انجمن کامپیوتر ایران

سرويس پيوستگي تماس صوتي (VCC) توسط 3GPPتعريف و استاندارد شده است. با استفاده از اين سرويس، يک تماس صوتي مي¬تواند در صورت نياز ميان يک دامنه سوئيچ مداري و يک دامنه سوئيچ بسته¬اي جابجا شود. در اين مقاله، تأخير سيگنالينگ سرويس پيوستگي تماس صوتي براي انتقال از دامنه سوئيچ بسته¬اي به دامنه سوئيچ مداري مورد بررسي قرار مي¬گيرد.در تحليل خود، تأخير سيگنالينگ¬هاي سوئيچ مداري و تأخير سيگنالينگ¬هاي سوئيچ بسته¬اي را در نظر مي¬گيريم.نتايج نشان مي¬دهند تأخيـر سيگنالينگVCC، با افزايش نرخ کانال شبکه¬اي که گيرنده تماس در آن قرار دارد، کاهش مي¬يابد و با افزايش احتمال خطاي فريم، اين تأخيربه آهستگي افزايش مي¬يابد. با افزايش نرخ ورود پيام¬هايSIPبراي عناصر مياني IMS، تأخير سيگنالينگ VCCافزايش مي¬يابـد. همچنين، با زياد شدن تعداد STPها در يک ارتبـاط SS7، تأخير سيگنالينگ VCCبه ميزان قابل توجـهي افزايش مي¬يابد.

يکي از روش¬هاي حل مسايل بهينه سازي استفاده از الگوريتم تکاملي است. بسياري از اين الگوريتم¬ها در جستجوي عمومي موفق عمل مي¬کنند اما نمي¬توانند جواب دقيقي را پيدا نمايند. استفاده از يک يا چند جستجوي محلي، به عنوان يادگيري محلي، براي پيدا کردن جواب بهتر، معروف¬ترين راه حل براي اين مساله است. اين روش، الگوريتم ممتيک ناميده مي¬شود. اتوماتاييادگير يک روش يادگيري تقويتي است که در مسائل مختلفي مورد استفاده قرار گرفته است. در اين مقاله يک مدل جديد ترکيبي مبتني بر اتوماتاييادگير و الگوريتم ممتيک با نام LA-MA ارائه شده است. اين مدل از دو بخش ژنتيک و ممتيک تشکيل شده است. فرآيندهاي تکامل و يادگيري محلي به ترتيب در بخش¬هاي ژنتيک و ممتيک انجام مي¬شوند. بخش ژنتيکي، مشابه الگوريتم ژنتيکي سنتي است. در بخش ممتيکي جمعيتي از مم¬ها قرار دارد که با اتوماتاييادگير بازنمايي شده¬اند. هر مم متشکل از چند اتوماتاييادگير است، که وظيفه يادگيري محلي را بر عهده دارند. جهت نمايش کارايي مدل ارائه شده، اين مدل با ساير روش¬ها مقايسه شده است. نتايج بدست آمده، برتري اين مدل را در مقايسه با ساير الگوريتم¬ها نشان مي¬دهد.

در سال های اخیر، تشخیص چهره با استفاده از تصاویر ویدئویی مورد توجه قرار گرفته است. از تصاویر ویدئویی به عنوان داده‌های مکانی-زمانی برای تشخیص چهره استفاده می‌شود. تصاویر ویدئویی این امکان را فراهم می‌آورد که اطلاعات بیشتری از تصویر استخراج کنیم، به گونه‌ای که تشخیص چهره در شرایط نور کم و وضوح پایین تصاویر بهبود پیدا کند. استفاده از الگوهای محلی باینری حجمی (VLBP) یکی از روش‌های مورد استفاده در تصاویر ویدئویی و الگوهای پویا است. این روش با در نظر گرفتن نقاط همسایگی در فریم‌های پیشین و پسین در محاسبه کدهای باینری تصویر کاربرد دارد. در این مقاله، با استفاده از شبکه‌های عصبی خودسازمانده، یک همسایگی نامتقارن ایجاد و در این همسایگی، بردار ویژگی الگوهای محلی باینری حجمی OVLBP محاسبه می‌شود. به این ترتیب ویژگی‌های کلیدی در تصاویر چهره بررسی و سبب بهبود کارایی خواهد شد. نتایج آزمایشات بر روی پایگاه داده‌های MoBo، Honda/UCSD و Essex به ترتیب برابر 96.9، 85.8 و 98.4 است که نشان دهندۀ کارایی الگوریتم OVLBP است.

مترجم ماشینی آماری، يک نمونه از ماشین‌های ترجمه است که ترجمه در آن بر اساس مدل‌های آماری انجام می‌شود. در این روش پارامترها توسط تحلیل پیکره موازی به دست می‌آیند و اگر یادگیری ترجمه‌ی واژه‌ها بهتر انجام شود، کیفیت ترجمه بالا می‌رود. با استفاده از تقطیع تکواژه‌ها، واژه‌های خارج از واژگان موجود و همچنین اندازه‌ی واژه‌نامه به طور چشمگیری کاهش می‌یابد. وقتی با زبان‌های با ساختار صرفی غنی نظیر فارسی سروکار داریم، نیاز به این تقطیع‌کننده‌ی تکواژه‌ها پر‌اهمیت‌تر می‌شود. تعیین دانه‌بندی مشابه برای واژه‌ها در هر دو زبان مبدأ و مقصد، می‌تواند کیفیت ترازبندی در پيکره‌ی موازی را افزایش دهد. در این مقاله با ارایه طرح‌های مختلف و ترکیبی برای تقطیع تکواژه‌ها، متن فارسی به انگلیسی ترجمه می‌شود که بهترین طرح به عنوان طرح شبه انگلیسی نامگذاری شده است. با استفاده از طرح مذکور کیفیت ترجمه با معیارBLEU، 3 امتیاز نسبت به ماشین مترجم آماری مبتنی بر عبارت پایه بهبود یافته است. همچنین خروجی‌ها به خوبی نشان می‌دهند که کیفیت ترجمه برتر از کیفیت ترجمه‌ی مترجم Google Translator است. واژه‌های خارج از واژگان موجود نیز به شدت کاهش یافته‌اند.

ماشین¬ بردار پشتیبان یکی از دسته¬بندهای شناخته شده است که برای دسته¬بندی الگوهای جدایی پذیر خطی و نیز برای الگوهایی که به صورت خطی جدایی پذیر نیستند، به کار می¬رود. در جداسازی الگوهای جدا ناپذیر به صورت خطی، از تابع هسته در ماشین بردار پشتیبان استفاده می¬شود که انتخاب مناسب نوع و پارامترهای تابع هسته تاثیر زیادی در دقت دسته¬بندی دارد. در این مقاله، تابع هسته به صورت یک ترکیب خطی از توابع هسته استاندارد و با استفاده از الگوریتم بهینه¬سازی ازدحام ذرات تخمین زده می¬شود. تابع برازندگی این الگوریتم در ایتجا خطای دسته¬بندی ماشین بردار پشتیبان است که باید کمینه شود. آزمایش¬ها بر روی دادگان انتخابی UCI، بیانگر کارایی تابع هسته پیشنهادی در مقایسه با توابع هسته استاندارد و نیز تابع هسته ترکیبی به دست آمده با استفاده از الگوریتم ژنتیک است.

برای کاهش اثرات نامطلوب بلوکی در فریم های ویدئو، استاندارد فشرده سازی H.264/AVCاز یک فیلتر بلوک زدایی استفاده می کند. این واحد دارای بار محاسباتی بسیار بالاییمی باشد.]1[ لذا برای افزایش سرعت و بالا بردن کارایی فیلتر بلوک زدایینیاز به پیاده سازی سخت افزاری این واحد میباشد. در این مقاله ما یک معماری سخت افزاری مناسب برای پیاده سازی الگوریتم فیلتر بلوک زدایی ارائه می دهیم.در این معماری، از یک ترتیب جدید برای فیلتر کردن لبه های یک ماکروبلوک استفاده می شود که نه تنها نسبت به روش های دیگر حجم حافظه موردنیاز را کاهشمی دهد، بلکه به دلیل قابلیت پیاده سازی به صورت خط لوله، تعداد کل کلاک مورد نیاز برای فیلتر کردن لبه های یک ماکروبلوک را به کمترین مقدار آن کاهش می دهد. در طرح هایی که قبلا برای فیلتر کردن لبه های یک ماکروبلوک با استفاده از یک واحد فیلتر ارائه داده شده است، در حالت بهینه تعداد کل عملیات لازم برای فیلتر کردن (با در نظر گرفتن کلاک های لازم برای بارگذاری بلوک ها از حافظه خارجی) برابر با 448 سیکل کلاک است. در صورتیکه روشی که ما ارائه می دهیم دارای 416 کلاک مصرفی برای فیلتر کردن می باشد. بنابراین این طرح نسبت به حالت بهینه 32 سیکل کاهش سیکل دارد. از دیگر ویژگی های این معماری نسبت به روش های قبلی، کاهش حجم حافظه مورد نیاز جهت نگه داری داده های میانی، کاهش تعداد گیت ها و سخت افزار مورد نیاز جهت پیاده سازی واحد فیلتر بلوک زدایی است.

به دلیل اهمیت روزافزون یادگیری نظارتی، تحقیقات در این حوزه از اهمیت ویژه‌ای برخوردار است. یکی از روش‌های کارا و پرکاربرد در یادگیری نظارتی، روش شبکه‌های عصبی بوده که آموزش آن فرآیند پیچیده‌ای می‌باشد.در این مقاله، تلاش بر آن است تا با استفاده از الگوریتم کشورهای چهاگانه، که نمونه توسعه یافته ی الگوریتم رقابت استعماری است، وزن های بهینه ی شبکه عصبی پرسپترون چند لایهتنظیم گردد. این روش از همگرایی زودرس شبکه عصبی در روش های پیشین مانند الگوریتم ژنتیک و الگوریتم رقابت استعماری جلوگیری می‌کند. مقایسه نتایج روش پیشنهادی و الگوریتم رقابت استعماری نشان می دهد روش پیشنهادی بر روی مجموعه داده های تست شده با پارامتر های تعیین شده، کارایی بهتری دارد.

کشف قوانین انجمنی یکی از الگوریتم‌های مفید داده‌کاوی می باشد، که می‌تواند به استخراج اطلاعات پر معنی و مفید در پایگاه‌داده بپردازد؛ و این اطلاعات می‌تواند به مدیران در تصمیم‌گیری‌ها بسیار کمک نمایند. یکی از چالش‌های مهم الگوریتم کشف قوانین انجمنی و روشهای پیاده سازی شده آن این است که در پایگاه‌داده‌های خیلی بزرگ ممکن است میلیون‌ها قانون را استخراج نمایند، که بسیاری از این قانون‌ها غیر‌مفید ‌باشند، همچنین چالش مهم دیگر الگوریتم های سنتی کشف قوانین انجمنی این است که، دو پارامتر کمینه پشتیبان و اطمینان، همیشه توسط کاربر تصمیم گیرنده به صورت دستی ((Manual، و با آزمون و خطا مشخص میگردد؛ این کار بر روی کارایی الگوریتمهای کشف قوانین انجمنی، بسیار تاثیر دارد. دراین مقاله ما الگوریتم¬های داده¬کاوی و الگوریتم¬های تکاملی از جمله قوانین انجمنی و الگوریتم ازدحام پرندگان باینری جهت ارائه یک روش تمام خودکار را با هم ترکیب می کنیم؛ که هدف آن به طور خاص محاسبه خودکار مقدار مناسب برای حد آستانه در پایگاه داده های بزرگ و سپس کشف الگو و قوانین کارا و بهینه در پایگاه‌داده‌ها با توجه به مقادیر حد آستانه بدست آمده در مرحله قبل، است. همچنین این الگوریتم توانایی ارائه قوانین نادر و کمیاب را دارد، که ممکن است این قوانین با استفاده از الگوریتم‌های سنتی از دید مدیران پنهان بمانند. نتایج بدست آمده از الگوریتمپیشنهادی می توانند به مدیران در تصمیم گیری‌ها کمک نماید. در این مقاله جمع‌آوری و آماده‌سازی داده¬ در نرم افزار Sql Serverو پیاده سازی الگوریتم در نرم افزار MATLAB صورت گرفته است.

با گسترش سیستم های نوین اطلاعاتی و افزایش دسترس پذیری اینترنت در میان کاربران روز به روز بر میزان متقاضیان محتوای چند رسانه ای علی الخصوص ویدئو افزوده می شود. همچنین با رشد سریع امکانات دستگاه های قابل حمل مانند تلفن های همراه، کامپیوترهای جیبی و دیگر محصولات نظیر آن جریان سازی ویدئو در این دستگاه ها بسیار متداول شده است. بمنظور جریان سازی با مقیاس بالا رویکردهای متفاوتی ارائه شده است که جریان سازی نظیر به نظیر یکی از رویکردهای مورد استفاده می باشد. اما یکی از مهمترین مسائلی که جریان سازی نظیر به نظیر ویدئو بر روی شبکه های سیار با آن مواجه است احتمال بالای اتلاف بسته های ویدئویی است. در این مقاله ارزیابی دقیقی از عملکرد رویکردهای متداول بازیابی بسته های اتلاف شده درجریان سازی نظیر به نظیر ویدئو بر روی شبکه های سیار ارائه شده است. همچنین با استفاده از رویکردهای متداول بازیابی بسته های اتلاف شده، رویکردی وفقی بمنظور بازیابی بسته ها ارائه شده است که نحوه بازیابی بین دو نظیر را بر اساس احتمال اتلاف بسته ارسالی بین مبدا و مقصد انتخاب می نماید. نتایج مقاله نشانگر عملکرد موثر این رویکرد نسبت به رویکردهای متداول است.

تشخیص خودکار عناصر برنامه از پیچیده ترین فعالیتهای طراحی و ساخت نرم افزار بوده که تشخیص آنان گرچه با توصیه¬هایی در مهندسی نرم افزار همراه می¬باشد، ولی تعریف آنها به مهارتهای فردی سازنده نرم افزار بستگی دارد. دراین مقاله با ارائه¬ی روشی فرمال عناصر برنامه به طور خودکار تعریف شده تا طراحی به مطلوبترین شیوه و مستقل از توانائیهای و خلاقیتهای فردی پایان بپذیرد. اگرچه روش¬های متفاوتی برای جنبه¬کاوی ارائه گردیده ولی تاکنون هیچ روشی ارائه نگردیده که به طورخودکار و بدون نیاز به درگیری کاربر کانسرن¬های متقاطع را شناسایی نماید در این مقاله با استفاده از خصوصیات ماشین خودکار محدود شده¬ی کامل روشی برای پیدا نمودن کانسرن¬های متقاطع ارائه نموده¬ایم. هم چنین روش پیشنهادی در این مقاله محدودیت وابستگی به قواعد نام¬گذاری، محدودیت درگیری کاربر به منظور حذف کانسرن¬های پیشنهادی اشتباه را نیز از میان برداشته و قادر به شناسایی تمامی کانسرن¬های متقاطع نه برخی از آنها است و در پایان با استفاده از تئوری¬های ریاضی ثابت نموده که خروجی پیشنهادی، کانسرن¬های متقاطع هستند لذا نیاز به اتلاف زمان برای بررسی متقاطع بودن یا نبودن کانسرن پیشنهادی نیست.

In this paper, we formulate trust as a multi-criteria decision making process. Making trust decisions needs a structural way in computational environments. Based on this need, we use a combination of fuzzy AHP and fuzzy VIKOR approaches from the domain of multi-criteria decision making to formulate trust. The VIKOR method was originally developed to solve decision problems with conflicting and non-commensurable criteria.By using the VIKOR approach, we can rank the trustee alternatives and determine the compromise solution that is closest to the ideal. Combining fuzzy logic with this approach lets us model the vague, uncertain and subjective nature of trust

ماشین بردار پشتیبان روش مطلوبی برای طبقه‌بندی انواع داده‌هاست، اما مشکل اساسی این روش کاهش چشم‌گیر سرعت طبقه‌بندی آن در ازای افزایش ابعاد مسئله و افزایش تعداد نمونه‌ها است. در این مقاله تابع هسته‌ای که از چندجمله‌ای متعامد هرمیت مشتق شده، برای ماشین بردار پشتیبان ارائه شده است. این تابع، علاوه بر کاهش تعداد بردارهای پشتیبان که موجب افزایش سرعت خواهد شد، صحت طبقه‌بندی را افزایش می‌دهد. نتایج آزمایش‌ها نشان می‌دهد که تابع پیشنهادی در مقایسه با سایر توابع هسته رایج برای طبقه‌بندی ماشین بردار پشتیبان، در همه‌ی مجموعه داده‌های مورد آزمایش برگرفته از مجموعه داده واقعی UCI، دارای کم‌ترین تعداد بردارهای پشتیبان بوده و به طور کلی بهترین عملکرد را نسبت به دیگر روش‌ها داراست.

در اين مقاله، يك روش مرزي جديد با استفاده از روش ترمیم تصویر بر اساس محتواي آن در مسائل مات زدايي تصاوير ارائه مي گردد. در روش هاي مات زدايي تصاوير تعيين مرزهاي خارج از دامنه تصوير تاثير بسزايي در كيفيت تصوير بازسازي شده دارند. در روش هاي كلاسيك از مرزهاي مصنوعي مانند صفر، تكرارشونده،‌ بازتابي و پادبازتابي براي بازسازي مرز استفاده مي¬گردد كه ضعف عمده آنها، مستقل بودن مرزهاي در نظر گرفته شده از تصوير است. تكنيك پيشنهادي ما با استفاده از ترميم تصوير، يك روش بر اساس محتوا براي بازسازي مرز و گسترش تصوير،‌ براي مات زدايي آن ارائه مي دهد. نتايج عددي حاصل از تكنيك پيشنهادي نشان مي¬دهد كه كيفيت مات زدايي از تصوير در مقايسه با روش هاي موجود بهتر است.

تبدیل‌های جدایی‌پذیر همچون موجک دو بعدی که از گسترش موجک جدایی‌پذیر یک بعدی به دست آمده و روی تصویر اعمال می‌گردند در تشخیص لبه‌های معمولی عملکرد قابل‌قبولی ارائه می‌دهند اما قادر به استخراج انحناهای هموار موجود در تصاویر نمی‌باشند. موجک‌ها تنها به استخراج تعداد محدودی جهت می‌پردازند که یک نقطه‌ضعف برای کار با سیگنال‌های چند بعدی محسوب می‌شود. این در حالی است که تبدیل کانتورلت به خوبی می‌تواند مشخصات هندسی تصویر را که از اهمیت به سزایی در ساختار بینایی انسان برخوردار است، استخراج نماید. این تبدیل با استفاده از هرم لاپلاسین و بانک فیلتر جهتی جدایی‌ناپذیر به دست می‌آید. روش هرم لاپلاسین براساس تفاوت روشنایی محلی استوار است. این درحالی است که سیستم بینانی انسان تنها به کنتراست روشنایی محلی حساس می‌باشد در نتیجه لزوماً هرم لاپلاسین یک انتخاب مناسب و درخور نخواهد بود. به این دلیل ما در این مقاله، به بررسی تبدیل کانتورلت مبتنی بر هرم کنتراست خواهیم پرداخت که در آن ابتدا تبدیل هرم کنتراست به منظور تجزیه‌ی تصاویر منبع به زیر باندها و ایجاد یک نمایش چند مقیاسی از تصاویر اعمال می‌گردد و سپس با استفاده از تجزیه چند جهتی یک نمایش چند رزولوشنی فراهم می‌گردد. نتایج آزمایش‌ها نشان می‌دهد که الگوریتم پیشنهادی عملکرد بهتری نسبت به الگوریتم‌های ترکیب مبتنی بر کانتورلت و موجک دارد.

موازي‌سازي و بهبود محليت داده‌ها براي حلقه‌هاي تودرتو به عنوان دو راهکار تاثیرگذار در سرعت اجرایی برنامه‌های محاسباتی و علمی مطرح هستند. مسئله‌ای که وجود دارد این است که موازی‌سازی در جهت توزیع داده‌ها و بهبود محلیت در جهت تجمیع داده است و در واقع نوعی تضاد ضمنی در راه رسیدن به این دو هدف وجود دارد. در این مقاله راهکاری در جهت استخراج توازي دانه‌درشت با در نظر گرفتن استفاده مجدد داده‌ها براي اجرا بر روي پردازنده‌هاي چندهسته‌اي ارائه شده است. در روش پيشنهادي، سعی می‌شود با استفاده از مدل چندوجهی یک تابع زمانبندی برای حلقه‌های تودرتو به نحوی بدست آید که منجر به تکرارهای مستقل برای حلقه‌های بیرونی‌تر شده و قابلیت اجرای موازی آنها را نتیجه دهد. همچنین با ارضای وابستگی‌ها در سطوح داخلی‌تر حلقه‌ها سعی در کاهش فاصله استفاده مجدد داده‌ها است. با توجه به اينکه در روش پيشنهادي موازي‌سازي حلقه‌ها در کنار بهبود محليت قرار گرفته است، بخش‌هاي موازي ايجاد شده داراي محليت دسترسي به داده‌ها بوده و منجر به افزايش کارايي برنامه‌ها مي‌شود. نتايج ارزيابي روش پيشنهادي بر روي برنامه‌هاي مختلف نشان از کارايي بالاي روش پيشنهادی در بهبود سرعت اجرایی برنامه‌ها دارد.

با پیدایش وب 2، مشارکت مخاطبان در دنیای اینترنت سهم عمده‎‌‎ی تولید محتوا را به خود اختصاص داده است. یکی از ساده‎ترین و رایج‎ترین ابزار تولید محتوا در اینترنت وبلاگ‌ها هستند. در این مقاله تمرکز ما بر روی بازیابی وبلاگ‌ها یا جستجوی وبلاگ‌ها می باشد. هدف اصلی در یک سیستم جستجوی وبلاگ‌ها، بازیابی وبلاگ‌هایی است که موضوع اصلی آنها مطابق با پرس‌وجوی کاربر می‌باشد. لذا در این مقاله سعی شده است با استفاده از مجموعه داده استاندارد irBlogs ، به بررسی و مقایسه روش‌های مختلف بازیابی وبلاگ‌ها در زبان فارسی بپردازیم. سپس روش ر‌ای‌دهی را با تعریف یک فاکتور مرتبط بودن و سطح بندی نتایج بر اساس آن،توسعه داده‌ایم. نتایج حاکی از این است که روش پیشنهادی باعث بهبود چشمگیری در معیاری‌های مختلف بازیابی وبلاگ‌ها، نسبت به روش رای‌دهی شده است.

یک سیستم توزیع ‏شده مجموع‌ه‏ای از کامپیوترهای مستقل از هم است که از دید کاربران یک سیستم منفرد به نظر می‏رسد. هنگامی که یک سیستم توزیع‏‌شده توسعه می‏یابد مسأله تکرارسازی اشیا داده‏ای تبدیل به یک مبحث مهم می‏گردد. تکرارسازی، دسترسی به داده‏‌ها را در غیاب یک سرور یا خرابی‏های مربوط به خطوط ارتباطی بهبود بخشیده و از طریق فراهم نمودن دسترسی‌‏های محلی سبب می‏شود کاربران با تأخیر کم‏تری در دست‏یابی به اطلاعات مواجه شوند. انتخاب یک شی داده‏ای جهت تکرارسازی و جای‏گذاری آن بر روی سرورهای موجود در سیستم، یک مسأله بهینه‏‌سازی است که می‏تواند تأثیری مهم بر کارایی کل سیستم ایجاد نماید. در طول چند دهه اخیر الگوریتم‌‏های مکاشف‌ه‏ای به منظور غلبه بر مسائل بهینه‏‌سازی در مقالات متعدد ارائه شده‏اند. این الگوریتم‌‏ها به طور گسترده‏ای به عنوان ابزارهایی برای جستجو و بهینه‏سازی در حل مسائل مختلف مورد استفاده قرار گرفته‌‏اند؛ در این مقاله با استفاده از الگوریتم رقابت استعماری و الگوریتم مکاشف‌ه‏ای HBM-PS و یک جستجوی جامع در فضای پاسخ، راه‏‌حلی مقبول برای مسأله جای‏گذاری نسخه‏‌های کپی در سیستم‌‏های توزیع‏‌شده در حوزه ایستا ارائه می‏‌گردد. آزمایشات عملی، برتری این الگوریتم را نسبت به دیگر الگوریتم‌‏های ارائه شده جهت حل مسأله مورد بحث در شاخه تکاملی و هوش ازدحامی نشان می‏‌دهد.

يكي از مهم‌ترين اهداف شبكه‌هاي حسگر بي‌سيم جمع‌آوری داده است. در طراحی پروتکل‌های جمع‌آوری داده، مقیاس‌پذیری، کاهش مصرف انرژی و کاهش تاخیر از مهمترین فاکتورهای مورد توجه در شبکه‌های حسگر با مقیاس وسیع به شمار می‌روند. به منظور رسیدن به این اهداف یکی از روش‌ها حرکت سینک است. الگوريتم پیشنهادی از خوشه‌بندی به منظور مقیاس‌پذیری برای جمع‌آوری داده استفاده می‌کند. الگوریتم خوشه‌بندی ارائه شده، به منظور توازن بار در تمام قسمت شبکه و جلوگیری از ایجاد گلوگاه در قسمتی از شبکه، از پارامتر فاصله هر گره حسگر تا ناحیه وعده‌گاه که در واقع همان ناحیه جمع‌آوری داده است، استفاده می‌کند. این پروتکل با انتخاب ناحیه‌ای در مرکز شبکه و مشخص کردن تعدادی سایت در این ناحیه به جمع‌آوری داده می‌پردازد و پس از مدتی که سطح انرژی گره‌های موجود در سایت‌ها از حد آستانه کمتر شد، آن سایت را خاموش و با استفاده از گره‌های خواب سایت دیگری را ایجاد می‌کند. پس از اینکه داده‌های شبکه در سایت‌های فعال جمع‌آوری شدند، سینک با انتخاب مدل حرکتی مناسب و توقف در سایت‌های شبکه به جمع‌آوری داده می‌پردازد. شبیه‌سازی انجام شده در محیط ns-2 جهت مقایسه کارایی رویکرد پیشنهادی با مدل‌های حرکتی مختلف نشان می‌دهد که الگوريتم پيشنهادي به میزان قابل توجهی مصرف انرژي و تاخیر در جمع‌آوری داده در شبكه‌هاي حسگر بي‌سيم را کاهش می‌دهد.

امروزه بات‏نت‏ها به یکی از جدی‏ترین تهدیدات در فضای اینترنت تبدیل شده‌اند. در هر بات‌نت از یک بستر ارتباطی با نام کانال فرمان و کنترل برای هدایت میزبان‌های آلوده به بات استفاده می‌شود. از آن‌جا که با شناسایی کانال‏های فرمان و کنترل به آسانی می‏توان بات‏نت‏های مختلف را متلاشی کرد، شناسایی این کانال‏ها در روش‏های تشخیص بات‏نت از اهمیت زیادی برخوردار است. مهاجمین با هدف افزایش طول عمر بات‌نت‌های خود از استراتژی‏های متفاوتی برای ایجاد کانال‏های فرمان و کنترل استفاده می‌کنند. در سال‌های اخیر شبکه‌های اجتماعی به دلیل دارا بودن میلیون‏ها کاربر فعال مورد توجه مهاجمین قرار گرفته‌اند، به طوری که انواع مختلفی از بات‌نت‌های نسل جدید مبتنی بر شبکه‌های اجتماعی معرفی شده است. در این مقاله، روشی با نام سوتریا برای تشخیص بات‌نت‌های نسل جدیدی پیشنهاد می‌شود که از نهان‌نگاری در تصاویر اشتراکی کاربران شبکه‌های اجتماعی برای ایجاد کانال‌های فرمان و کنترل پنهان استفاده می‌کنند. در روش پیشنهادی با بررسی تصاویر اشتراکی در شبکه اجتماعی فعالیت‌های گروهی مشکوک به بات کاربران در دوره‏های زمانی متفاوت شناسایی شده و میزان شهرت منفی هر کاربر با توجه به سابقه و شباهت فعالیت‏های گروهی مشکوک به بات وی محاسبه می‏شود. در نهایت کاربران با شهرت منفی بالا به عنوان کاربران آلوده به بات گزارش می‌شوند. نتایج آزمایش‏ها نشان می‏دهند که روش سوتریا قادر است کانال‌های فرمان و کنترل پنهان مبتنی بر شبکه‌های اجتماعی را با نرخ هشدار نادرست پایین شناسایی کند.

الگوهای طراحی، ساختارهای اثبات شده و قابل اطمینانی هستندکه برای حل برخی ازمشکلاتی¬که به طورمکرردر طراحی نرم‌افزار شی‌گرا رخ می‌دهد، بکار برده می‌شوند. هرالگو هدف و ساختار مشخصی دارد. بنابراین شناسایی خودکارالگوهای طراحی می‌تواند هدف و طرح کد نرم افزاری را بازیابی کند و هزینه و زمان نگهداشت پذیری را کاهش دهد. تاکنون ابزارها و روش‌های زیادی برای شناسایی خودکار الگوهای طراحی ارائه شده است. خروجی تولید شده توسط این ابزارها هنوز هم دارای مثبت کاذب زیادی است (خصوصا در شناسایی الگوهای با ساختار مشابه). از اینرو روش‌های پالایش خودکار نتایج ابزارها نیزپیشنهاد شدند. روش‌های پالایش سعی بر شناسایی مثبت کاذب نتایج، برای ارائه ی یک خروجی مطمئن تردارند. در این مقاله یک پالایش ترکیبی ارائه شده است. ابداع این پالایش نسبت به روش¬های قبلی، استخراج معیارهای جدید با ثباتی است که به خوبی می‌توانند، یک الگو را با در نظر گرفتن الگوهای با ساختار مشابه پالایش کند. خودکارسازی این پالایش با استفاده از روش‌های داده‌کاوی می‌باشد. این معیارها اولین دسته ای هستند که خصوصیت ثابت الگوریتمیک الگوی استراتژی را جستجو کرده اند. نتایج حاصل از روش پالایش ارائه شده، با دقت یادگیری 98.2% تا 100% الگوها را بصورت صحیح شناسایی می‌کند.