انجمن کامپیوتر ایران

پرس‌وجوهای تجمعی از مهم‌ترین پرس‌وجوهایی هستند که برای جمع‌بندی اطلاعات دریافتی حسگرها، مورد استفاده قرار می‌گیرند. روش‌های پردازش پرس‌وجوهای تجمعی به دو دسته روش‌های درخت-محور و روش‌های مسیر-محور تقسیم می‌شوند که با توجه به مزایای روش‌های مسیر-محور، پژوهش‌های جدید به سمت این روش‌ها سوق یافته‌اند. در مقالات اخیر، تمرکز الگوریتم‌های مسیر-محور ارائه شده برای پردازش پرس‌وجوهای تجمعی، بر کاهش مصرف انرژی حسگرها بوده است. یکی دیگر از پارامترهای مهم در پردازش پرس‌وجوهای تجمعی، افزایش سرعت اجرا و کاهش زمان اجرای پرس‌وجو است. هدف این مقاله، ارائه‌ی روشی مسیر-محور برای بهبود سرعت اجرای پردازش پرس‌وجوهای تجمعی با در نظر گرفتن محدودیت‌های انرژی است. در روش پیشنهادی برای افزایش سرعت پردازش پرس‌وجوها، از موازی‌سازی مسیرهای پرس‌وجو استفاده شده است. شبیه‌سازی الگوریتم پیشنهادی در محیط نرم‌افزار Matlab صورت گرفته است. نتایج شبیه‌سازی انجام شده نشان می‌دهد که زمان اجرای روش پیشنهادی به طور شاخصی از روش‌های پیشین کمتر بوده و مصرف انرژی آن تقریباً مشابه روش‌های گذشته است.

کنترل پذیرش یکی از چالش‌های مهم مدیریت منابع در محاسبات ابری می‌باشد که در مورد پذیرش یا عدم پذیرش درخواست جدید تصمیم‌گیری می‌کند. پس از تصمیم پذیرش درخواست جدید، الگوریتم زمان‌بندی بر اساس اطلاعات جمع‌آوری شده در الگوریتم کنترل پذیرش، مناسب‌ترین ماشین‌مجازی برای تخصیص به وظایف را پیدا می‌کند. کنترل پذیرش باید مطمئن شود با پذیرش درخواست جدید، منابع سربارگذاری نمی‌شوند و درخواست‌ها با موفقیت انجام خواهند شد، همچنین پذیرش درخواست جدید در انجام درخواست‌های قبلی تاثیری نخواهد داشت. در اين مقاله الگوريتم کنترل پذیرش و زمان‌بندی وظیفه کارای انرژی در محاسبات ابری ارائه می‌شود. الگوريتم پيشنهادي (Energy Efficient Admission Control and Task Scheduling) EEACTS نام‌‌گذاري شده و هدف آن بهره‌برداری کامل منابع محاسباتی برای کاهش هزینه‌های ارائه‌دهندگان سرویس‌های ابری و کاهش مصرف انرژی می‌باشد. EFACTS از دو الگوریتم کنترل پذیرش و زمان‌بندی وظیفه تشکیل شده‌است. الگورتم کنترل پذیرش به کمک چهار سیاست، تصمیم به پذیرش و یا رد درخواست جدید می‌گیرد و الگوریتم زمان‌بندی بر اساس نتایج کنترل پذیرش، ماشین‌مجازی مناسب را برای تخصیص به درخواست جدید انتخاب می‌کند. نتايج حاصل از شبیه‌سازی نشان می‌دهد که زمان پاسخ و هزینه‌ی ارائه دهندگان سرویس‌های ابری در الگوریتم EEACTS به خوبی کارهای پیشین می‌باشد، افزون بر این، EEACTS میزان نگه‌داری انرژی بالاتری از خود نشان می‌دهد.

توصیف داده‌ها به کمک بردارهای پشتیبان (SVDD) روشی است مبتنی بر حقه هسته (kernel) که به جهت کسب نتایج مناسب در زمینه‌هایی از قبیل تشخیص داده‌های نویزی و پرت، دسته‌بندی تک کلاسه، طبقه‌بندی داده‌های نامتوازن در سال‌های اخیر مورد توجه قرار گرفته است. صحت و دقت طبقه‌بندهای مبتنی بر بردارهای پیشتیبان از تأثیر مخرب داده‌های نویزی و پرت رنج می‌برند. یکی از کارآمدترین روش‌های مقاوم‌سازی طبقه‌بندها حساس‌سازی آن‌ها به داده‌های ارزش‌مند‌تر است. از آنجایی که مجموعه فازی سخت (Rough fuzzy set) از پتانسیل مناسب جهت تشخیص داده‌های مرزی برخوردار می‌باشد. توصیف داده‌ها به کمک بردارهای پشتیبان مبتنی بر این مجموعه فازی به صحت و دقت بیشتری در طبقه‌بندی داده‌ها دست پیدا می‌کند. در آزمایشات از روش اعتبار سنجی ضرب‌دری k-folded cross validation استفاده شده‌است. نتایج آزمایشات نشان‌دهنده برتری روش پیشنهادی است.

ابر به طور کلی اشاره دارد به ذخیره داده های کاربران در یک سیستم ذخیره سازی خارجی که توسط یک شخص ثالث نگهداری می شوند. بدین ترتیب کلاینت آن را در یک پایگاه داده از راه دور ذخیره می کند. در حال حاضر، ارائه دهنده گان ذخیره سازی ابری به جای ذخیره اطلاعات بر روی دیسک های سخت یا دستگاه های ذخیره سازی ماشین های کاربران، در استفاده از یک سیستم ذخیره سازی خارج، مکانیزم های بسیاری را برای کنترل دسترسی ایجاد کرده اند. از جمله ایجاد مجوز سطح دسترسی برای هر کدام یک از فایل ها، تا از امنیت داده ها اطمینان پیدا شود. در این مقاله، کار ما متفاوت از تحقیقات قبلی در این زمینه است به طوریکه در این مدل، ما دو پروتکل برای ذخیره و بازیابی داده طراحی کرده ایم که مبتنی بر ماژول پلت فرم معتمد (TPM) می باشد که از یک گره موسوم به شخص ثالث معتمد (TTP) استفاده شده است. وظیفه این گره، تصدیق و احراز هویت کاربران می باشد و در ایمن کردن پروتکل های مربوط نقش بسزایی دارد. نوآوری ما در این مدل استفاده از TTP برای گواهی کاربران با گواهینامه X.509 ، استفاده از یک ارتباط امن به نام SSL ، استفاده از دایرکتوری LDAP و سایر فن آوری ها است. علاوه بر این ما استفاده از TPM نسخه 2 را به طور ساده معرفی کرده ایم.

با رشد روزافزون مستندات متنی در وب، انتخاب اطلاعات مطلوب در زمان محدود کار مشکلي است. با استفاده از ابزارهایی نظیر خلاصه‌سازها، می‌توان این حجم انبوه اطلاعات را با توليد خلاصه پیش‌نویس‌ مدیریت نمود. تا‌کنون رویکردهای متنوعی برای زبان‌های مختلف ارائه شده‌اند که قدمت برخی به شصت سال نیز میرسد. در این مقاله، روشی نوین برای خلاصه‌سازی متون خبری فارسی با دقتی بالاتر از سیستم‌های موجود معرفی شده است. اين خلاصه‌ساز با بهره‌گیری از دانش موجود در فارس‌نت، جملات را بر اساس میزان شباهت و ارتباط آنها به یکدیگر، خوشه‌بندی می‌نماید. سپس با استفاده از خوشه‌های حاصل، خلاصه نهایی به گونه‌ای تولید می‌گردد که جملات آن دارای کمترین میزان افزونگی و بیشترین ارتباط است. همچنین در صورت نیاز، با بهره‌گیری از خوشه‌های هم‌وقوع، ابهامات موجود در متن خلاصه نیز رفع می‌گردند.

سیستم‌های پرسش‌و‌پاسخ، زیرشاخه‌ای از علوم پردازش زبان طبیعی و بازیابی اطلاعات محسوب می‌شوند که در چند دهه‌ اخیر مورد علاقه زیاد محققین قرار‌گرفته‌اند و پیشرفت‌های قابل‌توجه‌ای در این زمینه، بخصوص در زبان انگلیسی انجام شده‌است. با توجه به رشد فزاینده‌ علاقه‌مندی به این زمینه‌ پژوهشی، نیاز به در اختیار داشتن منابع داده‌ای مناسب برای آن، به خوبی احساس می‌شود. در این مقاله، مراحل کامل توسعه‌ یک پیکره پرسش و پاسخ با نام رسائل و مسائل در زبان فارسی شرح داده خواهد شد. می‌توان اظهار کرد که این پیکره در نوع خود، اولین پیکره مربوط به پرسش و پاسخ با چنین ویژگی‌هایی برای زبان فارسی است. این پیکره شامل 2,118 سوال غیرحقیقت و 2,051 سوال حقیقت است که می‌تواند برای یادگیری کلیه مولفه‌های سیستم‌های پرسش و پاسخ شامل دسته‌بندی سوال، بازیابی اطلاعات و استخراج پاسخ، به صورت رایگان مورد استفاده عموم قرار گیرد.

طراحي فيزيکي يکي از دو مرحله اصلي طراحي مدارهاي کوانتومي است که لیست‌گره مدار را به عنوان ورودي دريافت کرده و چينش نهايي در يک تکنولوژي خاص را توليد مي‌کند. به دليل مشخصات مناسب تله يوني، در اين مقاله اين تکنولوژي به عنوان تکنولوژي هدف انتخاب شده است. روش‌هايي که تاکنون براي ايجاد چينش در تکنولوژي تله يوني ارائه شده‌اند محدود به قرار گرفتن حداکثر سه کيوبيت در يک مکان گيت مي‌شوند در صورتي‌که می‌توان با افزايش تعداد کيوبيت‌ها واقع در يک مکان گيت که توسط تکنولوژي فراهم شده است تعداد مکان‌هایی که باید لیزر به آن قسمت‌ها تابیده شود و تعداد مکان‌هایی که باید کیوبیت‌ها به آن نقاط انتقال یابند و مساحت را کاهش داد. با افراز کیوبیت‌ها به دسته‌های مختلف، گیت‌های دوکیوبیتی قابلیت اجرای همزمان پیدا می‌کنند که سبب کاهش تأخیر مدار می‌شود. با این انگیزه، در اين پژوهش هدف آن است تا قرار گرفتن بيش از سه کيوبيت در يک مکان گيت، مورد بررسي قرار گرفته و تاثير افزايش تعداد کيوبيت‌ها در مکان گيت بر روي تاخير و مساحت بررسی شوند. در اين مقاله روشي براي توليد چينش ارائه شده است که امکان قرارگيري بيش از سه کيوبيت در يک مکان را درنظر می‌گیرد. جهت ارزیابی، روش پیشنهادی بر روی تعدادی از مدارها با تعداد گیت‌های زیاد اجرا شد. نتايج تجربي نشان مي‌دهد که روش ‌پیشنهادی نسبت به بهترین روش موجود تأخیر میانگین را برای مدارهای آزمون حدود 39% بهبود داده است.

صفات مرتبط با چهره یکی از رایج‌ترین روش‌هایی است که انسان در زندگی روزمره با استفاده از آن سن اشخاص را تخمین می‌زند. تخمین انسان از سن چهره به دقت دیگر اطلاعات چهره مثل هویت و یا جنسیت نیست. در سال‌های اخیر این موضوع به یکی از مسایل جذاب و چالش برانگیز در حوزه علوم کامپیوتر تبدیل گردیده است، به صورتی که الگوریتم‌های مختلفی در زمینه تخمین سن ارائه شده است، الگوریتم‌هایی که اکثراً مبتنی بر استفاده از روش‌های یادگیری ماشین هستند. در بین الگوریتم‌های ارائه شده، بهترین نتایج تخمین سن را دو الگوریتم یادگیری CPNN و IIS-LLD. در مقاله ارائه شده دو نوع مختلف از ویژگی‌های چهره مورد استفاده قرار گرفته‌اند، ویژگی‌های محلی و ویژگی‌های سراسری. داشته‌اند با توجه به برچسب تصویر چهره هر شخص(سن) در پایگاه‌داده، یک توزیع آماری برای سن هر تصویر چهره ایجاد می‌شود، که این توزیع برای یادگیری سن اصلی و سنین مجاور نیز به کار می‌رود. تعبیر سنین مجاور را می‌توان معادل با استفاده از کلماتی مانند"حدود"برای تخمین سن افراد در زندگی واقعی دانست. با بهره‌گیری از یک شبکه عصبی چند لایه و الگوریتمCPNN ، الگوریتم ارائه شده توانست دقت تخمین سن اشخاص از روی تصویر چهره را نسبت به روش‌هایی که اخیراً ارائه شده، با تعداد نرون‌های کمتر در لایه‌ی پنهان و تسریع فرآیند یادگیری افزایش دهد.

امروزه استفاده از شبکه‌های‌حسگر‌‌بی‌سیم رشد و محبوبیت گسترده‌ای یافته ‌است که به دلیل کم‌هزینه بودن بالقوه این شبکه‌ها برای انواع چالش‌های دنیای واقعی می‌باشد. این شبکه‌ها معمولاً براي انجام وظايف امنيتي حياتي مانند نفوذ و يا تشخيص نفوذ استفاده مي‌شوند بنابراین حفاظت از آن‌ها ضروری است. از طرفی این شبکه‌ها در مقایسه با شبکه‌های سنتی محدودیت‌های زیادی دارند که پیاده‌سازی مکانیسم‌های امنیتی بر روی آن‌ها را دشوارکرده ‌است. در این تحقیق چند طرح پیشنهادی جدید برای امن‌کردن شبکه‌های‌حسگر‌‌بی‌سیم بررسی شده و سعی شده‌است با استفاده از مزایای هر طرح یک روش جدید برای توافق‌کلید ارائه گردد تا سبب بهبود هزینه و کارایی شود. مقایسه‌های انجام شده نشان می‌دهد که طرح پیشنهادی جدید نسبت به طرح‌های بررسی شده انعطاف‌پذیری بیش‌تری داشته، امنیت را در سطح مطلوبی حفظ کرده و هزینه رمزنگاری را نیز به‌طور قابل‌توجهی کاهش می‌دهد.

شبکه‌هاي نظيربه‌نظير، شبكه‌ای روگستر بر روي شبكه‌هاي زیرین ايجاد مي‌كنند. اين شبكه ها به دو دستۀ ساخت‌يافته و غیرساخت‌یافته تقسيم مي‌شوند. در شبکه‌های نظیربه‌نظیر غیرساخت‌یافته، نظیرها همسایگان خود را به صورتی تصادفی و بدون داشتن دانشی دربارۀ توپولوژی شبکۀزیرین انتخاب می‌نمایند که موجب عدم تطابق توپولوژی شبکۀروگستر و زیرین می‌گردد. عدم تطبيق توپولوژي شبكۀروگستر و شبكۀ زیرین موجب افزايش تاخير و تحمیل ترافیک مضاعف در شبکه می‌شود، لذا طراحی الگوريتم مناسب جهت تطبیق توپولوژی می‌تواند بر کارایی شبکه تأثیر قابل توجهی داشته‌باشد. در این مقاله، الگوریتمی خود تطبيق و آگاه از تأخیر براي حل مسئله تطبيق توپولوژي با ترکیب اتوماتای‌یادگیر و الگوريتم X-BOT ارایه شده‌است. در الگوریتم پیشنهادی، به جای انتخاب تصادفی از بین نظیرها، می‌توان بر اساس معیارتأخیر و با استفاده از اتوماتای‌یادگیر، ارتباطات همسایگی مناسب‌تری را با توجه به شبکۀ زیرین بین نظیرها برقرار نمود. اطلاعات مربوط به تأخیرها در جداول محلی هر نظیر نگهداری می‌شوند و در سیکل‌های زمانی بر اساس اطلاعات مزبور و با کمک اتوماتا در مورد انتخاب لینک‌‎های مناسب تصمیم‌گیری انجام می‌شود. شبیه‌سازی‌ها حاکی از آنست که روش پیشنهادی کارایی را از طریق کاهش تأخیر انتها به انتها و ترافیک بهبود می‌بخشد.

رنگ توجه بسیار زیادی را در زمینه بینایی کامپیوتر به خود جلب کرده است. رنگ‌های موجود در تصویر با استفاده از خواص اشیا، سطوح و همچنین رنگ منبع نور تعیین می‌شوند. هدف روش‌های اصالت رنگ، ارزیابی رنگ‌های موجود در تصویر با وجود تفاوت در رنگ منبع نور می‌باشد. در این مقاله الگوریتمی پیشنهاد شده‌است که تلاش می‎کند تا الگوریتم Gray- World، که یک الگوریتم اصالت رنگ مبتنی بر ویژگی‎های سطح پایین است را با استفاده از اتوماتای یادگیر سلولی بهبود بخشد. آزمایشات بر روی مجموعه تصاویر Color Checker انجام شده است. نتایج نشان می‌دهد که الگوریتم پیشنهادی دقت روش Gray- World را در حدود 14 درصد بهبود بخشیده ‎‌است.

تشخیص دستگاه قطعات موسیقی سنتی ایرانی همواره برای علاقه مندان موسیقی دستگاهی و ردیف شده ی ایرانی موضوعی بسیار پیچیده و جالب بوده که به دلیل کاربردهای فراوان آن در زمینه هایی مانند آموزش و آهنگ سازی از اهمیت بسیار بالایی برخوردار است. این کار به واسطه صرف شنیدن یک قطعه موسیقی کار بسیار دشواری است و فقط اساتید متبحر موسیقی و یا کسانی که سالها به این سبک موسیقی گوش داده و ساختار تمامی دستگاهها را شناخته اند می توانند از عهده این کار برآیند. همچنین برای دستیابی به این هدف فقط مطالعه ساختار و تئوری موسیقی کافی نیست. در این مقاله روشی خودکار و کارآمد ارائه شده است که در آن بر پایه استخراج نت های نواخته شده و فواصل فرکانسی آنها در قطعات تکنوازی می توان دستگاه و گام یک قطعه موسیقی را مشخص کرد. در این پژوهش، از دستگاه ها و گام های موسیقی متفاوت و سازهای تار و سنتور استفاده شده است و به هیج سبک نوازندگی خاص محدود نشده است. که در پایان با دقت 93 % دستگاه و گام قطعات تکنوازی نواخته شده استخراج گشته است.

با توجه به ساختار رقابت کامل حاکم در صنعت طیور ایران، به‌کارگیری سیستم‌های تصمیم‌یار برای پشتیبانی تصمیم‌گیرنده در تصمیمات حیاتی از اهمیت فوق‌العاده‌ای برخوردار است. در این تحقیق، یک سیستم تصمیم‌یار طراحی شده که قادر است شرکت‌های زنجیره‌ای یکپارچه تولید گوشت مرغ را جهت اتخاذ تصمیم درست مبنی بر فروش جوجه‌های یک‌روزه یا پرورش آنها و فروش بصورت مرغ پشتیبانی نماید. برای طراحی این سیستم لازم است که شود حاصل از اتخاذ هر یک از گزینه‌ها محاسبه شود. برای این منظور قیمت‌های تمام‌شده هر گزینه با توجه به هزینه‌های خوراک، واکسن، دارو، خدمات فنی، استهلاک و غیره مدل‌سازی و محاسبه می‌شود. برای محاسبه قیمت‌های بازار نیز از رویکرد سری زمانی همراه با بکارگیری شبکه عصبی استفاده می‌شود. این سیستم قابلیت این را دارد که سود حاصل را برای زمان‌های مختلف محاسبه کند و تحلیل‌هایی در حوزه سناریو‌های "چه می‌شود اگر" و جستجوی هدف و نیز تحلیل حسایست روی پارامترهای اصلی مساله ارائه دهد تا کاربر را در انتخاب استراتژی و گزینه صحیح یاری رساند.

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.

شناسایی وقایع ناخواسته‌ی دارویی همواره از اهمیت زیادی در مسائل بهداشت عمومی برخوردار بوده است. چراکه بی‌توجهی به این موضوع می‌تواند صدمات جبران‌ناپذیری را در بر داشته باشد. وقایع ناخواسته‌ی دارویی در دو مرحله شناسایی می‌شوند. مرحله‌ی اول، قبل از ورود دارو به بازار و مرحله‌ی دوم پس از ورود دارو به بازار و با بازخوردی که از مصرف داروها گرفته می‌شود. در هر دو مرحله، روش‌های داده‌کاوی نقش مهمی را در کشف وقایع ناخواسته‌ی دارویی به عهده دارند که هر کدام از روش‌های پیشنهادی مزایا و معایب خاص خود را دارند. یکی از پرکاربردترین روش‌ها جهت شناسایی سیگنال‌های ایمنی در مرحله‌ی دوم، استفاده از روش استخراج قواعد انجمنی می‌باشد. در این مقاله سعی بر این است که با ارائه‌ی روشی جدید بتوان به شناسایی وقایع ناخواسته‌ی دارویی پرداخت و بنا بر مطالعات و مشورت‌هایی که با متخصصان این حوزه انجام شد، روش نزدیکترین همسایه برای پیش‌بینی عوارض پیشنهاد گردید. در این روش پیشنهادی، با تعریف معیار فاصله‌ی همسایگی و همچنین وزن‌دار کردن همسایه‌ها و استفاده از احتمال رویداد عوارض به جای تعداد تکرار عوارض، نتایج بسیار مثبتی به دست آمد. در نهایت این نتیجه حاصل گردید که روش پیشنهادی ارائه شده در این مقاله، در مقایسه با روش استخراج قواعد انجمنی از خطای بسیار کمتری برخوردار است. از آن‌جایی که روش استخراج قواعد انجمنی یکی از پرکاربردترین روش‌ها برای شناسایی سیگنال‌های ایمنی می‌باشد، امید است با نتایج مطالعات این مقاله تغییری مثبت در جهت شناسایی وقایع ناخواسته‌ی دارویی فراهم آید.

يك شبكه حسگر بي‌سيم عبارتست از تعداد زيادي حسگر‌های كوچك با توان پايين در ارسال و دريافت كه می‌تواند ابزاري مؤثر براي گردآوري داده در محيط‌هاي گوناگون باشد. یکی از مشکلات اساسی در این شبکه‌ها، کوتاه بودن طول عمر گره‌‌ها به علت محدودیت انرژی منبع تغذیه آن‌ها است. ارائه الگوهای ساختاری مناسب و الگوریتم‌های مطلع از توان با هدف افزایش طول عمر شبکه حسگر از جمله مباحث مهم تحقیقاتی است. در این مقاله نیز به منظور کاهش میزان مصرف انرژی و افزایش طول عمر شبکه، سیستمی بر پایه منطق فازی مطرح شده است، این سیستم درجه کیفیتی برای هر مسیر با اعمال دو پارامتر ورودی، تعداد پرش های صورت گرفته و میزان انرژی نودهای تشکیل دهنده آن، نمایش می‌دهد. هم‌چنین با پیشنهاد دو روش، وزن‌دار نمودن قوانین فازی توسط فرد خبره و استفاده از الگوریتم کلونی مورچگان به منظور انتخاب قوانین فازی بهینه، عملکرد سیستم فازی را بهبود بخشیده‌ایم. نتایج شبیه‌سازی‌ها و مقایسات انجام شده با نرم‌افزار OPNET و MATLAB نشان می‌دهد که سیستم فازی بهبود یافته توسط الگوریتم کلونی مورچگان عملکرد بهتری داشته است و توانسته است 28 درصد طول عمر شبکه را در مقایسه با سیستم فازی پیشنهادی وزن‌دار شده بهبود ببخشد.

خوشه‌بندی توسط واگرایی برگمن اخیرا مطرح شده است. واگرایی برگمن دامنه‌ی گسترده‌ای از فاصله‌ها از جمله فاصله اقلیدسی، واگرایی KL، فاصله ماهالانوبیس و ... را در بر می‌گیرد. از این رو برای خوشه‌بندی با انواع فواصل بسیار مناسب می‌باشد. واگرایی برگمن به جهت محورهای مختصات وابسته است که این نقص توسط واگرایی برگمن کامل برطرف گردیده است. در این پژوهش، کیفیت عملکرد الگوریتم‌های خوشه‌بندی سخت و نرم برای خوشه‌بندی با واگرایی برگمن و برگمن کامل بررسی شده است. یکی از خصوصیات مهم واگرایی برگمن این است که یک رابطه نزدیک و یک به یک میان اعضای واگرایی برگمن با اعضای خانواده توزیع‌های نمایی وجود دارد که می‌توان از توزیع‌های نمایی به عنوان معیار فاصله برگمن در خوشه‌بندی استفاده کرد. این خصوصیت برای اعضای واگرایی برگمن کامل نیز وجود دارد. در بسیاری از مسائل خوشه‌بندی، دانشی در مورد توزیع زیربنایی مولد داده‌ها موجود است. در این پژوهش همچنین بررسی می‌شود که در شرایطی که توزیع مولد داده‌ها معلوم است، خوشه‌بندی با همان توزیع به عنوان معیار فاصله برگمن، می‌تواند در کیفیت خوشه‌بندی تاثیر مثبت داشته باشد.

دو مورد از الگوریتمهای کاربردی در حوزه بهینه سازی، الگوریتمهای کلونی مورچگان و بهینه سازی مبتني بر تدريس- یادگیری می‌باشد. در الگوریتم کلونی مورچگان تبادل اطلاعات بدون وجود هیچ ساختارکنترلی متمرکزی، صرفا بر پایه یک ارتباط غیر مستقیم از طریق نشانه گذاری بنا شده است. این الگوریتم عملکرد مناسبی داشته اما از سرعت همگرایی پایینی برخوردار است. در مقابل الگوریتم مبتني بر تدريس- یادگیری از سرعت بالایی برخوردار بوده و علاوه بر وجود یک هدایت مرکزی در فاز معلم، از یک روش مستقیم نیز جهت تبادل اطلاعات در فاز شاگرد استفاده می‌کند. در این مقاله ایده ترکیب این دو الگوریتم، جهت بهره گیری همزمان از مزایای وجود یک هدایت مرکزی در کنار تبادل اطلاعات مستقیم و غیر مستقیم اعضاء مطرح و با ترکیب سری این دو روش یک الگوریتم جدید با نام اختصاری TLBO-ACOR جهت حل مسایل بهینه سازی در فضای پیوسته پیشنهاد شده است. جهت ارزیابی این الگوریتم از تعدادی از توابع استاندارد پایه و توابع محک CEC2005 استفاده شده است. نتایج بدست آمده از این ارزیابی، نشان دهنده کارایی قابل قبول الگوریتم TLBO-ACOR و همچنین افزایش چشمگیر سرعت در رسیدن به جواب بهینه سراسری توابع استاندارد پایه می‌باشد.

گرافولوژی، علم مطالعه و بررسی شخصیت و خصوصیات فردی بر اساس نوشتن است. آگاهی از این علم می‌تواند موارد استفاده زیادی در جامعه داشته باشد. در این مقاله، یک پایگاه داده دست نوشته‌های فارسی برای گرافولوژی معرفی می‌شود. داده‌های جمع آوری شده شامل 140 نمونه دستخط از دو گروه دانشجویان دانشگاه جامع علمی کاربردی و مددجویان زندان شهر سمنان می‌باشد. ضمن اخذ دستخط، افراد شرکت کننده در این تحقیق، پرسشنامه شخصیتی MMPI 71 سوالی راتکمیل نمودند و 11 پارامتر روانشناختی استخراج شده از پرسشنامه مذکور در کنار دستخط هر فرد ارایه شده است. داده های این پایگاه داده در تحقیقات گرافولوژی دست نوشته‌های فارسی قابل استفاده می‌باشد.

همواره تشخیص صحیح بیماری یکی از مشکلات بشر بوده است. امروزه با پیشرفت در حوزه‌ی علوم کامپیوتر، می‌توان از راهکارهای رایانه‌ای برای حل این مشکل استفاده کرد. یکی از این راهکارها، استفاده از یادگیری ماشین و داده‌کاوی می‌باشد. در این حوزه، تا کنون کارهای زیادی صورت گرفته، ولی بیشتر تلاش‌ها، با فرض قطعی بودن داده، انجام شده‌اند و این در حالی است که در حوزه‌ی پزشکی، احتمال بوجود آمدن داده‌ی غیر قطعی، وجود دارد. عدم قطعیت داده‌ها، ناشی از محدودیت ابزارهای جمع آوری اطلاعات و همچنین حفظ حریم خصوصی شخص می‌باشد. برای رسیدن به این هدف، تکنیک‌های بسیاری وجود دارد، ولی از آنجا که پزشکان، تمایل بسیاری برای دانستن نحوه‌ی نتیجه گیری دارند، به تکنیک‌های مبتنی بر قاعده، که درک و فهمشان برای افراد بسیار ساده است، علاقه‌ی بیشتری دارند. از این رو، ما با توجه به عدم قطعیت داده‌ها و با توجه به مزایای الگوریتم‌های مبتنی بر قاعده، روشی جدید برای تشخیص بیماری ارائه دادیم. روش ارائه شده‌ی ما، با استفاده از الگوریتم ژنتیک، قواعد دسته بندی فازی، برای تشخیص بیماری، از داده استخراج می‌کند. نتایج بدست آمده از روش پیشنهادی، نشان می‌دهد که این روش، از روش‌های مبتنی بر قاعده‌ی دیگری که تا کنون ارائه شده‌اند، دقیق‌تر است.