداعی* تجسّم فضایی هاوارد گاردنر – هوش چندگانهیکی از جدیدترین ایده‌ها، نظریه هوش چندگانه هاوارد گاردنر است. گاردنر به جای تمرکز بر تحلیل امتیاز آزمون‌ها، عقیده دارد که مقدار عددی هوش انسان، بیانگر دقیق و کامل توانائی‌های او نیست. نظریه او 8 هوش مختلف را بر پایه مهارت‌ها و توانائی‌هایی که در فرهنگ‌های مختلف ارزش گذاری شده‌اند، توصیف می‌کند.این 8 هوش عبارتند از:* هوش تصویری – فضایی* هوش کلامی – زبانی* هوش اندامی – جنبشی* هوش منطقی – ریاضی* هوش میان فردی* هوش موسیقیائی* هوش درون فردی* هوش طبیعی رابرت استرن برگ- نظریه سه وجهی هوشرابرت استرن برگ، روان‌شناس، هوش را بدین صورت تعریف می‌کند: «فعالیت ذهنی، در جهت انطباق هدفمند با محیط واقعی مربوط به زندگی شخص یا انتخاب و شکل دهی آن» (استرن برگ، 1985). با وجودی که او با گاردنر موافق است که هوش، بسیار فراتر از یک قابلیت منفرد و عمومی است، امّا عقیده دارد که برخی از انواع هوش‌های گاردنر، بهتراست به عنوان استعدادهای فردی در نظر گرفته شوند. آنچه استرن برگ

«هوش موفق» نامیده از سه عامل متفاوت تشکیل شده است:* هوش تحلیلی: این مؤلفه به قابلیت‌های حل مسأله اشاره می‌کند.* هوش مولّد: این جنبه از هوش شامل قابلیت برخورد با شرایط جدید با استفاده از تجربیات گذشته و مهارت‌های فعلی است.* هوش عملی: این عنصر به قابلیت انطباق و وفق‌پذیری با یک محیط در حال تغییر اشاره می‌کند. با وجودی که بحث‌های زیادی بر سر طبیعت واقعی و دقیق هوش وجود دارد، هنوز هیچ تصوّر قطعی حاصل نگشته است. امروزه روان‌شناسان به هنگام بحث درباره هوش، غالباً دیدگاه‌های نظری مختلف را در نظر می‌گیرند و تصدیق می‌کنند که این بحث همچنان ادامه دارد. سایت کلینیک روانیار[/URL] کمی توضیح: احتمالاً شما نیز زمانی که دانش آموز بودید آزمون هوشی را گذرانده‌اید که در آن تعدادی سوال هوش که شامل اشکال و تصاویر است وجود داشت. اکثر این قبیل آزمون‌های هوش که از افراد به عمل

می‌آید یک یا چند هوش محدود فرد را ارزیابی می‌کنند. اغلب افراد نابغه را به علّت داشتن هوش منطقی- ریاضی بالا به عنوان نابغه می‌شناسند. این در حالی است که همان‌طور که گاردنر بیان داشته در حدود 8 نوع هوش برای انسان تصور شده است. تمامی انسان‌های سالم از هر یک از این 8 نوع هوش مقداری را بهره برده‌اند امّا در برخی یک یا چند نوع از این هوش‌ها بسیار قوی‌تر است. مثلاً حافظ هوش بالای منطقی- ریاضی نداشته است امّا هوش کلامی- زبانی بسیار بالایی داشته است. موسیقیدان معاصر یونانی، یانی، نیز از هوش موسیقیایی بالایی برخوردار است به طوری که بدون آموزش دیدن توانسته است آهنگ‌های بسیار زیبایی بسازد و اجرا کند و یا بازیگر فیلم‌های رزمی، جکی چان از هوش اندامی- جنبشی بالایی برخوردار است. با توجّه به این مطالب می‌بینیم که متاسفانه در جامعه بشری بیشتر افرادی را که توانایی منطقی- ریاضی بالایی دارند به عنوان نابغه می‌شناسند و به دیگر جنبه‌های توانایی فرد توجّه لازم را ندارند. منبع : سایت فیزیک دانشگاه شریف پیروز باشیدحالا چجوری میشه فهمید چقدر از کدوم هوش داریم ؟نقل قول:نوشته شده توسط h_duel(پست 1824415)حالا چجوری میشه فهمید چقدر از کدوم هوش داریم ؟
هرچند ممکن است برای برخی مردان خوشایند نباشد، اما زنان باعث پیدایش هوش فوق العاده در نژاد انسان شده اند. براساس یک نظریه بحث انگیز، نیاکان مؤنث ما آن قدر باهوش بودند که هنگام انتخاب جفت بتوانند مغزها را بر عضلات ترجیح دهند. آنان بر سینه هرکول ها و آدونیس های محله شان دست رد زدند و در عوض مردانی را برگزیدند که در چشمانشان بارقه ای وجود داشت که از عقل و شعور و هوش بیشتر حکایت می کرد. بشریت به خصوص مردان باید شکرگزار باشند، زیرا اگر نیاکان مؤنث ما این انتخاب هوشمندانه را انجام نمی دادند، ما هنوز هم در جمع گوریل ها و

شامپانزه ها در آفریقا به سر می بردیم
این نظر جسورانه از مطالعات گسترده در زمینه ضریب هوشی (IQ) به دست آمده است. میانگین ضریب هوشی مردان و زنان بسیار به هم نزدیک است. اما با نگاه دقیق تر به رفتارهای هوشمندانه آنان، در می یابیم که برخی تفاوت های چشمگیر بین دو جنس وجود دارد.
برای مثال، دامنه هوش در مردان گسترده تر است، به طوری که افراد نابغه و افرادی که به لحاظ ذهنی غیرعادی اند، در میان آنان بیشترند. به علاوه، احتمال انتقال ناتوانی های ذهنی مادران به فرزندان بیشتر از پدران است. این سرنخ ها باعث شدند که حدود سی سال پیش «رابرت لرک»

پیشنهاد کند که بسیاری از ژن های مربوط به هوش روی کروموزوم X متمرکز شده اند.
اکنون گروهی از ژنتیک دانان آلمانی تصمیم دارند نظر وی را ثابت کنند. آنان نه تنها معتقدند که کروموزوم X نقش اصلی را در هوش بازی می کند، بلکه بر این باورند که یافته های آنان ثابت می کنند مردان باهوش، توجه نسل زنان را به خود معطوف داشته اند و نیاکان مؤنث ما با ترجیح دادن هوش بر قدرت و زیبایی، فرآیندی را به راه انداختند که در نهایت مغزهای شگفت انگیز ما را به وجود آورده است؛ مغزهایی که در ریاضیات و فیزیک گوی سبقت را ربوده و در هنر، موسیقی و ادبیات مایه خرسندی و نشاط شده اند.
ما در تک تک سلول های بدنمان، 23 جفت کروموزوم داریم که 22 جفت از آنها در تعیین جنسیت دخالت ندارند. کروموزوم X و کروموزوم Y که در واقع جفت نیستند، در تعیین جنسیت نقش اصلی را بر عهده دارند. مردها از هر کدام از آنها یک نسخه دارند (یعنی XY)، اما زنها یک جفت کروموزوم X دارند (یعنی XX). بنابراین، درحالی که همه ما از هر ژن دو نسخه داریم که روی 22 جفت کروموزوم غیر جنسی قرار دارند، مردها از هر ژنی که روی کروموزوم X قرار دارد تنها یک نسخه دارند. این حقیقت به کروموزوم X امکان می دهد در تعیین جنسیت، نقش ویژه ای ایفا کند. به علاوه، آن را برای ایفای یک نقش تکاملی اساسی مهیا می سازد.
تکامل وقتی رخ می دهد که یک تغییر ژنتیکی (جهش) به صفتی منجر شود که باعث بقا و زادآوری بیشتر فرد شود. در این حالت، احتمال انتقال ژن جهش یافته به نسل بعدی بیشتر می شود. اما بیشتر جهش ها حالت «نهفته» دارند، یعنی وقتی در کنار نسخه عادی ژن قرار گیرند هیچ تأثیری ندارند. به این خاطر، جهش هایی که در ژن های کروموزوم غیرجنسی رخ می دهند، به ندرت بروز پیدا می کنند. اما جهش در کروموزوم X وضعیت متفاوتی دارد. این نوع جهش که جهش وابسته به X نامیده می شود، در همه مردانی که آن را دارند، بروز پیدا می کند، زیرا روی کروموزوم Y ژنی وجود ندارد که اثرات آن را بپوشاند. مردانی که دارای جهش وابسته به X باشند، با سایر مردان تفاوت هایی دارند و اگر زنان به این حقیقت توجه داشته باشند و به خاطر آن تفاوت ها، آنان را

ترجیح دهند، ژن های مرتبط با صفات جدید به فرزندانشان منتقل می شوند.
فرض کنید یک جهش وابسته به X در یکی از اعضای یک قبیله بسیار قدیمی رخ داده باشد. آن جهش می تواند در یک فرد مذکر یا فرد مؤنث رخ داده باشد، اما اگر آن جهش حالت «نهفته» داشته باشد، تنها در یک مرد خود را بروز می دهد. اگر آن مرد نسبت به سایر مردان باهوش تر باشد، برای زنان جذاب تر خواهد بود و بسیاری از آنان ترجیح می دهند با او ازدواج کنند. به این ترتیب، ژن جهش یافته به دخترانشان منتقل می شد. پسرها از پدرشان کروموزوم عادی Y را به

دست می آوردند. از این رو، ژن های مرتبط با X به آنان منتقل نمی شد. دخترانی که فقط یک نسخه از ژن جهش یافته داشتند، صفت مربوط به آن را نشان نمی دادند، اما آن را به برخی از دختران و پسرانشان منتقل می کردند. همین طور که زن ها، مردان باهوش را بر دیگران ترجیح می دادند، به تدریج ژن جهش یافته در آن جمعیت معمول می شد در نهایت ژن جهش یافته آن قدر معمول می شد که تعداد فزاینده ای از زنان، دو نسخه از آن را به دست می آوردند و در نتیجه صفتی مربوط به آن را بروز می دادند. به نظر می رسد، جهش های وابسته به جنسی که هوش را تقویت می کردند نیز به همین طریق توسعه پیدا کردند. بنابراین، مردان باهوش وجود داشتند اما زنان باعث تداوم هوشمندی آنان در نسل های بعدی شدند
اگر مغزهای پیچیده ما این گونه تکامل یافته اند ، انتظار می رود ژن های زیادی را روی کروموزوم X پیدا کنیم که باهوش مرتبط باشند. ژنتیک دانان آلمانی در پی این ژن ها هستند. البته در مورد وجود «ژن های هوش» هنوز اختلاف نظرهای زیادی وجود دارد. از این رو، آنان در حال بررسی ژن هایی هستند که وقتی جهش می یابند، به ناتوانی های ذهنی می انجامند و به نظر می رسد در حالت عادی در هوش مؤثرند. یافته های آنان نشان می دهند که 21 درصد ژن های مؤثر در عقب ماندگی ذهنی روی کروموزوم X قرار دارند. اما آیا این ژن ها به واقع و یادگیری ضروری است. در بسیاری از

کودکان مبتلا به اختلالات ذهنی مرتبط با کروموزوم X ، کاهش شدید شبکه های دندریتی مشاهده می شود که از ارتباط عمیق بین ساختمان مغز و توانایی های ذهنی حکایت می کند.