﻿

# itextsharp pdf to image converter c# : Create a pdf form from excel Library SDK component .net wpf html mvc 1_CHAOS2012_Proceedings_Papers_M-P13-part327

Proceedings, 5th Chaotic Modeling and Simulation International
Conference, 12 – 15 June 2012, Athens Greece
in the distributions. Our statistical analysis is based on the algorithm described
in . We construct the
[ ]
PDF ∆Ζ
which is associated to the first difference
n 1
n
Z
+
∆Ζ
Ζ
=
of the experimental sunspot time series, while the
∆Ζ range is
subdivided into little ``cells'' (data binning process) of width
δz
, centered at
i
z
so that one can assess the frequency of
∆z
-values that fall within each cell/bin.
The selection of the cell-size
δz
is a crucial step of the algorithmic process
and its equivalent to solving the binning problem: a proper initialization of the
bins/cells can speed up the statistical analysis of the data set and lead to a
convergence  of  the  algorithmic  process  towards  the  exact  solution.  The
resultant histogram is being properly normalized and the estimated q-value
corresponds to the best linear fitting to the graph
ln
q
i
(p(z ))
vs
2
i
z
. Our
algorithm estimates for each
0,01
q
δ =
step the linear adjustment on the graph
under scrutiny (in this case the
ln
q
i
(p(z ))
vs
2
i
z
graph) by evaluating the
associated correlation coefficient (CC), while the best linear fit is considered to
be  the  one  maximizing  the  correlation  coefficient.  The  obtained
stat
q
corresponding to the best linear adjustment is then being used to compute the
following equation:
2
( , )
z
q
q
q
G
z
e
C
β
β
β
=
(130)
where
3
1
(
)/
1 (
)
2( 1)
1
q
q
C
q
q
q
π
=
⋅Γ
− ⋅Γ
1
3
<q<
for different β-
values.
Moreover,
we
select
the
β-value
minimizing
the
2
[
( , )
( )]
sstat
q
i
i
i
G
z
p z
β
, as proposed again in .
In the following we present the estimation of Tsallis statistics
stat
q
for various
cases of space plasma system. Especially, we study the
q−
statistics for the
following space plasma complex systems: I Magnetospheric system, II Solar
Wind (magnetic cloud), III Solar activity, IV Cosmic stars, IIV Cosmic Rays.
4.2 Cardiac Dynamics
For the study of the q-statistics we used measurements from the cardiac and
especially the heart rate variability timeseries which includes a multivariate
data set recorded from a patient in the sleep laboratory of the Beth Israel
Hospital in Boston, Massachusetts. The heart rate was determined by measuring
the time between the QRS complexes in the electrocardiogram, taking the
Create a pdf form from excel - C# PDF Field Edit Library: insert, delete, update pdf form field in C#.net, ASP.NET, MVC, Ajax, WPF
Online C# Tutorial to Insert, Delete and Update Fields in PDF Document
add email button to pdf form; add fields to pdf
Create a pdf form from excel - VB.NET PDF Field Edit library: insert, delete, update pdf form field in vb.net, ASP.NET, MVC, Ajax, WPF
How to Insert, Delete and Update Fields in PDF Document with VB.NET Demo Code
pdf form creator; create a form in pdf
Proceedings, 5th Chaotic Modeling and Simulation International
Conference, 12 – 15 June 2012, Athens Greece
inverse, and then converting this to an evenly sampled record by interpolation.
They were converted from 250 Hz to 2 Hz data by averaging over a 0.08
second window at the times of the heart rate samples.
Figure 1a presents the experimental time series, while Fig.1b presents the q-
Gaussian functions
q
G
, corresponding to the time series under scrunity. The q-
Gaussian function presents the best fitting of the experimental distribution
function
(
)
P z
estimated for the value
1.26 0.1
stat
q =
±
for the stationary
heart variability time series. The q-value was estimated by the linear correlation
fitting  between
(
)
ln
q
i
P z
and
( )
2
i
z
shown  in  fig.  1c,  were
(
)
P z
corresponds  to  the  experimental  distribution  functions,  according  to  the
description in section 4.1. The fact that the heart’s variability observations obey
to non-extensive Tsallis with a
q−
values higher than the Gaussian case
(
q =1
permit to  conclude for  the  heart’s  variability dynamics  case  the
existence of q-statistics .
Figure 1: (a) Time series of heart rate variability (b) PDF P(z
i
) vs. z
i
Guassian  function  that  fits  P(z
i
for  the  heart  rate  variability  (c)  Linear
Correlation between ln
q
P(z
i
) and (z
i
)
2
where q = 1.26 ± 0.10 for the heart rate
variability.
4.3 Brain Epilepsy Dynamics
In this section we present the q-statistics obtained from real EEG timeseries
from epileptic patients during seizure attack. Each EEG timeseries consisting of
3.750 points. The width of the timeseries is ranging from -1,000 Volt to 1,000
Volt.
In Figure 2a the experimental time series during the epilepsy is presented. The
q-value was found to be
1.64 0.14
stat
q =
±
. The results of the q-statistics
analysis are shown in Figure 2b and Figure 2c.
VB.NET Create PDF from Excel Library to convert xlsx, xls to PDF
C#: Create PDF from PowerPoint; C#: Create PDF from Tiff; C#: Convert PDF to Word; C#: Convert PDF to C# Protect: Add Password to PDF; C# Form: extract value
acrobat create pdf form; add text fields to pdf
C# Create PDF from Excel Library to convert xlsx, xls to PDF in C#
Create PDF from Excel. |. Home ›› XDoc.PDF ›› C# PDF: Create PDF from Excel. Create searchable and scanned PDF files from Excel.
convert word to editable pdf form; adding image to pdf form
Proceedings, 5th Chaotic Modeling and Simulation International
Conference, 12 – 15 June 2012, Athens Greece
Figure 2: (a) Time series of seizure state (b) PDF P(z
i
) vs. z
i
q Guassian
function that fits P(z
i
) for the seizure state (c) Linear Correlation between
ln
q
P(z
i
) and (z
i
)
2
where q = 1.63 ± 0.14 for the seizure state.
4.4 Eartquakes Dynamics
In this sub-section we present the q-statistics of the experimental data from
earthquakes in the region of whole Greece with magnitude greater from 4 and
time period 1964-2004. The data set was found  from the National Observatory
of Athens (NOA).
In  Figure  3a  the  time  series  of  Interevent Times is  presented,  while  the
corresponding  q-value  is  shown  in  Figure  3b  and  was  found  to  be
2.28 0.12
stat
q =
±
. In Figure 3d we present the experimental time series of
Magnitude data. The q-statistics for this case are presented in Figure 3e. The
corresponding q-value was found to  be
1.77 0.09
stat
q =
±
The  results
reveal clearly non-Gaussian statistics for the earthquake Interevent Times and
Magnitude data. The results showed the existence of q-statistics and the non-
Gaussianity of the data sets.
4.5 Atmospheric Dynamics
In this sub-section we study the q-statistics for the air temperature and rain fall
experimental data sets from the weather station 20046 Polar GMO in E.T.
Krenkelja  for  the  period  1/1/1960  –  31/12/1960.  In  Figure  4(a,d)  the
experimental time series from temperature and rainfall correspondingly are
presented and in the Figure 4(b,c,e,f) the results of the q-statistics analysis are
shown. The estimated q-values were found to be  for the temperature data set
and for the rainfall data set. In both cases we observed clearly non Gaussian
statistics.
VB.NET PDF Form Data Read library: extract form data from PDF in
RasterEdge .NET PDF SDK is such one provide various of form field edit functions. Demo Code to Retrieve All Form Fields from a PDF File in VB.NET.
adding text to a pdf form; adding a text field to a pdf
C# PDF Form Data Read Library: extract form data from PDF in C#.
Support to get form data from specified PDF form position. Special customization for export PDF form data to Excel spreadsheet in C#.NET.
create a fillable pdf form from a pdf; change font in pdf form
Proceedings, 5th Chaotic Modeling and Simulation International
Conference, 12 – 15 June 2012, Athens Greece
Figure 3: (a) Time series of Interevent Times (b) PDF P(z
i
) vs. z
i
q Guassian
function that fits P(z
i
) for the Interevent Times (c) Linear Correlation between
ln
q
P(z
i
) and (z
i
)
2
where q = 2.28 ± 0.12 for the Interevent Times (d) Time series
of Magnitude (e) PDF P(z
i
) vs. z
i
q Gaussian  function that fits P(z
i
) for the
Magnitude (f) Linear Correlation between ln
q
P(z
i
) and (z
i
)
2
where q = 1.77 ±
0.09 for the Magnitude.
Figure 4: (a) Time series of Temperature (b) PDF P(z
i
) vs. z
i
q Guassian
function that fits P(z
i
) for the Temperature (c) Linear Correlation between
ln
q
P(z
i
) and (z
i
)
2
where q = 1.89 ± 0.08 for the Temperature (d) Time series of
Rainfall (e) PDF P(z
i
) vs. z
i
q Gaussian  function that fits P(z
i
) for the Rainfall
(f) Linear Correlation between ln
q
P(z
i
) and (z
i
)
2
where q = 2.21 ± 0.06 for the
Rainfall.
VB.NET Create PDF from PowerPoint Library to convert pptx, ppt to
C#: Create PDF from PowerPoint; C#: Create PDF from Tiff; C#: Convert PDF to Word; C#: Convert PDF to C# Protect: Add Password to PDF; C# Form: extract value
add fields to pdf form; create a pdf form online
VB.NET Create PDF from Word Library to convert docx, doc to PDF in
C#: Create PDF from PowerPoint; C#: Create PDF from Tiff; C#: Convert PDF to Word; C#: Convert PDF to C# Protect: Add Password to PDF; C# Form: extract value
change font size in fillable pdf form; pdf form maker
Proceedings, 5th Chaotic Modeling and Simulation International
Conference, 12 – 15 June 2012, Athens Greece
4.6 Magnetospheric Magneto Hydro Dynamics (MHD) Dynamics
The  estimation  of
,
x
z
V B
Tsallis statistics  during the substorm  period is
presented  in  fig.5(a-f).  Fig.  2(a,d)  shows  the  experimental  time  series
corresponding  to  spacecraft  observations  of  bulk  plasma  flows
x
V
and
magnetic field
z
B
component. Fig. 2(b,e) presents the estimated q-values for
the
x
V
plasma velocity time series and for the magnetic field
z
B
component
time series. The q-values of the  signals under scrutiny  were  found to  be
1.98 0.06
stat
q =
±
for  the
x
V
plasma  velocity  time  series  and
2.05 0.04
stat
q =
±
for the magnetic field
z
B
component. The fact that the
magnetic field and plasma flow observations obey to non-extensive Tsallis with
q−
values much higher than the Gaussian case (
q =1
) permit to conclude for
magnetospheric plasma  the  existence  of  non-equilibrium  MHD anomalous
diffusion process.
Figure 5: (a) Time series of Bz storm period (b) PDF P(z
i
) vs. z
i
q Gaussian
function that fits P(z
i
) for the Bz storm period (c) Linear Correlation between
ln
q
P(z
i
) and (z
i
)
2
where q = 2.05 ± 0.04 for the Bz storm period (d) Time series
of Vx storm period (e) PDF P(z
i
) vs. z
i
q Guassian function that fits P(z
i
) for the
Vx storm period (f) Linear Correlation between ln
q
P(z
i
) and (z
i
)
2
where q = 1.98
± 0.06 for the Vx storm period.
VB.NET PDF Convert to Tiff SDK: Convert PDF to tiff images in vb.
Qualified Tiff files are exported with high resolution in VB.NET. Create multipage Tiff image files from PDF in VB.NET project. Support
change font size in pdf form field; pdf form change font size
C# Create PDF from Tiff Library to convert tif images to PDF in C#
Create PDF from Tiff. |. Home ›› XDoc.PDF ›› C# PDF: Create PDF from Tiff. Create PDF from Tiff in both .NET WinForms and ASP.NET application.
add text field to pdf; change font in pdf form field
Proceedings, 5th Chaotic Modeling and Simulation International
Conference, 12 – 15 June 2012, Athens Greece
4.7 Magnetospheric Fractal Accelerator of Charged Particles
Already Tsallis theory has been used for the study of magnetospheric energetic
particles  non-Gaussian by Voros  and Leubner . In the following we
study the q-statistics of magnetospheric energetic particle during a strong sub-
storm period.  We used the data set from the GEOTAIL/EPIC experiment
during the period from 12:00 UT to 21:00 UT of 8/2/1997 and from 12:00 UT
of 9/2/1997 to 12:00 UT of 10/2/1997. The Tsallis statistics estimated for the
magnetospheric  electric  field  and  the  magnetospheric  particles
(
)
e ,
p
+
during the storm period is shown in  Fig. 6(a-i). Fig. 6(a,d,g) present the
spacecraft observations of the magnetospheric electric field
y
component and
the magnetospheric electrons
(
)
e
and protons
(
)
p
+
. The corresponding
Tsallis  q-statistics  was  found  to  correspond  to  the  q-values:
2.49 0.07
stat
q =
±
for  the
y
electric field component,
2.15 0.07
stat
q =
±
for the energetic electrons and
2.49 0.05
stat
q
=
±
for
the energetic protons. These values reveal clearly non-Gaussian dynamics for
the mechanism of electric field development and electrons-protons acceleration
during the magnetospheric storm period.
Figure 6: (a) Time series of Ey storm period (b) PDF P(z
i
) vs. z
i
q Guassian
function that fits P(z
i
) for the Ey storm period (c) Linear Correlation between
ln
q
P(z
i
) and (z
i
)
2
where q = 2.49 ± 0.07 for the Ey storm period (d) Time series
of electrons storm period (e) PDF P(z
i
) vs. z
i
q Gaussian  function that fits P(z
i
for the electrons storm period  (f) Linear Correlation between ln
q
P(z
i
) and (z
i
)
2
where q = 2.15 ± 0.07 for the electrons storm period time series (g) Time series
of protons storm period (h) PDF P(z
i
) vs. z
i
q Gaussian  function that fits P(z
i
C# Create PDF from PowerPoint Library to convert pptx, ppt to PDF
C#.NET PDF SDK- Create PDF from PowerPoint in C#. How to Use C#.NET PDF Control to Create PDF from Microsoft PowerPoint Presentation in .NET Project.
add date to pdf form; add fillable fields to pdf
C# Create PDF from Word Library to convert docx, doc to PDF in C#.
Create PDF from Word. |. Home ›› XDoc in C#. C# Demo Code to Create PDF Document from Word in C# Program with .NET XDoc.PDF Component.
change font pdf fillable form; create a pdf form online
Proceedings, 5th Chaotic Modeling and Simulation International
Conference, 12 – 15 June 2012, Athens Greece
for the protons storm period (i) Linear Correlation between ln
q
P(z
i
) and (z
i
)
2
where q = 2.49 ± 0.05 for the protons storm period.
4.8 Solar Wind Magnetic Cloud
From the spacecraft ACE, magnetic field experiment (MAG) we take raw data
and focus on the Bz magnetic field component with a sampling rate 3 sec. Tha
data correspond to sub-storm period with time zone from 07:27 UT, 20/11/2001
until 03:00 UT, 21/11/2003.
Magnetic clouds are a possible manifestation of a Coronal Mass Ejection
(CME) and they represent on third of ejectra observed by satellites. Magnetic
cloud behave like a magnetosphere moving through the solar wind. Carbone et
al. , de Wit  estimated non-Gaussian turbulence profile of solar wind.
Bourlaga and Vinas  estimated the q-statistics of solar wind at the q-value
1.75 0.06
stat
q =
±
. Fig. 7 presents the q-statistics estimated in the magnetic
cloud solar plasma for the z-component
Z
B
of the magnetic field. The
Z
B
time series is shown in Fig. 7a. The q-statistics for
Z
B
component is shown at
Fig. 7(b,c), while the q-value was found to be
2.02 0.04
stat
q
=
±
. This value
is higher than the value
1.75
stat
q =
estimated from Bourlaga and Vinas 
at 40 AU.
Figure 7: (a) Time series of Bz cloud (b) PDF P(z
i
) vs. z
i
q Gaussian  function
that fits P(z
i
) for the Bz cloud (c) Linear Correlation between ln
q
P(z
i
) and (z
i
)
2
where q = 2.02 ± 0.04 for the Bz cloud.
4.9 Solar Activity: Sun Spot-Flares Dynamics
In this sub-section we present the q-statistics of the sunspot and solar flares
complex  systems  by  using  data  of  Wolf  number  and  daily  Flare  Index.
Especially,  we  use the Wolf number,  known  as  the international sunspot
number measures the number of sunspots and group of sunspots on the surface
of the sun computed by the formula: (10)R=k*(10g+s) where: s is the number
of individual spots, g is the number of sunspot groups and k is a factor that
varies with location known as the observatory factor. We analyse a period of
184 years. Moreover we analyse the daily Flare Index of the solar activity that
was  determined  using  the  final  grouped  solar  flares  obtained  by  NGDC
(National Geophysical Data Center). It is calculated for each flare using the
Proceedings, 5th Chaotic Modeling and Simulation International
Conference, 12 – 15 June 2012, Athens Greece
formula:
( * )
Q
i t
=
, where "i" is the importance coefficient of the flare and
“t” is the duration of the flare in minutes. To obtain final daily values, the daily
sums of  the  index  for  the  total  surface  are  divided by  the  total  time of
observation  of  that  day.  The  data  covers  time  period  from  1/1/1996  to
31/12/2007.
Figure 8: (a) Time series of Sunspot Index concerning the period of 184 years
(b) PDF P(z
i
) vs. z
i
q Guassian function that fits P(z
i
) for the Sunspot Index (c)
Linear Correlation between ln
q
P(z
i
) and (z
i
)
2
where q = 1.53 ± 0.04 for the
Sunspot Index (d) Time series of Solar Flares concerning the period of 184
years (e) PDF P(z
i
) vs. z
i
q Guassian function that fits P(z
i
) for the Solar Flares
(f) Linear Correlation between ln
q
P(z
i
) and (z
i
)
2
where q = 1.90 ± 0.05 for the
Solar Flares.
Although  solar  flares  dynamics  is  coupled  to  the  sunspot  dynamics.
Karakatsanis and Pavlos  and Karakatsanis et al.  have shown that the
dynamics of solar flares can be discriminated from the sunspot dynamics. Fig. 8
presents the estimation of q-statistics of sunspot index shown in fig. 8(b,c) and
the q-statistics of solar flares signal shown in fig. 8(e,g). The q-values for the
sunspot  index  and  the  solar  flares  time  series  were  found  to  be
1.53 0.04
stat
q =
±
and
1.90 0.05
stat
q
=
±
correspondingly.  We  clearly
observe non-Gaussian statistics for both cases but the non-Gaussianity of solar
flares was found much stronger than the sunspot index.
4.10  Solar Flares Fractal Accelerator
At solar flare regions the dissipated magnetic energy creates strong electric
fields according to the theoretical concepts. The bursty character of the electric
field creates burst of solar energetic particles through a mechanism of solar
Proceedings, 5th Chaotic Modeling and Simulation International
Conference, 12 – 15 June 2012, Athens Greece
flare  fractal  acceleration.  According  to  theoretical  concept  presented  in
previous section the fractal acceleration of energetic particles can be concluded
by the Tsallis q-extenstion of statistics for non-equilibrium complex states. In
the following we present significants verification of this theoretical prediction
of Tsallis theory by study the q-statistics of energetic particle acceleration.
Finally  we analyze energetic particles from  spacecraft ACE – experiment
EPAM and time zone 1997 day 226 to 2006 day 178 and protons (0.5 – 4) MeV
with period 20/6/1986 – 31/5/2006, spacecraft GOES, hourly averaged data.
Figure 9 presents the estimation of the solar protons - electrons q-statistics. The
q-values for solar energetic protons and electrons time series were found to be
2.31 0.13
stat
q =
±
and
2.13 0.06
stat
q
=
±
correspondingly. Also in this
case we clearly observe non-Gaussian statistics for both cases.
Figure 9: (a) Time series of Solar proton (b) PDF P(z
i
) vs. z
i
q Guassian
function that fits P(z
i
) for the Solar proton data (c) Linear Correlation between
ln
q
P(z
i
) and (z
i
)
2
where q = 2.31 ± 0.13 for the Solar proton (d) Time series of
Solar electrons (e) PDF P(z
i
) vs. z
i
q Guassian function that fits P(z
i
) for the
Solar electrons (f) Linear Correlation between ln
q
P(z
i
) and (z
i
)
2
where q = 2.13
± 0.06 for the Solar electrons.
4.11 Cosmic Stars
In the following we study the q-statistics for cosmic star brightness. For this we
used a set of measurements of the light curve (time variation of the intensity) of
the variable white dwarf star PG1159-035 during March 1989. It was recorded
by the Whole Earth Telescope (a coordinated group of telescopes distributed
around the earth that permits the continuous observation of an astronomical
object) and submitted by James Dixson and Don Winget of the Department of
Astronomy  and the McDonald Observatory of the University of Texas  at
Austin. The telescope is described in an article in The Astrophysical Journal
(361), p.  309-317  (1990), and  the  measurements  on PG1159-035  will  be
described in an article scheduled for the September 1 issue of the Astrophysical