انجمن کامپیوتر ایران

بررسي‌ها در تمامي مسايلي که درآن نظارت بر يک مرز مشخص مورد توجه قرارگرفته بر مبناي اين پيش‌فرض است که احتمال نفوذ در سراسر مسير برابر و بدون تغيير است در حاليکه نمي‌توان گفت در طبيعت اين فرض همواره صحيح است. اين مقاله به بررسي توانایي و نقش الگوريتم زمان‏بندي خواب و بيدار براي گره‏هاي حسگر قرار گرفته بر روي مرز يک ناحيه مي‌پردازد، به گونه‏اي که با افزايش احتمال نفوذ از يک نقطه مرز، احتمال بيدار شدن گره‏ها در آن نقطه افزايش بيابد. در الگوريتم ارائه شده تمامي حسگرها در طول مرز با يک تناوب مشخص زماني بيدار شده و حسگرهاي همسايه خود را بررسي مي‌کنند سپس با احتمال متفاوتي در نقاط مختلف مرز بيدار مي‌مانند يا به خواب مي‌روند. به منظور فراهم ساختن اين تطبيق‏پذيري، در الگوريتم پيشنهادي از آتاماتاي يادگير استفاده شده است. اين الگوريتم با بگارگيري آتاماتاي يادگير از دیدگاه طول عمر و نیز هوشمندی در افزایش چگالی گره‌های فعال بر اساس تغییر روند نفوذها بهبودهاي چشم گيري در مقايسه با روش‏های موجود نظیر RIS، LEACH، TDMA و الگوریتم ارائه شده توسط مصطفایی و میبدی (M-M-LA) از خود نشان مي‌دهد.

در این مقاله یک الگوریتم رمزنگاری تصویر بلوک-مبنا، با استفاده از اتوماتای سلولی خطی برگشت پذیر و نگاشت آشوب ارائه می‌‌دهیم. الگوریتم ارائه شده در برابر انواع حملات متن آشکار انتخاب شده، متن آشکار دانسته شده و سایر حملات مقاوم است. از مزایای روش ارائه شده در برابر سایر روش‌های مشابه، قابلیت پردازش موازی همراه با حساسیت بالای تصویر-رمز نسبت به یک تغییر جزئی در تصویر-آشکار است، طوری که تغییر جزئی در یک بلوک‌، تمام بلوک‌های قبل یا بعد از آن را نیز متأثر می‌کند. همچنین با استفاده از نتایج تجربی نشان خواهیم داد که وابستگی اندکی بین تصویر آشکار و تصویر رمز وجود دارد و همچنین تصویر رمز نسبت به تغییرات کلید یا تصویرآشکار، حساسیت بالایی دارد. در نهایت نیز روش پیشنهادی را با چندین روش مشابه مقایسه خواهیم کرد.

در اکثر پروتکل‌های مسیریابی مورد استفاده در شبکه‌های حسگر بی‌سیم، بسته‌ها در کل شبکه پخش می‌شوند تا به چاهک برسند. سربار زیاد غرق‌کردن بسته‌ها باعث مصرف بی‌رویه‌ی انرژی نود‌ها می‌شود. روش شایعه‌پراکنی یک جایگزین مناسب برای غرق کردن است که تعداد انتقالها را به طور مؤثری کاهش می‌دهد. ما در این مقاله برای اولین بار روش شایعه‌پراکنی جهت دار را مطرح می‌کنیم و بسته (شایعه) را فقط در جهت چاهک پخش می‌کنیم. برای حل مشکل مرگ زودهنگام نیز از چاهک متحرک استفاده می‌کنیم و با چرخش چاهک حول نودهای حسگر انرژی نودها به صورت متعادل مصرف می‌گردد. ما در این مقاله روشی به اسم SINKM با دو هدف ارائه کرده‌ایم. هدف اول این روش کاهش سربار ارسال و هدف دوم آن توزیع مصرف انرژی نودها در کل شبکه است. ما روش خود را با غرق کردن معمولی و روش شایعه‌پراکنی مقایسه کرده‌ایم و شبیه‌سازی‌ها نشان از صرفه‌جویی 50 درصدی انرژی در روش پیشنهادی نسبت به روش غرق کردن می‌دهند. همچنین روش پیشنهادی طول عمر شبکه را حدوداً دو برابر افزایش می‌دهد.

تشخیص وقایع غیرمعمول در صحنه‌های پرجمعیت، یک موضوع بسیار مهم برای امنیت عمومی است. در محیط‌های پرچمعیت به علت پیچیدگی ذاتی این ویدئوها و هم‌پوشانی بین افراد، شناسایی رویدادهای غیرمعمول چالش‌برانگیز است. در این مقاله، یک سامانه نظارت تصویری هوشمند برای تشخیص رویدادهای غیرمعمول در دنباله‌های ویدئویی مربوط به صحنه‌های پرجمعیت پیشنهاد شده است. روش پیشنهادی، ویژگی‌های حرکتی و مکانی تصاویر ویدئوهای آموزشی که تنها شامل رویدادهای معمول هستند بر پایه شار نوری استخراج می‌‌نماید. سپس، با توجه به ذات پویا و متغیر بودن این ویژگی‌ها، در این مقاله از قابلیت‌های مدل مخفی مارکوف چندین مشاهده در مدلسازی این ویژگی‌های متغیر با زمان استفاه می‌شود. رویدادهای غیرمعمول در تصاویر ویدئویی جدید از روی مدل یادگرفته شده، شناسایی و محل‌یابی می‌شوند. نتایج آزمایش‌ها روی ویدئوهای نظارتی نشان می‌دهد که روش پیشنهادی نه تنها به طور دقیق قادر به شناسایی رویدادهای غیرمعمول است بلکه می‌تواند محل رویداد غیرمعمول را در تصاویر ویدئوی پرجمعیت مشخص نماید.

مسأله‌ی جایابی ماشین‌های مجازی یکی از مهمترین مسائلی است که باید توسط فراهم‌کنند‌گان بستر ابر در مراکز داده در‌نظر گرفته شود. استفاده از راه‌حل مناسب برای این مسأله این امکان را به فراهم‌کنندگان بستر ابر می‌دهد، تا از منابع موجود بیشترین استفاده را داشته باشند؛ همچنین با تامین پارامترهای کیفیت سرویس، سبب افزایش رضایتمندی مشتریان شوند. اغلب راه‌حل‌هایی که در رابطه با این مسئله وجود دارند، درصدد بهبود یکی از معیار‌های کیفیت سرویس می‌باشند و برای تامین این هدف از روش‌های مختلف استفاده می‌کنند. در این مقاله یک راه‌حل پویا برای مسأله‌ی جایابی ماشین‌های مجازی ارائه کرده‌ایم، روش ارائه شده حالت خاصی از مسئله‌ی تخصیص زیر‌ساخت به عنوان سرویس در بستر ابر می‌باشد، که با انتخاب ماشین فیزیکی مناسب، سبب تامین معیار‌های کیفیت سرویس، از جمله بهبود در زمان پاسخ و زمان تکمیل طولانی‌ترین کار برنامه‌های اجرایی توسط ماشین‌های مجازی، می‌شود. الگوریتم پیشنهادی به ما کمک می‌کند، تا با درنظر گرفتن قابلیت‌های هر ماشین‌های فیزیکی و ایجاد تعادل بار بر روی آن‌ها، علاوه‌بر استفاده‌ی بهینه از منابع، سبب کاهش زمان پاسخگویی و تامین معیار‌های کیفیت سرویس شویم. نتایج شبیه‌سازی نشان می‌دهد که روش پیشنهادی بهبود خوبی در زمان پاسخ، نسبت به روش‌هایی که معیار آنها میزان بهره‌وری منابع می‌باشد، دارد.

شبکه‌های اجتماعی در چند سال اخیر رشد گسترده‌ای پیدا کرده‌اند، به گونه‌ای که امروزه شبکه‌هایی چون فیسبوک با بیش از یک میلیارد کاربر در صدر جدول مشهور‌ترین شبکه‌های اجتماعی قرار گرفته است. این شبکه‌ها، با دریافت اطلاعات شخصی کاربران و علایق آن‌ها می‌توانند منابع مناسبی برای بهبود سیستم‌های توصیه‌گر در تجارت و بازاریابی الکترونیکی باشند. کشف کاربران متشابه و خوشه‌بندی آن‌ها از دغدغه‌های اصلی این شبکه‌ها محسوب می‌شود و دقت بالای این کشف می‌تواند در بهبود پیشنهادات در این شبکه‌ها موثر باشد. در این مقاله، به بررسی برخی روش‌های رایج کشف تشابه ساختاری کاربران مانند SRank و SimRank و استفاده از آنها در شبکه‌های اجتماعی پرداخته می‌شود. در این روش‌ها، روابط کاربران با یکدیگر مورد سنجش قرار گرفته و افراد با ویژگی‌های مشابه به هم در یک خوشه قرار داده می‌شوند که خوشه‌بندی پیشنهادی دارای سرعت بیشتر نسبت به روش پیشین است. سپس توصیه‌هایی براساس کاربران با بیشترین تعداد دوست در خوشه‌ها صورت میگیرد. هدف از این مقاله پیشنهاد دوست در شبکه‌های اجتماعی به جهت افزایش میزان اطلاعات دربارهی کاربران و شناخت بهتر آنان است که متد SRank دارای دقت بیشتر حداقل 10 درصدی نسبت به متد Simrank میباشد.

FPGA-based multiprocessors, referred as soft-multiprocessors, have an increasing use in embedded systems due to appealing SRAM features. More than 95% of such FPGAs are occupied by SRAM cells constructing the configuration bits. These SRAM cells are highly vulnerable to soft errors threatening the reliability of the system. This paper proposes a fault-tolerant method to detect and correct errors in the configuration bits. The main of this method is to analyze the scheduled task graph and select a subset of tasks to be replicated in multiple processors based on the utilization of the processors in different execution phases. To this end, 1) errors are detected by re-executing a subset of tasks in multiple processors and comparing their output; 2) errors are corrected by re-downloading the fault-free bitstream; 3) errors are recovered from correct checkpoints. To evaluate the proposed method, a FPGA containing four and eight processors running randomly generated task graphs is evaluated. The simulation results show that the performance overhead of the proposed method for four and eight processors is 20% and 15%, respectively. These values for lockstep method are about 90% and 45%, respectively. Moreover, the area overhead of the proposed method is zero.

برون سپاری محاسبات از یک سو با انتقال اجرا از موبایل به سرورهای قدرتمند می تواند موجب کاهش زمان اجرا و مصرف انرژی روی دستگاه های موبایل شود و از سوی دیگر با تبادل داده بین سرور و موبایل موجب ایجاد هزیه ی انتقال (تأخیر) می شود. یک برنامه ی کاربردی باید به نحوی بین سرور و موبایل بخش بندی شود که بهترین مصالحه بین زمان اجرا/مصرف انرژی و هزینه ی انتقال برقرار شود. در بیشتر کاربردهای موبایل امروزی از وب سرویس استفاده می شود که قاعدتاً به دلیل الزام به اجرای غیر محلی، فرآیند بخش بندی و برون سپاری را تحت تأثیر قرار می دهد. در این مقاله با در نظر گرفتن تغییرات پهنای باند در سیستم سیار، مسئله ی بخش‌بندی و برون‌سپاری اجرای این نوع کاربردها به صورت سه مدل جداگانه با اهداف متفاوت فرموله شده و روشی ابتکاری مبتنی بر الگوریتم ژنتیک برای حل هر مسئله ی بهینه‌سازی در زمان معقول ارائه شده است. نتایج نشان می دهد الگوریتم ارائه شده قادر است بخش بندی تطبیقی نزدیک به حالت بهینه را ارائه نماید. همچنین نتایج شبیه سازی و ارزیابی الگوریتم پیشنهادی حاکی از این است که در مقابل تغییرات پهنای باند در دسترس سیستم سیار، عملکرد الگوریتم ارائه شده به نحو قابل ملاحظه ای بهتر از کار مشابه انجام شده است.

استخراج ویژگی های ضمنی یکی از مراحل دشوار در تحلیل احساسات مبتنی بر ویژگی است. از آن جایی که تحقیقات زیادی در این زمینه برای متون زبان فارسی صورت نگرفته است، لزوم انجام تحقیقات بیش تر احساس می شود. روش های ارائه شده، تمام جنبه های زبان فارسی را پوشش نمی دهند و از دقت کافی برخوردار نیستند. در این مقاله از قواعد نحوی زبان فارسی و گراف وابستگی جهت پوشش جنبه های مختلفی از نحو زبان فارسی استفاده شده است. ارزیابی های انجام شده، نشان می دهند روش ارائه شده از دقت و بازخوانی بیشتری نسبت به کارهای قبلی برخوردار است.

با افزایش روز افزون حجم اطلاعات ذخیره ‌شده در شبکه هاي جهانی وب و زیرمجموعه هاي آن همانند شبکه‌های اجتماعی، فرآیند بازیابی و استخراج اطلاعات اهمیت ویژه اي یافته است. سیستم‌های پرسش و پاسخ شکل پیچیده‌تری از سیستم‌های بازیابی اطلاعات هستند که نتایج بازیابی شده را در قالب پاسخی مستقیم و اجمالی به کاربر ارائه می‌دهند. سیستم ارائه شده در این مقاله یک سیستم پرسش و پاسخ دامنه باز مبتنی وب است. در بخش طبقه بندی پرسش، جهت بهبود کارایی طبقه بندی از ویژگی های مختلف لغوی، نحوی و معنای استفاده‌ شده است. در بخش استخراج پاسخ، ویژگی های مختلف آماری، نحوی و معنایی استخراج می شود. در بخش طبقه بندی پاسخ، برای افزایش کارایی از یک طبقه بند ترکیبی استفاده ‌شده است. میزان معیار دقت بر روی مجموعه ای با تعداد 200 پرسش شامل پرسش های دستی و پرسش های حقایق TREC-10 برابر با 78 درصد به دست آمده است که نشان ‌دهنده قابل ‌قبول بودن عملکرد سیستم است.

یکی از مهم‌ترین چالش‌های مطرح در توسعه سیستم‌های سرویس‌گرا، نحوه شناسایی سرویس‌های همسو با نیازمندی‌های کسب‌و‌کار است. در این پژوهش روشی مدل‌محور برای شناسایی سرویس‌ها از بستر کسب‌و‌کار ارائه شده است که در آن، ابتدا در فاز مدل‌ سازی کسب‌و‌کار به مدل‌ سازی فرآیندها، داده‌ها و اهداف کسب‌و‌کار پرداخته می‌شود؛ سپس در فاز شناسایی ابتدا نیازمندی‌های سیستمی و فرآیندهای To-Be از روی مولفه‌های متناظر خود در مدل کسب‌و‌کار بدست می‌آیند و با استفاده تومان از فرآیندهای To-Be، داده‌ها ونیازمندی‌های سیستمی، سرویس‌ها شناسایی می‌شوند. هم چنین اصول طراحی سرویس از جمله چسبندگی، اتصال سست، دانه‌بندی مناسب و قابلیت استفاده مجدد مورد بررسی و نحوه دستیابی به آن‌ها مشخص می‌شود. روش پیشنهادی از نقطه نظر مدل ‌محور بودن، نیمه‌خودکار بودن، سطح کاربردپذیری سرویس‌های شناسایی شده و رعایت اصول طراحی سرویس نسبت به روش‌های موجود برتری دارد.

کاهش انرژی مصرفی مراکز داده از موضوعاتی است که در سال‌های اخیر مورد توجه بسیاری قرار گرفته است. به این منظور ارائه‌کنندگان ساختار به عنوان سرویس در محیط ابر سعی می‌کنند تا حد امکان در مصرف انرژی صرفه‌جویی و سرورها را به حالت خواب ببرند. با استفاده از الگوریتم‌های مبتنی بر بسته‌بندی بسته‌ها می‌توان منابع ابر را به گونه‌ای بهینه، اختصاص و از این طریق مصرف انرژی را کاهش داد. تقسیم منابع مرکز داده با ایجاد ماشین‌های مجازی روی سرورها و اختصاص آنها به کاربران مختلف ابر ممکن می‌شود. در این پژوهش، با کمک الگوریتم بدترین انطباق کاهشی، ماشین‌های مجازی روی تعداد کمتری از سرورهای فیزیکی قرار می‌گیرند. به این ترتیب تعداد بیشتری از سرورها می‌توانند بیکار و خوابیده شوند و انرژی کمتری مصرف کنند. با شبیه‌سازی شبکه‌ی ابر و استفاده از نشانگرهای استاندارد، ارزیابی عملکرد روش پیشنهادی انجام گرفته و نشان داده شده است که با این شیوه انرژی مصرفی به میزان قابل توجهی کاهش می‌یابد.

جرم‌یابی شبکه زیرشاخه‌ای از جرم‌یابی دیجیتالی و علم ضبط، جمع‌آوری و تحلیل ترافیک جهت کسب اطلاعات و تحلیل درباره‌ی‌منبع حمله است. جهت تحلیل ترافیک و شناخت منابع حمله از سیستم‌های پایش و نظارت بر شبکه استفاده می‌شود که اهداف متفاوتی از جمله کنترل و نظارت بر عملکرد سرویس‌دهنده‌ها، کاربران و تجهیزات شبکه و SLAرا دنبال می‌کنند. این سیستم‌ها علاوه بر بحث نظارت، وظیفه‌‌ی مدیریت متمرکز را نیز انجام می‌دهند. سیستم‌های سنتی از پروتکلی مانند SNMP استفاده می‌کنند که در تشخیص صحیح جرم و منابع حمله، پاسخگوی نیاز‌های نظارتی مانند جرم‌یابی شبکه‌ نمی‌باشند. سیستم‌های تشخیص نفوذ و دیواره‌های آتش، وظیفه‌ی تشخیص حمله و تهدیدات را بر عهده دارند، لذا در فرآیند جرم‌یابی خود جزئی از این سیستم می‌باشند و به عنوان یک حسگر امنیتی به فرآیند جرم‌یابی کمک می‌کنند. در سیستم‌های پایش لازم است تا تمام مراحل مدل جرم‌یابی گام به گام انجام‌ شده و از پروتکل مناسب با توانایی تحلیل بالا مانند پروتکل Netflow استفاده شود. پروتکل NetFlow به پنج سؤال رایج در ترافیک شبکه پاسخ می‌دهد، چه فرستنده‌ای به کدام گیرنده در زمان مشخص چه داده‌ای را در چه حجمی ارسال می‌کند. این تحقیق نشان می‌دهد که با استفاده از پروتکل NetFlow می‌توان ساختار پایش شبکه‌ها را اصلاح‌ کرده و یک زیرساخت بهینه جهت جرم‌یابی شبکه‌ها و سیستم‌ها ایجاد نموده و همچنین تحلیلی دقیق و سریع روی جرایم ارائه نمود.

امروزه برقراری سرویس اینترنت با کیفیت بالا در کنار افزایش امنیت در جاده‌ها مورد توجه فراهم کنندگان سرویس‌های شبکه قرار گرفته است. از این رو زیرساخت شبکه متحرک بی‌سیم برای وسایل نقلیه (VANET) در سال‌های اخیر توسعه یافته است. شبکه سلولی LTE از نسل چهارم شبکه موبایل تکنولوژی مناسبی جهت فراهم سازی زیرساخت موردنیاز VANET است. اما برقراری سرویس اینترنت در سناریوهایی با سرعت بالا از قطع سرویس در اثر پدیده هنداور رنج می‌برد. هنداورهای مکرر در سرعت‌های بالاتر منجر به قطع کامل سرویس داده موبایل می‌شوند. ما در این مقاله برای حل مشکل قطع سرویس از مکانیزم توازن بار توزیع شده بین وسایل نقلیه در حال حرکت استفاده می‌کنیم. این مکانیزم با برقراری یک همکاری توزیع شده بین وسایل نقلیه مجاور سرویس اینترنت یکپارچه (بدون قطعی) را برای مسافران جاده‌ای در سناریوهای سرعت بالا فراهم می‌کند. ما به کمک شبیه سازی عددی براساس پارامترهای واقعی LTE الگوریتم ارائه شده را مورد ارزیابی قرار می‌دهیم.

در اين مقاله، یک پروتکل ارتباطی چندعامل در یک سیستم نظارت ویدئویی ترافیک شهری به منظورره گیری غیرمتمرکز وسایل نقلیه ارائه شده است. نظارت خودکار ترافیک شهری یکی از حوزه های تحقیقاتی پراهمیت در سیستم های حمل و نقل هوشمند است. تطبیق مشخصه های وسایل نقلیه از منظر چندعامل نظارتی مختلف، یک پارامتر اساسی برای افزایش دقت ره گیری سیستم نظارتی خواهد بود. یک سیستم نظارتی تک عامل شامل محدودیت های ذاتی چون محدود بودن ناحیه دید عامل و انباشتگی خطا در الگوریتم های تفاضل زمینه است. در راهکار پیشنهادی، در نواحی دید مشترک، دو عامل نظارتی مختلف بطور همزمان، یک وسیله نقلیه را ره گیری می کنند و این ساختار نظارتی چندعامل با ناحیه دید مشترک می تواند مشکلات ناشی از همپوشانی وسایل نقلیه در ناحیه دید هر یک از عامل ها را از طریق دیگری مرتفع نماید و لذا سطح بالایی از خطاپذیری را ایجاد کند. لذا با ارائه یک پروتکل ارتباطی بر پایه تبادل پیغام، به ارزیابی دقت ره گیری سیستم نظارتی چندعامل می پردازیم. هدف اصلی از یک سیستم نظارت توزیع شده، کاهش کارآمد نرخ انتقال و همچنین آنالیز صحنه ترافیک بصورتی غیرمتمرکز و ارسال داده های مورد نیاز به دیگر عامل های سیستم نظارتی است. در این ساختار ناحیه دید سیستم نظارتی وسیع تر شده و با ادغام داده های چندعامل، یک وسیله نقلیه می تواند در کل ناحیه دید سیستم نظارت ترافیک شهری بطور یکنواخت ره گیری شود.

ترمیم تصاویر دیجیتال، یکی از حوزه های پردازش تصویر است که امروزه مورد توجه محققان بسیاری قرار گرفته است. این رشته به خصوص در بازیابی تصاویر، حذف نویز و حذف اشیای نامطلوب از تصویر کاربرد فراوانی دارد. در میان الگوریتم های مختلفی که تا کنون معرفی شده اند، الگوریتم های مبتنی بر نمونه ترمیم تصویر به دلیل سرعت و دقت بالا، مبنای بسیاری از پژوهش های این حوزه قرار گرفته اند. این الگوریتم ها اگر چه ساده، سریع و کارآمد هستند، اما در ترمیم تصاویر با ساختارهای خطی پیچیده، با مشکل مواجه و دچار خطاهای جدی می شوند. محدودیت این الگوریتم ها در ترمیم ساختارهای خطی، موضوعی است که تا کنون به آن کم تر پرداخته شده است. در این مقاله، با استفاده از همسان سازی تصویر به روش Anisotropic Diffusion الگوریتم جدیدی ارائه می شود که ضمن افزایش دقت و کیفیت ترمیم تصویر، بر مشکل فوق نیز غلبه می کند. نتایج حاصل از ارزیابی الگوریتم پیشنهادی این مقاله و مقایسه آن با الگوریتم های موفق در حوزه ترمیم تصویر، نشان می دهد الگوریتم ارائه شده، در دقت و کیفیت ترمیم تصویر، پیشرفت چشمگیری ایجاد کرده است.

سامانه‌های توصیه‌گر به‌عنوان بخش مهم اینترنت، به سه دسته پالایش اطلاعات جمعیت شناختی، مبتنی بر محتوا و مشارکتی تقسیم میگردند. پالایش مشارکتی مبتنی بر همسایگان به‌عنوان مهم‌ترین کلاس‌های پالایش مشارکتی، کاربرد گسترده‌ای در حوزه تجاری را داراست. کلید این رویکرد در یافتن کاربران (کالا‌ها) مشابه براساس ماتریس امتیازات کاربر-کالا بوده تا بتواند توصیه‌های مناسبی را برای کاربران فراهم نماید. اکثر رویکردهای سامانه‌های توصیه‌گر براساس الگوریتم‌های شباهت مانند کسینوس، ضریب همبستگی پیرسون و ... می‌باشد که تنها از کالا‌های دارای امتیاز مشترک مابین کاربران به‌منظور محاسبه شباهت میان دو کاربر استفاده می‌نمایند. از همینرو این معیارها مناسب ماتریس امتیازات پراکنده نمی‌باشند. در این مقاله به‌منظور محاسبه شباهت، معیار مشابهت جدیدی را براساس همسایگان کاربران ارائه داده‌ایم تا عملکرد توصیه‌ها را زمانی که تعداد امتیازات کمی در دسترس باشد، نیز بهبود بخشد. ازاین‌رو از رویکرد احتمالاتی برای مدل‌سازی معیار مشابهت پیشنهادی میان دو کاربر استفاده کرده‌ایم. به‌منظور بیان اثربخشی معیار پیشنهادی، عملکرد معیارهای مشابهت سنتی و بروز را با معیار مشابهت پیشنهادی مقایسه کرده‌ایم. نتایج توصیه‌های صورت گرفته براساس معیارهای ارزیابی مختلف نشان‌دهنده این است که معیار مشابهت پیشنهادی عملکرد بهتری در مقایسه با دیگر معیارهای مشابهت در داده‌های پراکنده را داراست.

‌ حسگر بیسیم شبکه‌های با منابع محدود از نظر حافظه، منبع انرژی، قدرت پردازشی و شعاع حسی هستند. بر اساس محدودیت‌های جدی در این شبکه‌ها، پوشش به یک مسئله اساسی و چالش ‌برانگیز تبدیل‌شده است که بر این مسئله تأکید دارد که حسگرها تا چه اندازه می‌توانند منطقه نظارتی را به‌ خوبی پوشش دهند. این مقاله، با استفاده از تئوری بازی‌ها سعی بر ارائه راهکاری برای کاهش حفره پوششی در کل شبکه را دارد. الگوریتم ارائه ‌شده بر اساس ناهمگن کردن شعاع حسی در حسگرهای ثابت با توزیع تصادفی پایه‌ریزی شده است. برای تحقق این امر، از الگوریتم ژنتیک به‌عنوان ابزار بهینه‌سازی استفاده می‌شود. روش پیشنهادی ابتدا با استفاده از ساختار مثلثی دیاگرام HSTT، جمعیت اولیه را تشکیل می‌دهد. سپس برای هر حسگر در شبکه، شعاع حسی به ‌صورت تصادفی اختصاص داده می‌شود. با استفاده از تابع برازندگی الگوریتم ژنتیک، نسلی که کمترین حفره را در شبکه دارد به‌عنوان نسل نهایی انتخاب شود. نتایج شبیه‌سازی نشان می‌دهد این راهکار در مقایسه با روش‌های همگن در این زمینه به شکل مؤثرتری توانسته است پوشش را در شبکه افزایش دهد.

مسأله تشخیص جنسیت نویسنده متن، یکی از مسائل مورد استفاده در حوزه داده کاوی و متن کاوی است که جهت شناسایی هویت مجهول و یا غیر واقعی تعدادی از کاربران اینترنتی و کاربران شبکه‌های اجتماعی بکار رفته است. هدف از ارائه این مسأله این است که با استفاده از یک یا چند روش بهینه در زمینه تجزیه و تحلیل متون، بتوان مدلی را استخراج کرد که با استفاده از آن، ضریب احتمال تشخیص صحیح برای تعیین جنسیت نویسندگان متون مورد نظر (مرد یا زن بودن نویسنده) را بالا ببریم. یکی از دلایل اصلی ضرورت پرداختن به این موضوع، جلوگیری از سوء استفاده‌های احتمالی از دیگر کاربران، توسط افراد ناشناس یا افراد با هویت جعلی است. راهکارهایی که در این مقاله، برای حل مسأله تشخیص جنسیت نویسنده متن استفاده شده است، شامل دو بخش است، بخش اول شامل یک شیوه جدید وزن دهی به نام معکوس فراوانی سند وابسته به جنسیت (GIDF) است که مبنای آن روش معکوس فراوانی سند (idf) می‌باشد. بخش دوم استفاده از یک روش فراابتکاری ترکیبی مبتنی بر روش خفاش‌ها به نام روش ترکیبی خفاش‌ها – زنبورهای مصنوعی (BABC) است که با الگوریتم طبقه بندی ماشین بردار پشتیبان ترکیب شده و وظیفه آن بهبود نتایج حاصل از طبقه بندی SVM بوسیله انتخاب بهترین ویژگی‌ها جهت ساخت مدل پیشنهادی است. مجموعه داده مورد استفاده جهت ساخت مدل، شامل 3000 نمونه جمع آوری شده از متون نگاشته شده توسط مرد و زن در سایت بلاگفا است که 50 درصد از کل نمونه مربوط به متون مربوط به زن و 50 درصد دیگر مربوط به متون مربوط به زن است. نتایج بدست آمده توسط الگوریتم‌های پیشنهادی نشان می‌دهد که دقت کلاس‌بندی برابر با 85.5 درصد است.

زبان طبیعی ابزاری موثر و آسان برای توصیف ایده‎های بصری و تصاویر ذهنی است و می‎توان تصاویر را مستقیما از طریق توصیفات زبان طبیعی تولید کرد. در بسیاری موارد توصیف زبانی یک صحنه ممکن است از رسم تصویری آن برای کاربر ساده تر باشد. لذا وجود یک سیستم تبدیل خودکار متن به تصویر صحنه به کاربر این اجازه را می‌دهد بدون نیاز به یادگیری نرم‌افزار تخصصی، تصاویر خود را ایجاد نماید. سه پیمانه پردازش زبان طبیعی، استخراج دانش و ترسیم کننده وظایف اصلی سیستم را برعهده دارند. وظیفه پیمانه پردازش زبان طبیعی، استخراج اجزای تصویر (شامل اشیاء، ویژگی های بصری آنها و روابط مکانی میان آنها) از متن ورودی می باشد. پیمانه استخراج دانش عرفی، اجزائی که در متن وجود ندارند اما توسط انسان به صورت پیشفرض تصور می‎شوند به تصویر اضافه می‎شود. در نهایت پیمانه ترسیم کننده، با توجه به اطلاعات استخراج شده، صحنه را ترسیم می‎کند. لذا در این مقاله به ارائه یک سیستم پایه تبدیل متن فارسی به تصویر صحنه می‎پردازیم. سیستم پیشنهادی از تکنیک های مبتنی بر دانش و مبتنی بر قاعده بهره می‎برد و از ابزارهای پردازش زبان طبیعی، مدل‎های 3بعدی و منابع زبانی در حین پردازش استفاده می‎کند.