انجمن کامپیوتر ایران

در جهان پیرامون ما پدیده‌های زیادی وجود دارد که در آن موجودات در تعامل با یکدیگر هستند. اغلب این پدیده‌ها قابل مدل‌سازی با شبکه‌های اجتماعی می‌باشند. پیچیدگی این شبکه‌ها از نظر بزرگی و نحوه تعاملات باعث می‌شود تا برای بررسی آن‌ها به روش‌های تحلیل شبکه‌ی اجتماعی روی آوریم. شبکه‌های اجتماعی اینترنتی مصداقی از این شبکه‌های پیچیده هستند. با ظهور وب2 و رشد ساختار‌های اجتماعی در اینترنت، نیاز به تحلیل ابعاد مختلف شبکه‌های‌اجتماعی بیشتر شده است. یکی از این تحلیل‌ها، ساختاریابی اجتماع می‌باشد که طی آن گروه‌بندی‌های موجود در شبکه‌ی اجتماعی را استخراج می‌نماییم. در این مقاله، روشی دقیق و کارآمد –به نام رٌخ- برای ساختاریابی شبکه‌های اجتماعی ارائه شده‌است. رُخ از نقطه قوت الگوریتم خوشه‌بندی Chameleon، یعنی استفاده همزمان از دو ویژگی ارتباطِ‌متقابل و تراکم ایده می‌گیرد و با بهبود و تعمیم توأمان این دو ویژگی، الگوریتم جدیدی ارائه می‌دهد. یکی از شاخصه‌های اصلی این الگوریتم دید چگالی‌محور و کل‌نگرانه آن استکه اغلب در افزایش کیفیت ساختاریابی موثر است. نتایج حاصل از ارزیابی رُخ و دو روش دیگر روی مجموعه‌داده‌های این مقاله نشان می‌دهد که رُخ نسبت به برخی روش‌های جدید بر مبنای ماژولاریتی از دقت بالاتری برخوردار است.

هدف از حركت به سوي نسل بعدي شبكه، يك دسترسي همه جانبه براي سرويس‌هاي چند رسانه‌اي مختلف متشكل از صدا، تصوير و متن در انواع رسانه‌ها و شبكه‌هاي مختلف در قالب يك جلسه‌ واحد است. در حال حاضر SIP اصلي‌ترين پروتکل مورد استفاده براي ايجاد، تغيير و کنترل جلسات در شبکه‌هاي ارتباطي نسل بعدي است. اين در حاليست که اين پروتکل فاقد مکانيزم مناسبي براي مواجهه با انواع حملات است. وجود اين چالش سبب خواهد شد که طيف وسيع کاربران شبکه نسل آينده با افت شديد کيفيت سرويس مواجه شوند. با توجه به اهميت چالش مطرح شده در ارائه سرويس‌هاي نسل بعدي شبکه و لزوم صحت سيگنالينگ سرورهاي SIP که اجزاي اصلي بخش کنترلي شبکه‌هاي نسل آينده را تشکيل مي‌دهند، در اين مقاله چارچوبي براي ايمن کردن سرورهاي SIP در برابر برخي از حملات عدم پذيرش سرويس ارائه شده است. روش پيشنهادي کمترين سربار پردازشي و مصرف حافظه را بر روي سرور در زمان رخداد حملات دارد و مسائلي از قبيل دقت تشخيص و نرخ هشدار غلط در روش پيشنهادي مورد توجه قرار گرفته است.

الگوریتم ترکیبی یادگیری افزایشی مبتنی بر جمعیت و بهینه سازی حدی (PBIL-EO , PBIL-GEO)

ناهنجاریهای صوتی بطور مستقیم به شکل فیزیکی تارهای صوتی بستگی داشته، و برای شناسایی اختلال در شکل فیزیکی تارهای صوتی، قطعه¬بندی فضای دهانه حنجره امری ضروری می¬باشد. یکی از مشکلات اصلی در روشهای ارائه شده، پایین بودن دقت آنها می‏باشد. برای حل این مشکل در این مقاله، یک روش خودکار مبتنی بر لبه¬یاب کنی و تبدیل هاف برای استخراج فضای دهانه حنجره از تصاویر ویدئویی استروبوسکپی ارائه شده است. روش ما با روشهای بافت نگار و مرزهای فعال مقایسه شده و نتایج نشان می¬دهد که روش پیشنهادی جواب بهتری را ارائه می¬دهد.

با افزایش گسترده تصاویر ‏ماهواره‏ای, نیاز به سیستمی برای مدیریت , بازیابی و حاشیه‏نویسی این حجم از تصاویر وجود دارد. در این مقاله برای حاشیه‏نویسی معنایی تصاویر از تکنیک خوشه‏بندی نیمه‏نظارت شده استفاده می‏شود. یکی از قسمت‏های اصلی الگوریتم خوشه‏بندی تعیین شباهت بین تصاویر است. برای تعیین دقیق شباهت بین تصاویر دو معیار شباهت جدید CM مبتنی بر وزن¬دهی و نرمال¬سازی ویژگی¬ها بطور همزمان و KMRBF مبتنی بر نگاشت غیر خطی الگوها به فضای بالاتر پیشنهاد می¬شود. بدلیل اینکه الگوریتم خوشه‏بندی روی ویژگی‏های استخراج شده فضاهای رنگ متفاوت و معیار شباهت متفاوت نتایج متفاوتی را تولید می‏کنند, ما با ترکیب این نتایج بصورت Co-clustering سعی در بالابردن دقت حاشیه‏نویسی داریم. آزمایشات روی 2400 تصویر ماهواره‏ای گرفته شده از سطح شهر تهران حاکی از کارایی بسیار مناسب سیستم پیشنهادی برای حاشیه‏نویسی تصاویر است و به دقت حاشیه‏نویسی 87.3% دست‏یافتیم.

يکي از مشکلاتي که در مورد برخي بيماران چشمي وجود دارد، رويه تشخيص است. براي تشخيص بيماريهاي چشم از تصوير¬برداري سونوگرافي استفاده مي¬شود. اما در برخي موارد به دليل کيفيت پايين تصاوير سونوگرافي و همچنين نويزهاي وارده، برخي از جزئيات تصوير محو شده و شباهتهايي در ويژگي هاي تشخيصي برخي از بيماريها بوجود مي آيد. از اين ميان، تشخيص جداشدگي شبکيه (که نياز به عمل جراحي در اسرع وقت دارد)، اهميت بسزايي براي چشم پزشکان دارد و يافتن راهي که بتواند امکان تشخيص آن را از ساير بيماريها فراهم کند مي¬تواند نقش مفيدي در تشخيص بهنگام اين بيماري داشته باشد. در اين بررسي ابتدا تصوير سونوگرافي ديجيتال، مورد پيش پردازش قرار مي گيرد تا نويز موجود در آن تا حدودي کاهش يابد. سپس با استفاده از روش آناليز اجزاي ويژه (PCA)، ويژگي هاي تصوير استخراج مي¬شود و در نهايت از شبکه هاي عصبي براي تشخيص بيماري استفاده مي¬کنيم. در اينجا عملکرد دو نوع شبکه عصبي پرسپترون چند لايه (MLP) و شبکه با توابع پايه شعاعي (RBF) را مورد ارزيابي قرار مي¬دهيم. نتايج حاصل از اين بررسي نشان مي دهد که استفاده از شبکه عصبي RBF براي تشخيص بيماري نسبت به شبکه پرسپترون چند لايه داراي عملکرد بسيار موفق¬تري بوده است و توانسته است به ۹۰ درصد تشخيص درست دست يابد، که اين امر از نظر تشخيص پزشکي مي¬تواند داراي اهميت زيادي باشد.

در دهه¬های اخیر توانایی فنی بشر برای تولید و جمع آوری داده به سرعت افزایش یافته¬است. این رشد انفجاری در داده¬های ذخیره¬ شده، نیاز مبرم ابزارهای خودکارسازی را ایجاد کرده¬است، تا به صورت هوشمند به انسان یاری رساند تا این حجم عظیم داده را به دانش مفید و مورد نیاز خود تبدیل کند. به این فرآیند داده¬کاوی اطلاق می شود. یکی از زمینه¬هایی که می توان از این دانش به نحو مؤثری بهره¬گرفت، داده¬های پزشکی است. در این مقاله بر آن هستیم تا به کشف عوامل مؤثر در بروز انواع سرطان و تعیین نحوه¬ی درمان سرطان بپردازیم. بدین¬منظور از پایگاه داده سرطان بیمارستان نمازی شیراز در سال¬های 86-82 استفاده¬نمودیم. با اعمال الگوریتم¬های خوشه¬بندی و کشف قوانین وابستگی بر روی مجموعه داده¬ها به نتایج مفید و جالبی دست یافتیم.

IUI_B : واسط کاربری هوشمند مبتنی بر عامل برای نابینایان

مسأله‌ي بيدارسازي مجموعه‌اي از ربات‌هاي خواب توسط يک ربات بيدار اوليه، Freeze-Tag Problem (FTP) نام دارد. در FTP هدف، بيدارسازي کليه ربات‌ها در کمترين زمان ممکن است. اين مسأله در حالت کلي NP-Hard و در حالت اقليدسي از جمله مسائل باز (Open) به شمار مي‌رود. در اين مقاله الگوريتم‌هاي تقريبي براي FTP در محيط اقليدسي مد نظر قرار مي‌گيرند. ابتدا يک الگوريتم تقريبي با فاکتور تقريب O(1) و زمان اجراي O(n log⁡n) که توسط آرکين و همکارانش ارائه شده‌است، معرفي مي‌گردد و سپس يک الگوريتم با فاکتور تقريب بهتر و زمان اجراي خطي براي مسأله ارائه مي‌شود.

در اين مقاله، يك طرح جديد مديريت کليد در شبکه¬هاي سيار اقتضايي ارايه مي¬شود. اين طرح مبتني بر گروه¬بندي گره¬هاي سيار است. در اين طرح با بهره¬گيري از ايده¬هاي تسهيم راز و رمزنگاري آستانه¬اي، يک پروتکل تشکيل کليد مشترک ميان مجموعه¬اي از گره¬هاي مجاز ارايه مي¬شود، که به راحتي قابل تعميم به شبکه¬هاي بزرگتر نيز هست. اين طرح به دليل امتياز آستانه¬اي بودن نسبت به نمونه¬هاي قبلي در مقابل حملات شناخته شده مقاوم¬تر مي¬باشد. هم¬چنين نوع ساختار گروه¬بندي که ميان گره¬ها در نظر گرفته شده¬است، مشکلات ناشي از پويايي شبکه را کاهش مي¬دهد

هدف این مقاله طراجی و پیاده سازی پردازنده ای ویژه الگوریتم های رمز قطعه ای کلید خصوصی است.بدین منظور ابتدا با آنالیز رفتاری پنج الگوریتم های رمز کلید خصوصی فینالیست مسابقه AES،عملیات اصلی و مورد تأکید آنها و عوامل موثر در بازدهی اجرایشان شناسایی شده است.نیز نقاط قوت و ضعف یکسری از پردازنده های RISC همه منظوره در پیاده سازی عملیات اصلی الگوریتم های رمزنگاری و واحدهای عملیاتی خاص طراحی و پیادهسازی شده که می تواند در مورد الگوریتم Rijndael برنده ی مسابقه AES،با کاهش تعداد دستورات تا بیش از 50% به Speedup ی برابر 2 برسد.