انجمن کامپیوتر ایران

امروزه تشخیص فعالیت¬های انسانی یکی از مهمترین و جالبترین موضوعات پژوهشی در حوزه بینایی ماشین است. جهت کاهش پیچیدگی و نیز آنالیز آسانتر، هر فعالیت را می¬توان به زیر¬فعالیتهای کوچکتر تقسیم نمود. به عبارت دیگر یک فعالیت از چند قسمت پایه تشکیل شده که اسکلت آنرا می¬سازد. با استخراج این پایه¬ها می¬توان مدل چکیده و کاملی از هر فعالیت ساخت. جهت انجام این پژوهش، ابتدا با استفاده از روشهای آماری استخراج¬گر و توصیف¬کننده به استخراج نقاط جذاب در حوزه مکان-زمان پرداخته و خوشه بندی شده¬اند. در مرحله بعد به استخراج پایه¬های اصلی یک فعالیت در زیرفضای تراژکتوری این نقاط با استفاده از روش فاکتورگیری غیرصفر ماتریس¬ها پرداخته شده است. این مرحله ایده اصلی این تحقیق محسوب و برای اولین بار در این کار ارایه شده¬است. در روشهای متداول به دسته¬بندی هیستوگرام نقاط جذاب بدون در نظر گرفتن ترتیب زمانی آنها پرداخته شده¬است. اما در این پژوهش با استفاده از مدلهای ترتیبی سری زمانی نظیر روش مدل مخفی مارکوف به دسته-بندی توالی پایه های استخراج شده می¬پردازیم. مدل مذکور بر روی مجموعه داده¬های KTH امتحان شده و در مقایسه با روشهای مشابه نتایج بهتر به همراه ویژگیهای مفیدتری نظیر تفسیرپذیری بالا، سرعت بالای دسته¬بندی را داراست.

امروزه ارزیابی امنیت نرم¬افزار به عنوان یکی از صفات کیفی مهم نرم¬افزار دارای اهمیت زیادی است. تعداد زیادی سیستم نرم-افزاری وجود دارند که امنیت در آنها در نظر گرفته نشده است که آنها را مستعد بروز خطرات امنیتی می¬کند. معماری نرم¬افزار یکی از طراحی¬های مهم نرم¬افزار است که روی کیفیت نهایی نرم¬افزار تاثیر می¬گذارد. تحقیقات زیادی روی صفات کیفی مانند کارایی و قابلیت اطمینان در سطح معماری نرم¬افزار بررسی شده است ولی از تاثیر معماری نرم¬افزار بر امنیت گزارشی ارائه نشده است. هدف از این مقاله، ارائه یک روش تحلیلی مبتنی بر ریاضیات است که امنیت نرم¬افزار را در سطح معماری نرم¬افزار ارزیابی کند. برای این منظور، در ابتدا با استفاده از روش مهندسی نرم¬افزار مبتنی بر تجربه، با در نظر گرفتن داده¬های حفره¬های امنیتی کشف شده روی مرورگر وب موزیلا فایرفاکس، ارتباط بین انواع اتصال و حفره¬های امنیتی را نشان خواهیم داد. بعد از نشان دادن وجود چنین رابطه¬ای، یک رابطه ریاضی با استفاده از مفاهیم آماری رگرسیون بین انواع اتصال و میزان آسیب¬پذیری در سطح یک مولفه ارائه داده و سپس با استفاده از امید ریاضی (انتظار) رابطه¬ای ریاضی برای مشخص کردن میزان آسیب¬پذیری یک سیستم نرم¬افزاری ارائه خواهیم داد. در نهایت، با استفاده از ابزار استخراج معماری Bunch، معماری نرم¬افزار را استخراج و بازیابی کرده و معماری بازیابی شده را به زنجیره¬های مارکوف تبدیل نموده و از روی این زنجیره¬ها و رابطه ریاضی ارائه شده مبادرت به پیش-بینی و ارزیابی امنیت یک سیستم نرم¬افزاری خواهیم نمود.

زمانبندی نقش کلیدی در عملکرد شبکه¬های تورین محاسباتی(گرید) ایفا می¬کند. زمانبندی کارها بروی منابع ناهمگن یک مسئله NP-completeاست و برای به دست آوردن راه حل بهینه می¬توان از الگویتم¬های اکتشافی و فرااکتشافی برای زمانبندی استفاده کرد. در این مقاله،یک روش اکتشافی جدید برایزمانبندی کارهای مستقل بروی منابع ناهمگن،در شبکه¬های تورین محاسباتی(گرید) ارائه شده است. در پیاده سازیالگوریتم سه فاکتور زمان اتمام آخرین کار، مجموع زمان اتمام و درصد بهره‏وری منابع در نظر گرفته شده است نتایج بر اساس محک براون نشان می¬دهد که الگوریتم ارائه شده نسبت به الگوریتم¬های اکتشافی پیشین بطور متوسط در زمان اتمام آخرین کار 22% بهبود، در مجموع زمان اتمام کلیه کارها 25% بهبود و همچنین در درصد بهره¬وری منابع 4% بهبود پیدا کرده است.

امروزه موتورهاي جستجو يكي از ابزارهاي قدرتمند دستيابي كاربران به اطلاعات تحت وب مي¬باشند. كيفيت نتايج و ميزان رضايت كاربران از نتايج ارائه شده توسط موتور جستجو از مهمترين معيارهاي سنجش عملكرد اين سامانه¬ها محسوب مي¬گردد. اين مقاله با هدف نشان دادن ميزان پاسخگوئي موتورهاي جستجوي به نياز كاربران فارسي زبان ارائه گرديده است. در اين خصوص به ارزيابي كيفيت نتايج و ميزان رضايت كاربران از يك موتور جستجوي فارسي در كنار موتورهاي جستجوي محبوبي مانند گوگل و بينگ پرداخته شده است. نتایج به دست آمده نشان میدهد که موتور جستجوی گوگل در معيارهاي سنجش كيفي نسبت به ساير موتورهای جستجوي مورد مقايسه عملکرد بهتری دارد و موتور جستجوی بینگ و موتور جستجوی بومی در رتبه¬هاي دوم و سوم قرار میگیرند. همچنين نتايج اين مقاله نشاندهنده عملکرد قابل قبول و نزديك موتور جستجوی بومی پارسی جو با موتور جستجوي بينگ مي¬باشد.

Electrocardiogram (ECG) signals are widely used in healthcare systems for monitoring vital status of patients. Anomalous patterns in ECG of a patient might trigger an alarm for an emergency case; therefore anomaly detec-tion is a basic problem in health monitoring systems. In this paper, we propose a hidden Markov model (HMM) based novel anomaly detection framework, which uses SAX1-represented ECGs. According to basic investigations, typical HMM and SAX are not good candidates for anomaly detection, because of low resolu-tion of SAX. However, we contribute a threshold-based hidden Markov model which compensates for the SAX low-resolution problem. Furthermore, our pro-posed threshold reduces the dependency of the model to the distribution of hidden state by taking into account the likelihood probability of anomalous patterns. Re-sults of experiments demonstrate that the threshold based HMM labels samples with the accuracy of 96% and 99% in two datasets

یکی از حوزه‌های مهم در داده کاوی و یادگیری ماشین، حوزه شناسایی داده پرت می‌باشد. روش‌های بسیاری برای شناسایی داده پرت ارائه شده که همه آن‌ها از فرض یکسان بودن توزیع احتمال داده‌های تست نسبت به داده‌های آموزش پیروی می‌کنند. اما در بسیاری از برنامه¬های کاربردی واقعی نظیر شناسایی اسپم یا تقلب، تفاوت توزیع داده‌های آموزش و تست یک امر رایج است. این حالت به شرایط تغییرتوزیع مجموعه داده معروف است. مطالعات ما نشان می‌دهد که هیچ یک از روش‌های موجود برای شناسایی داده پرت در شرایط تغییر توزیع مجموعه داده عملکرد مناسبی ندارند. مقاله حاضر یک روش نیمه نظارتی سه مرحله‌ای برای شناسایی داده پرت تحت شرایط تغییر مجموعه داده ارائه می‌نماید. در مرحله نخست با بکارگیری تکنیک تخمین نسبت چگالی که یک روش وزن دهی بر اساس اهمیت است، وزن نمونه-های آموزش تعیین می‌شود. سپس با استفاده از یک روال نیمه نظارتی ابتکاری نمونه‌هایی از مجموعه آموزش که نماینگر توزیع واقعی داده‌های تست هستند، انتخاب می گردند. در مرحله آخر با استفاده از روش اصلاح شده شناسایی داده پرت بر مبنای داده¬های متعارف، داده‌های پرت موجود شناسایی می‌شوند. نتایج آزمایشات نشان می‌دهند که از نظر تطبیق با شرایط تغییرتوزیع مجموعه داده روش پیشنهادی عملکرد بهتری نسبت به روش‌های موجود دارد

بیماری پارکینسون از جمله بیماری‌های عصبی و عضلانی است که با گذشت زمان نشانه‌های مختلفی در رفتار حرکتی افراد مبتلا ظاهر می‌شود. این نشانه‌ها و الگوهای خاص حرکتی بیشتر در نحوه راه رفتن افراد بروز می‌کند. شناسایی خودکار الگوهای مختص به بیماری پارکینسون نقش بسزایی در تشخیص افراد بیمار پارکینسونی ایفا می‌نماید. این مطالعه، کاربرد پردازش تصاویر ویدیویی را در تشخیص خودکار بیماری پارکینسون نشان می‌دهد. روش پیشنهادی مبتنی‌بر استخراج الگوهای حرکتی توأم با ویژگی‌های فرکانسی حرکت و کاهش بعد در جهت تشخیص خودکار بیماری می‌باشد. الگوهای حرکتی با محاسبه زاویه بین دوپا در هر فریم از تصاویر ویدیویی محاسبه شده‌است. سپس، سیگنال حرکتی بر حسب زمان با کنار هم قراردادن الگوی هر فریم بدست آمده‌است. مولفه‌های فرکانسی سیگنال به عنوان ویژگی استخراج شده و افزایش سرعت و دقت سامانه‌ی تشخیص بیماری پارکینسون با استفاده‌از روش‌های کاهش‌بعد محقق شده‌است. کارایی روش پیشنهادی روی داده‌های جمع‌آوری شده در بیمارستان حضرت رسول اکرم (ص) بررسی گردید. نتایج حاصل بیانگر تفکیک گروه افراد سالم از بیماران پارکینسونی مبتنی‌بر دو طبقه‌بند ماشین‌ بردار پشتیبان و 5 همسایه نزدیکتر با دقت 93% می‌باشد.

در این مقاله روشی برای شناسایی چهره با استفاده از یک رویکرد کاهش بعد بدون اتلاف ارائه شده است. در این روش به جای نگاشت داده بر یک زیرفضا یا منیفولد کم بعد که موجب از دست رفتن اطلاعات می‌شود، فاصله داده از آن زیرفضا یا منیفولد به عنوان جریمه نگاشت در یادگیری یک مدل پیشگو مورد استفاده قرار می‌گیرد. بدین ترتیب از مزایای کاهش بعد در مدل پیشگو استفاده می‌شود، و در عین حال جلوی از دست رفتن اطلاعات مفید گرفته می‌شود. در روش پیشنهادی ابتدا یک منیفولد زیربنایی محلی خطی با استفاده از مدل ترکیبی تحلیل مؤلفه اصلی احتمالاتی از نمونه داده‌ها به دست می‌آید. سپس دسته بند ماشین بردار پشتیبان به عنوان مدل پیشگوی مذکور با استفاده از این منیفولد محلی خطی آموزش داده می‌شود. برای آموزش و ارزیابی روش پیشنهادی، چند پایگاه داده شناخته شده برای چهره مورد استفاده قرار گرفته است. نتایج آزمایش بر روی این پایگاه داده‌ها نشان می‌دهد که روش پیشنهادی نسبت به بسیاری روش‌های معمول که کاهش بعد را انجام داده و سپس دسته بند را آموزش می‌دهند، و همچنین نسبت به روش جریمه نگاشت مبتنی بر مدل‌های کاهش بعد خطی و غیرخطی دقت بیشتری دارد.

مسئله تجزیه چندضلعی‌ها یک مسئله کلاسیک در هندسه محاسباتی است، که همواره از بحث‌های مورد علاقه پژوهش-گران بوده است. اجزای تولید شده از تجزیه چندضلعی به اجزای تقریبا محدب نسبت به اجزای تولید شده محدب، قابلیت محاسباتی بالاتری دارند و از نظر تعداد قابل مدیریت‌ترند. یک روش جدید برای تجزیه چندضلعی ساده به اجزای تقریبا محدب الگوریتم FACD است، در این الگوریتم کیفیت اجزای تولید شده بهبود یافته و تجزیه‌ای با میزان بصری بودن بالا تولید می‌شود. یکی از معایب این الگوریتم پیچیدگی زمانی نسبتا بالای آن می‌باشد. از آنجا که در مباحث گرافیک کامپیوتری زمان محاسبات یک فاکتور مهم به حساب می‌آید، ما در این پژوهش پیچیدگی زمانی الگوریتم FACD را محاسبه کرده و با انجام یک پیش‌پردازش پیچیدگی زمانی آن را کاهش داده‌ایم و الگوریتم بهبود یافته را با نام IFACD ارائه کرده‌ایم.

فرآیند معماری سازمانی شامل سه فاز کلی برنامه‌ریزی راهبردی، تدوین معماری سازمانی و اجرای معماری سازمانی می‌باشد، هر فاز به عنوان پیش‌نیازی برای فاز بعدی به شمار می‌رود. در این فرآیند، اگر برنامه معماری سازمانی به درستی انجام نشده باشد، اجرای معماری سازمانی با مشکل مواجه می‌شود و در نتیجه میزان زیادی هزینه و زمان به هدر خواهد رفت. برای اجتناب از تلف‌شدن سرمایه و زمان که به دلیل برنامه‌ریزی نامناسب معماری سازمانی رخ می‌دهد، ارائه روشی برای ارزیابی برنامه معماری سازمانی، قبل از شروع به اجرای معماری سازمانی، می‌تواند بسیار مفید باشد. روش‌های متنوعی برای ارزیابی معماری سازمانی پیشنهاد شده است ولی هیچ‌کدام از این روش‌ها توانایی توصیف و ارزیابی معماری سازمانی را در شرایطی که سازمان دارای فرآیندها یا داده‌های غیرقطعی باشد را ندارند. در این مقاله هدف ارائه روشی جدید جهت ارزیابی قابلیت اطمینان معماری سازمانی با وجود عدم قطعیت در فرآیندها و داده‌های معماری سازمانی است. برای حصول این هدف محصولات معماری سازمانی فازی به شبکه‌های پتری فازی تبدیل می‌شوند و با استفاده از شبکه‌های پتری فازی که مدلی قابل اجرا هستند، به ارزیابی قابلیت اطمینان پرداخته می‌شود. در پایان جهت شفاف‌تر شدن ایده مقاله سیستم رزرو هتل مورد مطالعه قرار گرفته است.

با توجه به مصرف انرژی قابل توجه مراکز داده و همچنین افزایش قیمت انرژی، کاهش هزینه‌ی مراکز داده به یک مسئله‌ی مهم تبدیل شده است. تنوع زمانی و مکانی قیمت انرژی، فرصت کاهش هزینه‌ی کلی مراکز داده را از طریق مهاجرت کارها به مکان‌هایی با قیمت انرژی کمتر، فراهم کرده است. با این حال، مهاجرت نادرست بار کاری به دلیل نادیده‌گرفتن هزینه‌ی خنک سازی، ممکن است افزایش قابل توجهی در هزینه‌ی کلی مراکز داده را به دنبال داشته باشد. در این کار ما یک روش مهاجرت بار کاری بین مراکز داده‌ ارائه می‌دهیم، که علاوه بر در نظر گرفتن هزینه‌ی محاسباتی، هزینه‌ی خنک‌سازی را نیز در تصمیمات مهاجرت خود در نظر می‌گیرد. دو ویژگی‌کار ما را از سایر کارهای مشابه متمایز می‌کند : اول; ما فرض می‌کنیم که هزینه‌ی خنک سازی با توجه به بهره‌وری مرکز داده، به صورت غیر خطی افزایش می‌یابد. دوم; هزینه‌ی خنک سازی را بدون در نظر گرفتن هیچ فرضی از چگونگی کار سیستم خنک کننده مرکز داده، مدل می‌کنیم. در مدل مهاجرت پیشنهادی، ما مشخص می‌کنیم که چه مقدار بار کاری باید از یک مرکز داده به دیگر مراکز داده مهاجرت کند و همچنین چه تعداد سرور باید در هر مراکز داده برای اجرای بار کاری روشن شود. در نهایت، با استفاده ازtrace های MapReduce، روش پیشنهادی را ارزیابی می‌کنیم و نشان می‌دهیم که روش پیشنهادی کاهش هزینه قابل توجهی،23.4%، را به دنبال دارد.

شبکه‌های حسگر بی سیم از تعداد زیادی گره‌ی حسگر تشکیل شده است که می‌توانند اطلاعات محیطی را جمع آوری کرده و بعد از پردازش اولیه، آنها را برای تجزیه و تحلیل دقیق به ایستگاه پایه ارسال کنند. یکی از مشکلات این شبکه‌ها، طول عمر آن است. روش‌های مختلفی برای حل آن ارائه شده است که مهم ترین آن خوشه بندی گره‌ها می‌باشد. در این مقاله روشی پیشنهاد شده است که بر پایه خوشه بندی مبتنی بر انرژی (EBC) است. در روش پیشنهاد شده تعداد سر خوشه‌ها بر مبنای گره‌های زنده و معیار انتخاب سر خوشه‌ها بر اساس انرژی باقیمانده‌ی گره‌ها می‌باشد. نتایج شبیه سازی نشان می‌دهد که روش EBC انرژی کمتری برای انتقال اطلاعات مصرف می‌کند و هم چنین طول عمر شبکه را افزایش می‌دهد.

در بحث مهندسی نرم‌افزار طراحی معماری‌های قابل توسعه و قابل اجرا بنحوی که امکان ارزیابی صفات عملیاتی و غیر عملیاتی سیستم در حال طراحی را فراهم سازند، اهمیت خاصی دارد. یکی از روش‌های ایجاد معماری‌های قابل اجرا استفاده از زبان‌های رسمی در توصیف معماری است. با این روش می‌توان سیستم را دقیق و بدون ابهام بیان کرد و امکان وارسی آن را قبل از پیاده‌سازی فراهم ساخت. در این مقاله معماری مبتنی بر مؤلفه با زبان رسمی سیستم تبدیل گراف توصیف و مدل‌سازی شده است. سپس این زبان به منظورتحلیل و ارزیابی صفت غیرعملیاتی کارایی به زبان مدل-سازی PEPA تبدیل شده است. در نهایت مدل‌سازی و نتایج حاصل از آن مانند توان‌عملیاتی وکارایی سیستم با استفاده از دو مورد مطالعه نشان داده شده است.

در رویکرد توسعه مبتنی بر مدل، UML به همراه OCL به عنوان یک استانداردی که به طور گسترده پذیرفته شده، در فرآیند تولید و توسعه نرم افزار بکار گرفته شده است. از آنجاییکه وارسی مدل تاثیر قابل ملاحظه ای روی کیفیت تولید نرم افزار نهایی دارد و وارسی مدل UML به همراه OCL یک مسئله تصمیم ناپذیر است در این مقاله روش جدیدی مبتنی بر الگوریتم کلونی زنبور عسل مصنوعی و درخت نحو مجرد OCL ارائه شده است که بطور خودکار مدل UML/OCL را وارسی میکند.

امروزه، حجم وسیع اطلاعات به گونه‌ای است که دسترسی به داده‌های مورد نیاز از میان این حجم وسیع خود به دغدغه‌ای برای مدیران تبدیل شده است. از سوی دیگر درهم تنیدگی فعالیت‌های کسب‌وکار به گونه‌ای است که تصمیم‌گیری در یک حوزه خود نیازمند استحصال داده‌هایی از حوزه‌های دیگر است. فناوری‌هایی که زنجیره‌ای از استخراج، تجمیع، الگو یابی، تحلیل و نمایش داده‌های مورد نیاز را پشتیبانی می‌کنند مفهومی بنام هوش تجاری را شکل می‌دهند. و در این زنجیره، آنچه با نام سیستم‌های پردازش تحلیلی برخط (OLAP) خوانده می‌شود، وظیفه تحلیل داده‌های در اختیار قرارگرفته از منابع داده‌ای مختلف را بر عهده دارد. با توجه به تعدد نرم‌افزارهای انحصاری و متن باز در حوزه سیستم‌های پردازش تحلیلی برخط و همچنین درهم تنیدگی این فناوری و مفهوم آن با فناوری‌های مجاور در زنجیره هوش تجاری، در اختیار داشتن یک معماری مفهومی به منظور ایجاد چارچوب اجزاء تشکیل‌دهنده سیستم‌های پردازش تحلیلی برخط و همچنین چگونگی استقرار آنها می‌تواند راهگشای فعالیت‌های استقرار هوش تجاری در سازمان‌ها و صنایع باشد. در این پژوهش با استفاده از بررسی تطبیقی معماری هوش تجاری در پنج نرم‌افزار معروف تجاری و همچنین مدل‌سازی زنجیره هوش تجاری با تمرکز بر سیستم‌های پردازش تحلیل برخط، سعی شده تا یک معماری مفهومی پیشنهادی جهت این سیستم‌ها ارائه گردد. این معماری مفهومی علاوه بر کاربرد جهت طراحی و پیاده‌سازی سیستم‌های بومی پردازش تحلیل برخط، جهت فهم بهتر کارکرد این سیستم‌ها و همچنین برای مقاصد آموزشی مفید خواهد بود.

امروزه موضوع مسیریابی سینک‌های متحرکی که دارای هیچ‌گونه مسیر از پیش تعریف شده‌ای نیستند با هدف رسیدن به عملکردی بهتر از سینک(های) ثابت مورد توجه زیادی واقع شده است. تغییرات غیرمنتظره‌ای که سینک(های) متحرک در توپولوژی شبکه ایجاد می‌کنند اگرچه از یک سو سربار زیادی را برای کشف مسیرهای جدید به وجود می‌آورد ولی از سویی دیگر به دلیل استفاده‌ی بهینه از انرژی گره‌ها، افزایش طول عمر شبکه را بدنبال دارد. هر یک از استراتژی‌های موجود، در جهت بهبود مجموعه‌ای از ویژگی‌های مربوط به شبکه‌های حس‌گر بی‌سیم تلاش کرده‌اند تا با حفظ ویژگی تحرک سینک معیارهای بیشتری را مد نظر قرار دهند. تمرکز اصلی این مقاله بر روی پروتکل‌های مسیریابی موجود با سینک متحرک به منظور بررسی ویژگی‌های ذاتی روش‌ها و نقاط قوت و ضعف آن‌ها است. نتایج ارزیابی نشان داد که هر چند هر یک از پروتکل‌های پیشنهادی با دیدگاه خاصی سعی در بهبود چالش‌های موجود در شبکه‌های حس‌گر بی‌سیم داشته‌اند، اما در اکثر مواقع بهبود یک یا چند ویژگی تأثیر نامطلوبی را بر روی دیگر ویژگی‌ها داشته است.

نقش سیستم‌های اطلاعاتی در زندگی امروزی به‌صورت روزافزون در حال گسترش است. اضافه نمودن معنا به اطلاعات این سیستم‌ها باعث بهبود کارایی آنها می‌شود. آنتولوژی (پایگاه شناخت) ابزاری مناسب برای تحقق چنین بهبودی است. دانش دامنه ممکن است دارای ماهیتی پویا باشد، بدین معنی که دانش مذکور باید با گذشت زمان و تغییرات دامنه تغییر نمایند. در چنین مواردی پایگاه شناخت باید با رخ دادن هر تغییر دوباره ساخته یا اصلاح شود. روند تولید یک پایگاه شناخت مسیری طولانی و زمان‌بر است، در نتیجه هزینه تولید مجدد و نگهداری پایگاه شناخت برای یک سیستم بسیار گران خواهد بود. برای کاهش این هزینه روش‌های تکامل پایگاه شناخت پیشنهاد می‌شود. در این روش‌ها نیازی به ساخت مجدد پایگاه شناخت در اثر بروز یک تغییر نیست. بلکه با اعمال تغییرات مورد نیاز بر روی نسخه فعلی، نسخه جدید تولید می‌گردد. یکی از مشکلات روش‌های تکامل پایگاه شناخت عدم وجود یک دسته‌بندی از انواع تغییرات ورودی است. در این مقاله دسته‌بندی جامعی از انواع تغییرات ممکن در روند تکامل ارائه می‌شود. وجود یک چنین دسته‌بندی کمک بسیاری به مهندسین تکامل پایگاه شناخت می‌کند تا درک بهتری از انواع تغییرات ورودی داشته و مدیریتی بهتر بر روند تکامل پایگاه شناخت داشته باشند.

هدف این مقاله حاشیه نویسی معنایی تصویر بوسیله استخراج ویژگی های مؤثر و پنهان موجود در تصاویر و با استفاده از ساختار سلسله مراتبی مفاهیم(آنتولوژی) می باشد. روش پیشنهادی از دو مرحله آموزش تشکیل شده است. در مرحله اول، در فاز اول به منظور استخراج مفاهیم ابتدا تصاویر با استفاده از تکنیک قطعه بندی به اشیاء مختلفی افراز می شوند. در فاز دوم ویژگی های سطح پایین مفاهیم موجود در هر قطعه استخراج می شود، در واقع در این مرحله به کشف ویژگی هایی که همبستگی زیادی با اشیا موجود در تصاویر داشتند، پرداخته می شود. در مرحله دوم به آموزش این ویژگی ها پرداخته می شود این آموزش با استفاده از ساختار سلسله مراتبی که برای تصاویر در نظر گرفته شده و با تکنیک طبقه بندی SVM صورت می گیرد. نتایج حاصل بر روی تصاویر موجود در پایگاه داده Imageclef که به صورت سلسله مراتبی طبقه بندی شده بودند، نشان می دهد که روش پیشنهادی برای حاشیه نویسی تصویر علاوه برکاهش پیچیدگی طبقه بندی توانست دقت طبقه بندی را حدود 5 درصد نسبت به روش های مشابه بالاتر ببرد.

شخصی‌سازی کاتالوگ الکترونیک عبارت است از هماهنگی محتوای کاتالوگ با نیازها و ترجیحات کاربر و نمایش مناسب‌ترین و هماهنگ‌ترین کاتالوگ برای هر کاربر. فرهنگ، شخصیت و احساس از جمله عواملی هستند که تاثیر زیادی روی نیازها و ترجیحات کاربر دارند؛ بر این اساس دسته‌ای از تحقیقات سعی کرده‌اند نقش این فاکتورها را در سیستم‌های شخصی‌سازی لحاظ کنند. اما عیب عمده این تحقیقات این است که نقش خصوصیات فرهنگی- شخصیتی- احساسی به طور مجزا مورد بررسی قرار گرفته است. این در حالی است که این سه عامل تاثیرات متقابل زیادی روی یکدیگر دارند و اگر به طور مجزا مدل‌سازی شوند، رفتار کاربر به طور کامل قابل مدل‌سازی نخواهد بود. از طرف دیگر روش‌هایی که تاکنون در این زمینه ارائه شده است، معمولاً نیاز به تکمیل تست‌های روان‌شناسی یا روش‌های پیچیده یادگیری ماشین دارند. در این تحقیق سیستم شخصی‌سازی پیشنهاد شده که خصوصیات فرهنگی- شخصیتی- احساسی را به طور همزمان لحاظ می‌کند. در این سیستم یک مدل یکپارچه و مجتمع از خصوصیات فرهنگی، شخصیتی و احساسی برای هر کاربر وجود دارد که بر اساس کشور محل تولد و دستاوردهای روان‌شناسی مقداردهی اولیه می‌شود. بنابراین نیاز به تست‌های روان‌شناسی و روش‌های پیچیده یادگیری ماشین ندارد. در این سیستم نحوه تاثیر فاکتورهای فرهنگی- شخصیتی – احساسی روی ترجیحات کاربر در قالب قوانین پایگاه دانش مدل‌سازی شده و بر اساس آن محتوای مورد ترجیح کاربر ایجاد می‌شود. مدل ارائه شده در این تحقیق با روش‌های عادی شخصی سازی مورد مقایسه قرار گرفته است. نتایج مقایسه نشان می‌دهد که دقت و کیفیت سیستم پیشنهادی بهبود قابل توجهی یافته است.