انجمن کامپیوتر ایران

بیت کوین مهمترین و ارزشمند ترین رمز ارز دیجیتال است و از عناصر مهم اقتصاد دیجیتال محسوب می‌شود. در این پژوهش با کمک فرامدل پذیرش و استفاده از فناوری Meta-UTAUT عوامل موثر بر پذیرش بیت کوین در ایران مورد سنجش قرار می‌گیرد. برای این کار پرسشنام‌های الکترونیکی توسط گوگل فرم برای سایت‌ها و گروه‌های موجود در فضای مجازی که در حوزه ارزهای دیجیتال فعالیت می‌نمودند، ارسال گردید تا در اختیار کاربران خود قرار دهند. ۴۲۰ پرسشنامه مورد تحلیل قرار گرفت. جامعه آماری شامل استفاده‌کنندگان ایرانی بیت کوین است. پژوهش شامل ۱۱ فرضیه می‌باشد که در نهایت ۸ فرضیه پذیرفته شد و در نهایت مشخص شد که سازگاری تاثیر مثبتی بر قصد رفتاری و نگرش، امنیت اطلاعات درک شده تاثیر مثبتی بر نگرش، فشار اجتماعی درک شده تاثیر مثبتی بر نگرش، نوآوری شخصی در فناوری اطلاعات تاثیر مثبتی بر قصد رفتاری، مقاومت در برابر تغییر تاثیر مثبتی بر قصد رفتاری، درک لذت تاثیر مثبتی بر نگرش و قصد رفتاری تاثیر مثبتی بر رفتار استفاده در پذیرش استفاده از بیت کوین در ایران دارد.

امروزه بررسی کد همکار در پروژه‌های متن‌باز و تجاری، به طور وسیعی استفاده می‌شود. این اصل با تشخیص زودهنگام عیوب کد و نقض استانداردهای کدنویسی در فازهای ابتدایی توسعه، به حفظ کیفیت کد کمک می‌کند. بر اساس مطالعات انجام شده، بخش قابل توجهی از نظرات غیر مفید هستند یعنی منجر به تغییر در کد نمی‌شوند و توسط توسعه‌دهنده نادیده گرفته می‌شوند. بنابراین وجود ابزاری که بتواند به صورت خودکار نظرات مفید را تشخیص دهد تا در زمان توسعه‌دهندگان صرفه‌جویی کند، احساس می‌شود. در این پژوهش ابتدا عوامل مؤثر بر کیفیت نظرات بررسی کد در دو دسته عوامل مربوط به تجربه توسعه‌دهنده و ویژگی‌های متنی نظرات استخراج شد. سپس با توجه به عدم وجود مجموعه داده مناسبی که شامل این عوامل باشد یک مجموعه داده جمع‌آوری شد. در مرحله بعد یک مدل پیش‌بینی‌کننده نظرات مفید با کمک الگوریتم XGBoost پیاده‌سازی و عملکرد آن با سایر کارهای انجام‌شده در این زمینه مقایسه شد. نتایج به‌دست‌ آمده نشان می‌دهد که روش پیشنهادی با در نظر گرفتن دو مجموعه داده مجزا و با توجه به معیارهای صحت، فراخوانی و امتیاز اف-وان حدود سه درصد و با توجه به معیار دقت حدود یک درصد نسبت به تنها روش موجود، بهتر عمل کرده است.

سرطان ریه یکی از بیماری‌های مهلک در جهان است. به دلیل دشواری شناخت سرطان ریه در مقایسه با سایر بیماری‌ها، این بیماری در آمار مرگ و میر پیشروترین بیماری حال حاضر است. در این میان تصویربرداری سی تی اسکن به عنوان قدرتمندترین ابزار برای تشخیص و ارزیابی این بیماری بکار برده می‌شود. در سال‌های اخیر محققین حوزۀ بینایی ماشین سیستم‌های کمک تشخیص کامپیوتری (CAD) را معرفی کرده‌اند که بطور خودکار مناطق سالم و سرطانی بافت ریه را شناسایی و طبقه‌بندی می‌کنند. از سوی دیگر کیفیت مطلوب تصاویر استفاده شده در سیستم‌های مذکور جهت تشخیص دقیق، امری ضروری است. در همین راستا یکی از بخش‌های مهم سیستم‌های CAD قسمت بهبود کنتراست تصاویر است که وظیفه آن افزایش کیفیت و وضوح تصویر و در نتیجه تشخیص دقیق‌تر بیماری می‌باشد. با توجه به اهمیت موضوع در این مقاله روش‌های مختلف بهبود کنتراست تصاویر و تأثیر آن بر دقت تشخیص یک سیستم کمک تشخیص پزشکی مورد ارزیابی قرار گرفته است. نتایج این تحقیق نشان می دهد روش CLAHE مبتنی بر روش متعادل‌سازی هیستوگرام، FCCE مبتنی بر مجموعه‌های فازی و ECS از دسته مبتنی بر الگوریتم‌های فرا ابتکاری به ترتیب باعث افزایش دقت بیشتری در تشخیص سیستم‌های CAD شده است.

در سال‌های اخیر توسعه سریع تلفن‌های هوشمند و شبکه‌های موبایل منجر به ایجاد پارادایم جدیدی به نام حسگر جمعی موبایل در مقیاس وسیع شده است. کلید اصلی موفقیت سیستم‌های حسگر جمعی مشارکت کافی کاربران است. بر این اساس ما در این مقاله با بکارگیری نظریه بازی یک مکانیزم تشویقی را بر اساس بازی استکلبرگ برای یک سیستم حسگر جمعی چند وظیفه‌ای معرفی کرده‌ایم. در این مکانیزم هدف ما تعیین استراتژی پایدار توزیع مشوق‌های چندین ناشر وظایف حسگر جمعی موبایل برای انجام چندین وظیفه توسط کاربران است. ما به دنبال این موضوع بوده‌ایم که یک ناشر باید چه پاداشی را برای انجام وظایف خود مشخص کند تا در رقابت با سایر ناشرین و سایر کاربران سودمندی خود را به حداکثر برساند. ما همچنین الگوریتم توزیع شده‌ای را برای تعیین نقطه تعادل بازی بر اساس اطلاعات محلی ناشرین و کاربران ارائه کرده‌ایم. همچنین شبیه‌سازی‌های عددی برای ارزیابی عملکرد نقطه تعادل مکانیزم پیشنهادی و همگرایی آن انجام شده است.

بیماری آلزایمر یک نوع اختلال عملکرد در مغز است که روی فعالیت‌های مغزی تاثیر گذاشته و حافظه را دچار اختلال می‌کند. تشخیص به کمک تصاویر MRI از روش‌های غیرتهاجمی است که محققان بسیاری به آن توجه داشته‌اند. تاکنون کارهای زیادی برای طبقه‌بندی دقیق تصاویر MRI برای تشخیص افراد آلزایمری از نرمال صورت گرفته است ولی اکثر کارهای انجام شده یا دقت کافی ندارند و یا به صورت طبقه‌بندی دو کلاسه بودند. در این تحقیق هدف تشخیص زودهنگام بیماری آلزایمر و طبقه‌بندی دقیق‌تر و چند کلاسه تصاویر MRI مغز است تا بتوان در همان مراحل اولیه این بیماری را تشخیص داد و از روند رشد آن جلوگیری کرد. جهت حل مساله ابتدا استخراج ویژگی از تصاویر، با استفاده از روش مورفومتری بر اساس وکسل انجام می‌شود، سپس انتخاب ویژگی با گرگ خاکستری دودویی و با انتخاب 30 ویژگی برتر جهت دسته‌بندی تصاویر استفاده شده است. با مقایسه الگوریتم پیشنهادی با دو روش بهینه‌ساز گرگ خاکستری دودویی، مشاهده کردیم که الگوریتم پیشنهادی در تشخیص بیماری آلزایمر معیارهای دقت و ویژگی و حساسیت را در طبقه‌بندی چندکلاسه بهبود داده است.

همزمان با رشد فضای ابری و کارایی استفاده از آن، برون‌سپاری داده‌ها برای انجام عملیات مختلف داده‌کاوی از جمله خوشه‌بندی، رشد سریعی داشته است. چالش اصلی در این گونه از سامانه‌ها، حفظ امنیت داده‌ها و حفظ دقت و کارایی الگوریتم‌های خوشه‌بندی است. در این راستا، الگوریتم‌های رمزنگاری و روش‌های مبتنی بر گمنام سازی داده‌ها ارائه شده‌اند که در هر کدام از آن‌ها سعی شده است موازنه‌ای بین امنیت و دقت ایجاد شود. در این مقاله روشی برای خوشه‌بندی داده‌های توزیع شده با الگوریتم k-means و استفاده از رمزنگاری همومورفیک ارائه شده است که ضمن رمزنگاری داده‌های حساس، سرعت و هزینه‌ی محاسباتی آن را کاهش می‌دهد. دقت روش پیشنهادی برای خوشه‌بندی داده‌های غیر متمرکز روی مجموعه داده iris و seeds به ترتیب برابر 34.89% و 53.88% است. در حالتی که داده‌های این دو مجموعه در سرور متمرکز باشند و خوشه‌بندی انجام شود، دقت خوشه بندی به ترتیب برابر 30.90% و 00.89% است. نتایج حاصل نشان می‌دهد دقت روش پیشنهادی به حالتی که سرور خوشه‌بندی را به صورت متمرکز انجام می‌دهد، بسیار نزدیک است. هم‌چنین زمان اجرای روش پیشنهادی چون حجم داده‌ی رمز شده کم می‌شود، روی مجموعه داده iris و seeds به ترتیب برابر 5.7 و 7.12 ثانیه است که نسبت به حالتی که مالکان داده، تمام داده‌های خود را رمز می‌کنند که برابر 5.13 و 7.32 ثانیه است کاهش قابل توجهی داشته است.

در سالیان اخیر، تمایل گسترده به استفاده از وسایل هوشمند و همچنین مدیریت محیط‌های اتوماسیون صنعتی موجب رشد شبکه‌های حسگر بی‌سیم و اینترنت اشیاء شده است. در اینترنت اشیاء، مجموعه بسیار زیادی از حسگرها به منظور کنترل و گردآوری اطلاعات در محیط توزیع می‌شوند تا قابلیت اتخاذ تصمیم هوشمند را فراهم سازند. امروزه این نوع شبکه‌ها، برای کاربردهای مختلف استفاده می‌شوند. یکی از اهداف مهم در صنعت 4، استفاده از فناوری‌های شبکه‌ی بی‌سیم برای اینترنت اشیاء صنعتی است تا از این رهگذر بتوان فرآیندهای صنعتی را بصورت کارآمدتر نظارت کرد. یکی از الزامات ارتباطات در اینترنت اشیاء صنعتی تأمین قابلیت اطمینان تا 99.999 درصد می‌باشد با این حال افزایش طول عمر شبکه، کاهش مصرف انرژی و عدم عبور تاخیر از میزان بیشینه تعیین شده از اهداف اصلی پژوهش در این حوزه است. یکی از استاندارهای پراستفاده در اینترنت اشیاء صنعتی 6TiSCH است. در این پژوهش هدف این است که روشی بین لایه‌ای با درنظر گرفتن توأمان زمانبندی و مسیریابی در شبکه‌های مبتنی بر استاندارد TSCH و RPL در محیط‌هایی با چندین چاهک ارائه گردد. همچنین هدف این است که روش ارائه شده با در نظر گرفتن محدودیت‌های اینترنت اشیاء صنعتی بتواند نیازمندی‌های برنامه‌های کاربردی را در این حوزه برآورده کند.

پرفشاری خون یک بیماری مزمن است که به‌عنوان شایع‌ترین عارضه سلامتی و مهم‌ترین عامل خطر برای بیماری‌های قلبی عروقی شناخته می‌شود. پیش‌بینی و تشخیص زودهنگام پرفشاری خون و درمان به‌موقع آن مانع از پیشرفت بیماری و بروز عواقب ناشی از آن می‌شود و هم‌چنین باعث صرفه‌جویی در هزینه درمان می‌گردد. مطالعات پیشین نشان می‌دهد که علاوه بر عوامل محیطی و سبک زندگی، عامل وراثت نیز در پرفشاری خون نقش بسزایی دارد. در سال‌های اخیر روش‌های یادگیری ماشین و تحلیل‌های آماری در پیش‌بینی بیماری، پیشرفت‌های مشهودی داشته و کم‌تر به بهینه‌سازی ریاضی در این حوزه پرداخته شده است. با توجه به اهمیت موضوع، در این مقاله یک مدل برنامه‌ریزی غیرخطی عدد صحیح مختلط با هدف کاهش میانگین مربعات خطا جهت پیش‌بینی پرفشاری خون تعریف شد. داده‌های مورداستفاده شامل جنسیت و 10 مورد چندریختی تک نوکلئوتیدی مؤثر در پرفشاری خون برای 1001 نفر است. طبق نتایج به‌دست‌ آمده از حل دقیق مدل و استفاده از الگوریتم بروت فورس، بهینه‌ترین مقدار میانگین مربعات خطا، صحت و دقت به ترتیب برابر با 18/0، 89/0 و 75/0 است.

صنعت ۰.۴ (Industry 4.0) سازمان‌های تولیدی را به میزان قابل توجهی دستخوش تغییر می‌کند. به منظور رقابتی ماندن در عصر حاضر، شرکت‌ها باید ضمن بکارگیری مدل‌های جدید کسب و کار، نسبت به توسعه قابلیت‌های کسب و کاری خود و همچنین ایجاد قابلیت‌های جدید با رویکرد صنعت ۴.۰ اقدام نمایند. در این راستا، شرکت‌ها با پروژه‌های پرهزینه و پرمخاطره‌ای برای ایجاد این تحول، دست و پنجه نرم می‌‌کنند. باتوجه به گستردگی و پیچیدگی تحولات، وجود رویکرد و روشی نظام‌مند و مطمئن برای مدل‌سازی وضعیت موجود و وضعیت مطلوب و برنامه‌ریزی مناسب برای استقرار صنعت ۴.۰، یکی از نیازمندی‌های پایه و اساسی در این مسیر است. در این مقاله سعی شده است با استفاده از رویکرد و مفاهیم معماری سازمانی، چارچوب و متامدلی برای ترسیم وضعیت موجود و مطلوب و روشی برای برنامه‌ریزی و تدوین رهنگاشت تحول، ارائه شود. نتایج این مقاله می‌تواند به عنوان راهنما برای فرایند برنامه‌ریزی پروژه‌های تحول دیجیتال و صنعت ۴.۰، کمک کننده باشد.

شبکه تعریف شده‌ی نرم‌افزاری یک فناوری جدید در شبکه‌های کامپیوتری است که استفاده از آن در حال گسترش است. این تکنولوژی باعث می‌شود تا شبکه‌ها قابل برنامه‌ریزی‌تر و نیز انعطاف‌پذیرتر شوند. برای به دست آوردن حداکثر مقیاس‌پذیری و نیز افزایش عملکرد شبکه، وجود یک استراتژی توازن بار ضروری است. ازدحام لینک در شبکه باعث ایجاد برخی مشکلات مانند تاخیر در ارسال بسته‌ها، گم شدن بسته‌ها و نیز افزایش زمان صف می‌شود. برای غلبه بر این مشکلات بهره‌گیری از یک استراتژی توازن بار لینک مفید است. در این تحقیق سعی شده است تا با استفاده از الگوریتم A* روشی برای مسیریابی ترافیک در شبکه‌های تعریف شده‌ی نرم‌افزاری ارائه شود. روش ارائه شده با بررسی ازدحام لینک‌ها بهترین مسیر را انتخاب می‌کند و بدین صورت توازن بار لینک‌ها در چنین شبکه‌هایی برقرار می‌شود. یافته‌های حاصل از شبیه‌سازی نشان داده است که الگوریتم پیشنهادی نسبت به الگوریتم‌هایی که با آنها مورد مقایسه قرار گرفته است، کارایی بهتری در بهبود تعادل بار لینک در شبکه‌های تعریف شده‌ی نرم افزاری دارد.

الگوريتم ضرب‌ پيمانه‌اي مونتگمري براي پياده‌سازي‌هاي سيستم‌هاي رمز همچون ECC و ديگر سيستم‌هاي رمزي كه بر پايه محاسبات‌پيمانه‌اي استوارند، استفاده‌مي‌شود. براي مناسب نمودن اين الگوريتم جهت پياده‌سازي سخت‌افزاري، بهبودهاي مختلفي پيشنهاد‌شده‌است. نسخه‌ مبناي‌دو اين الگوريتم براي طراحي‌هاي سخت‌افزاري، ساده و سريع است. در اين مقاله براي تسريع در محاسبات پيمانه‌اي، از نحوه نمايش اعداد به‌صورت علامت‌دار استفاده‌شده‌است و با تعميم جمع‌كننده‌جديدي كه از همين نحوه‌نمايش اعداد استفاده‌مي‌كند، ضرب‌كننده‌اي طراحي شده‌است كه نسبت به معماري‌هاي قبلي هم از نظر فضاي‌مصرفي تا 12.5% و هم‌ از نظر تاخير تا 30% بهبود پيدا نموده‌است. همچنين اين ضرب‌كننده در برابر"Fault Attacks " كه يك تهديد جدي براي سيستم‌هاي‌‌رمز همچون ECC است، مقاوم مي‌باشد و مقاومت خود را با استفاده از گيت‌هاي منطقي نگهدارنده توازن(PPLG)، بدست‌آورده‌است. معماري جديد قابليت تشخيص خطا بالايي دارد. با مجهز نمودن ضرب‌كننده مونتگمري مبناي دو به قابليت تشخيص خطا، نسخه‌جديد آن كه از جمع‌كننده جديد استفاده‌مي‌كند، از نظر فضاي‌مصرفي تا 16% و از نظر تاخير تا 28% بهبود پيدا نموده‌است.

در اين مقاله با اعمال روش VQ بر روي ضرائب DCT و ايجاد هيستوگرام ضرائب DCT، روش جديدي براي استخراج ويژگي هاي ديداري سطح پايين تصاوير از حوزه فشرده JPEG، ارائه شده است. ويژگي معرفي شده با ويژگي هاي مشابه از حوزه پيکسل و حوزه فشرده، در بازيابي تصوير روي يک پايگاه شامل 10000 تصوير با يکديگر مقايسه مي شوند. نتايج اين مقايسه بيانگر آن است که هيستوگرام ضرائب پيشنهادي در نمايه سازي و بازيابي تصوير، موثرتر از ويژگي هاي گابور و ويژگي هاي ارائه شده در ساختار ماندالا عمل مي کند.

در اين مقاله يک ابزار بهينه¬سازي جديد در طراحي خودکار مدارات مجتمع آنالوگ مبتني بر الگوريتم بهينه¬سازي چند هدفه گروه ذرات (MOPSO) ارائه مي¬شود. ابزار پيشنهادي در ابتدا با استفاده از يک نرم¬افزار شبيه¬ساز مدار مورد نظر را شبيه¬سازي مي¬کند، سپس نتايج شبيه¬سازي بوسيله الگوريتم MOPSO تحت بهينه¬سازي قرار مي¬گيرند و تا حصول نتيجه مطلوب اين روند ادامه مي¬يابد. براي بررسي توانايي ابزار پيشنهادي عملکرد آن مورد سنجش قرار مي¬گيرد و به عنوان نمونه از آن جهت بهينه-سازي طراحي خودکار يک تقويت کننده عملياتي تفاضلي سه طبقه با تکنولوژي CMOS افزايشي استفاده مي¬شود. نتايج بدست آمده نه¬تنها خواسته¬هاي مورد نظر در طراحي را برآورده مي¬سازد بلکه با ارائه دسته¬جواب¬هاي متنوع دست طراح را در انتخاب جواب مناسب از ميان جواب¬هاي قابل قبول نهايي باز خواهد گذاشت. از ديگر نقاط قوت ابزار پيشنهادي مي¬توان به¬کاهش زمان طراحي و ساختار ساده الگوريتم بهينه¬سازي اشاره کرد. برنامه¬هاي اصلي اين ابزار با نرم¬افزار Matlab پياده¬سازي شده و شبيه-سازي¬ مدارات توسط نرم¬افزار Hspice انجام مي¬شود. اين ابزار قابليت سايزبندي المان¬هاي هر نوع مدار آنالوگ را دارد.

در این مقاله یک مدل ترکیبی مبتنی بر الگوریتم رقابت استعماری بهبود یافته و اتوماتای یادگیر معرفی شده است. این الگوریتم بهبود یافته¬ی الگوریتم رقابت استعماری (ICA) است، که از ایده¬ی تکامل سیاسی- اجتماعی بشر الهام گرفته است. در الگوریتم اولیه تعدادی کشور استعمارگر همراه با کشورهای مستعمراتشان به جستجو برای یافتن نقطه¬ی بهینه عمومی برای حل مسئله بهینه¬سازی می¬پردازند. در این مقاله از تعدادی اتوماتای یادگیر برای تنظیم شعاع حرکت مستعمرات به سمت استعمارگرهایشان در فرآیند جستجوی الگوریتم ICA استفاده می¬نماید. در الگوریتم پیشنهادی به هر کشور یک اتوماتای یادگیر منسوب شده است که وظیفه¬ی برقراری تعادل بین جستجوی سراسری و جستجوی محلی را برعهده دارد، در نتیجه یک جستجوی هوشمندانه و هدفمندتر در الگوریتم رقابت استعماری انجام می¬شود. عملکرد الگوریتم با چهار تابع محک با نام¬های (Griewank, Rosenbrock, Schwefel, Rastrigin) مورد ارزیابی قرار گرفت. نتایج تجربی حاصل از اجرای الگوریتم رقابت استعماری بهبود یافته نشان دادند که کیفیت راه¬حل بهینه عمومی و سرعت همگرایی به نقطه بهینه در این الگوریتم در مقایسه با الگوریتم ICA استاندارد و ICA تطبیقی بهبود قابل توجهی یافته است.

انتخاب مجموعه ويژگي¬ها يکي از مهمترين مسائل در بحث شناسایی گفتار مي¬باشد. از اینرو، روش¬هاي مختلفي جهت استخراج و انتخاب زیرمجموعه¬ای موثر از ویژگی¬ها، مورد استفاده قرار مي¬گیرند. در این مقاله، نخست جهت افزایش دقت بازشناسی مصوت¬ها، با اعمال اولین سطح انتخاب ویژگی، یک "فوق مجموعه ویژگی" که حاصل ترکیبی هوشمند از گزیده¬ی مجموعه ویژگی¬های موجود است، ارائه می¬دهیم. سپس از آنجا که این ترکیب جدید، به دلیل دارا بودن تعداد زیادی ویژگی، سرعت بازشناسی را کاهش می¬دهد، از الگوریتم ژنتیک به عنوان سطح دوم انتخاب ویژگی استفاده می¬نماییم. در این سطح، زیرمجموعه¬ای مناسب از ویژگی¬های موجود در "فوق مجموعه ویژگی" انتخاب می¬شوند که مطابق با آزمایشات صورت گرفته، سرعت و دقت بازشناسی صحیح مصوت¬ها را به شکل مطلوبی افزایش می¬دهند.

مساله گالري هنر اين پرسش را مطرح مي کند که چه تعداد نگهبان براي ديدن هر نقطه از چندضلعي کافي است. مجموعه اي از نقاط را در چندضلعي ، مجموعه نگهبان همکار براي گوييم هر گاه مجموعه نگهبانان و گراف رؤيت پذيري مجموعه نگهبانان ، در متصل باشند. در اين مقاله مجموعه جديد را مطرح مي کنيم و به آن k-نگهبان همکار مي¬گوييم، درصورتيکه شرايط زير را داشته باشد: الف) براي هر نقطه در ، نقطه در وجود داشته باشد، بطوريکه از قابل رؤيت باشد. ب) مجموعه گراف رؤيت پذيري متصل باشد. ج) هر نقطه در ، حداقل توسط نقطه ديگر در قابل رؤيت باشد. در اين مقاله ابتدا الگوريتمي براي کاهش تعداد نگهبانان همکار معرفي کرده و نشان مي دهيم که اين الگوريتم براي چندضلعي هاي شانه اي دو سر، مجموعه نگهبانان همکار را به کاهش مي دهد. سپس ثابت مي کنيم که هر n ضلعي حداکثر به نگهبان از مجموعه k-نگهبان همکار نياز دارد.

بهينه‏سازي پرس¬و¬جو در پايگاه داده¬هاي رابطه¬اي يك فرآيند پرهزينه مي‏باشد و تعداد جايگشت‏هاي مختلف عمليات پيوند براي يك پرس¬و¬جو، به‏ صورت نمائي با افزايش تعداد جداول سهيم در پرس¬و¬جو رشد مي‏كنند. تكنيكهاي فعلي بهينه‏سازي پرس¬و¬جو براي پشتيباني در حالاتي که تعداد جدول‏هاي پايگاه داده و تعداد سطرهاي هر جدول زياد باشند، نامناسب هستند از طرفي رمز موفقيت يك سيستم پايگاه داده كارا بودن مدل پرس‏و‏جوي آن مي‏باشد. لذا در اين مقاله روشي براي بهينه¬سازي اجراي پرس¬و-جو‏¬ها با تعداد جداول بالا پيشنهاد گرديده است. با توجه به افزايش روز افزون اهميت کاهش زمان اجراي طرح شبه بهينه در عمليات پيوند با تعداد جدولهاي بالا و حداقل سازي زمان اجراي الگوريتم در جهت يافتن طرح شبه بهينه و قرار نگرفتن طرح در بهينه‏هاي محلي، استفاده از الگوريتم¬هاي اکتشافي و کاراي نوين مورد توجه زيادي قرار گرفته است. بدين منظور دراين مقاله الگوريتم تعميم يافته بهينه‏سازي گسسته ذرات پيشنهاد گرديده و کارايي آن از طريق مقايسه با برخي الگوريتم¬هاي پيشين و با در نظر گرفتن چهار معيار زمان اجراي الگوريتم، زمان اجراي طرح، خطا و انحراف معيار، بررسي شده و نتايج حاصله نشان دهنده برتري اين روش خصوصا در تعداد بالاي جداول نسبت به الگوريتم هاي پيشين مي¬باشد.

روش مجموع ساده وزین (SAW) یکی از ساده ترین تکنیک های جبرانی تصمیم گیری چند معیاره است. این روش برای حل مسائل تصمیم گیری چند معیاره به کار برده می شود. از طرفی دیگر داده کاوی یکی از 10 علم رو به رشد دنیا است و یکی از مهمترین الگوریتم های داده کاوی، الگوریتم های مبتنی بر مدل های پیشگویی است که برای پیش بینی آینده به کار برده می شوند. اکثر این الگوریتم ها پیچیده و زمان بر می باشند. در این مقاله روشی نوینی برای طبقه بندی داده ها به کمک روش SAW با استفاده از امتیاز فیشر به خصیصه ها معرفی شده است که مزیت اصلی آن سادگی است. همچنین از توابع فازی برای بهبود دقت این روش استفاده کرده ایم. بر اساس آزمایش های انجام شده بر روی دو پایگاه اطلاعاتی استاندارد و نتایج بدست آمده حاکی از دقت بالای روش نسبت به اکثر الگوریتم های طبقه بندی است.

همگام¬سازی گره¬ها جهت خواب و بیداری، سربار انجام این¬کار و همچنین تصادم فریم¬ها و مصرف انرژی جهت ارسال(های) مجدد از جمله چالش¬هایی است که در لایه دسترسی به رسانه (MAC) شبکه¬های حسگر بی¬سیم مطرح است. در این مقاله ما روشی وفقی و ناهمگام، مبتنی بر استفاده از چند فرکانس در لایه MAC را برای صرفه¬جویی در انرژی و افزایش گذردهی شبکه¬حسگر پیشنهاد کرده¬ایم. این روش با تاکید بر کاربردهای جمع¬آوری داده از گره¬های حسگر پخش شده در محیط بنا نهاده شده¬است. شبیه¬سازی¬های انجام شده نشان می¬دهد که پروتکل پیشنهادی باعث کاهش مصرف انرژی گره¬ها و افزایش طول عمر شبکه خواهد شد همچنین گذردهی شبکه را نیز افزایش می¬دهد.