انجمن کامپیوتر ایران

در این مقاله برای بهبود صحت طبقه بندی تصا ویر ابرطیفی از اطلاعات بافت باند اول تبدیل مولفه های اصلی استفاده شده است.با توجه به بالا بودن اطلاعات مکانی در باند اول تبدیل مولفه های اصلی، از آن به عنوان یک منبع اطلاعاتی مستقل استفاده شد و بافت آن بوسیله شش ویژگی مهم ماتریس هم رخدادی شامل انرژی ،آنتروپی ،کنتراست ،واریانس ،همبستگی و گشتاور تفاضلی معکوس تح لیل گردید و با استفاده از این ویژگیهای باف تی پیکسلها طبقه بندی گردیدند. سپس نتیجه این طبقه بندی با اطلاعات طبقه بندی طیف ادغام گردید. نتایج پیاده سازی این روش بر روی داده ه ای واقعی سنجنده AVIRIS نشان می دهد که این روش، روش ساده و مناسبی برای وارد کردن اطلاعات مکانی در تصاویر ابر طیفی است و صحت و اعتبار طبقه بندی را در حد قابل ملاحظه ای افزایش می دهد.

تعيين عبارات اسمي هم -مرجع يكي از شاخه هاي تحقيقاتي مطرح در زمينه پردازش زبا ن هاي طبيعي است و نقش موثري در كاربردهايي همچون ترجمه ماشيني، خلاصه سازي خودكار متون، پاسخگويي خودكار به سوالات و استخراج اطلاعات دارد كه در هر يك از آ ن ها درك صحيحي از متن حائز اهميت است . تعيين عبارات اسمي هم -مرجع به فرايندي اطلاق مي شود كه در آن تمام عبارات اسمي كه به يك موجوديت واحد اشاره دارند، تعيين مي گردند. فرايند تعيين عبارات اسمي هم -مرجع را مي توان به دو دسته روش هاي زبان شناسي و روش هاي يادگيري ماشين تقسيم نمود. روش هاي زبان شناسي به اطلاعات زبان شناسي بسياري نياز دارند كه بدست آوردن اين اطلاعات فرايندي پر خطا و زمان بر است . ولي رو ش هاي يادگيري ماشين به اطلاعات زبا ن شناسي كمتري احتياج دارند و با بكارگيري آ ن ها نتايج بهتري حاصل مي شود. فرايند تعيين مرجع ضماير، يك زي ر بخش مهم و چال ش انگيز از فرايند تعيين عبارات اسمي هم -مرجع است كه در آن تنها تعيين مرجع ضماير مورد توجه قرار مي گيرد . در اين مقاله، ابتدا روش هاي يادگيري ماشين بكار رفته در حوزه تعيين عبارات اسمي هم مرجع /تعيين مرجع ضماير دسته بندي و شرح داده م ي شوند و سپس نحوه اعمال دو روش بر روي زبان فارسي، ارائه شده و نتايج آ ن ها گزارش خواهد شد.

در اين مقاله روشي براي درستي سنجي سخت افزار ١ و توليد خودکار بردار آزمون بر اساس مشخصات طرح ارايه شده است . در اين روش بر خلاف ساير روش هاي تحليل تحول عملگر هاي خطا روي خصوصيات سيستم تعريف مي شوند و نه پياده سازي آن. سپس براي هر خطا الگوي آزموني توليد مي شود که آن را آشکار کند. ادعاي ما بر اين است که اين روش ما را بي نياز از دانش در مورد نحوه پياده سازي مي کند و همچنين تنگناي زماني که در ديگر روشهاي تحليل تحول وجود دارد در اين روش وجود ندارد.

الگوريتم هاي آموزش تقويتي فازي با معماري نقاد-تنها، با انتشار خطاي تفاضل موقتيِ ارزش-عمل، تنها پارامترهاي تالي قواعد فازي را تنظيم مي كنند. اين مقاله به ارائه يك روش جديد براي تنظيم توابع عضويت ورودي براي ابن الگوريتم ها مي پردازد. يك تابع هزينه بر مبناي خطاي تفاضل موقتي ارزش-عمل تعريف شده و آنگاه مقدار پارامترهاي توابع درجه عضويت ورودي در جهت كاهش مقدار تابع هزينه تنظيم مي گردد. راهكار مذكور در الگوريتم "آموزش سارساي فازي بهبود يافته (EFSL) كه يك الگوريتم نقاد- تنها براي تنظيم روي خط تالي قواعد سيستم فازي سوجنو مرتبه صفر است، بكار گرفته . مي شود EFSL كه قابليت تنظيم توابع عضويت ورودي را دارد AEFSL مي ناميم. جهت ارزيابي، هر دو الگوريتم EFSL و AEFSL براي تنظيم پارامترهاي كنترلگر در مساله ناوبري ربات "خپرا" در محيطهاي شامل موانع استفاده مي گردد. محيطهاي آموزش و تست در شبيه ساز KIKS فراهم شده اند. نتايج شبيه سازي حاكي از بهبود در يادگيري و عملكرد مناسب ربات پس از آموزش است.

در اين مقاله يک روش جديد براي بخش بندي تصوير بافتي پيشنهاد مي شود. اين کار با ارائه يک روش استخراج ويژگي با استفاده از مشتقات جهت ي انجام مي شود. هم چنين به منظور استفاده از خواص آماري تصويرهاي مربوطه، از روش مبتني بر ناحيه به جاي روش مبتني بر لبه استفاده مي گردد. از طرفي از كمينه سازي انرژي و به طور خاص از سطوح همتراز براي يافتن ناحيه هاي حاصل از بخش بندي با يک چهار چوب متغي ر براي به روز كردن منحني استفاده مي شود. نتايج بخش بندي با الگوريتم پيشنهادي روي تصاوير مختلف بافت رنگي بيانگر دقت بالاي روش پيشنهادي مي باشد . علاوه بر ا ي ن، روش پيشنهادي در بخشبندي تصاوير نويزي نيز قدرتمند ميباشد.

انتقال جريانهاي ويديويي در شبکههاي حسگر، چالش ه اي زيادي به همراه دارد. يکي از اين چالشها احتمال زي اد وقوع ازدحام است که به دليل بالا بودن نرخ و خاصيت انفجاري جريانهاي وي ديويي و همچنين محدوديت منابع در شبکههاي حسگر پديد ميآي د. در اي ن مقاله، يک روش کنترل ازدحام جديد براي اين نوع شبکهها معرفي شده است. اين روش هم محدوديتهاي موجود در شبکهه اي حسگر مانند محدوديت انرژي و حجم بافر کم گرهها و هم محدوديتهاي کاربردهاي ويديويي مانند حساسيت به تاخير و تغييرات آن را در نظر گرفته است . روش پيشنهادي از تفاوتهايي که ميان اولوي ت بسته ه اي وي ديويي وجود دارد، براي کنترل ازدحام استفاده ميکند. نت ايج ارزيابي که با شبيه ساز NS2 و ابزار Evalvid انجام شده، نشان ميدهد که استفاده از اين روش علاوه بر بالا بردن کيفيت ويديوي دريافتي، انرژ ي کمتري از گرهها را نيز مصرف ميکند.

ترجمه ماش يني مي تواند د ر سطوح مختلف پردازش زبان انجام شود كه هر چه عمق تحل يل بي شتر باشد (سطوح بالاتر ) به پردازش پيچيده تر و نت يجه مطلوب تر منجر خواهد شد . ما در ا ي ن مقاله به صورت مختصر نتيجه پياده ساز ي ي ك مترجم ماش يني از زبان فارس ي به انگل يسي را شرح خواهيم داد كه از سطح معنايي براي ترجمه استفاده مي كند. مترجم توليد شده مبتن ي بر قاعده بوده و گرامرهاي مورد استفاده در آن براي هر دو زبان انگليسي و فارسي بر اساس تئوري گرامري HPSG بنا شده است . معنا در اين مترجم توسط ساختار معنايي MRS نمايش داده مي شود.

بازشناسي زبان، تشخيص زبان يك گفتار يا گويش تلفني ضبط شده مي باشد كه امروزه با توسعه استفاده از فناوري اطلاعات در صنايع مختلف كاربردهاي آن روز به روز افزايش مي يابد . در اين مقاله براي دسته بندي زبان يك گويش تلفني از روش هاي ،PRLM ،GMM PPRLM و PPR استفاده مي شود. آزمايش ها بر روي دادگان تلفني OGI-MLTS انجام شده است. بهترين نتيجه بدست آمده مربوط به روش PPR است كه با دقت 87/91% داده هاي 45 ثانيه اي و با دقت %79/48 داده هاي 10 ثانيه اي زبان فارسي و انگليسي را از هم تشخيص مي دهد. بهترين راندمان بدست آمده براي تشخيص همزمان 10 زبان به كمك روش GMM برابر 59/94% است.

متناسب با کاربرده اي مختلف ، پروتکلهاي گوناگوني بر اي کنترل دسترسي به کانال در شبکهه اي حسگر ز يرآب ي طراح ي شده است. ولي تا بحال ي ک پروتکل خوشه اي مناسب بر اي کاربرده اي مانيتورينگ بلادرنگ توسعه نيافته است. يکي از معمار ي پروتکل ه اي کارا براي کاربردهاي مذکور در شبکههاي خشکي LEACH است . در اين مقاله خواهيم ديد که به کار بردن پروتکل LEACH اصلي در زير آب به دليل مشکلات محيطي اعم از تأخير انتشار و واريانس اين تأخير، متداول بودن خرابي گرهها و خطاي بيت بالا در ارتباطات صو تي عملاً شبکه را از فعاليت بازميدارد. ولي ميتوان با اعمال تغ ييرات ي شامل گستردهتر کردن مراحل فاز پيکربندي و ارسال بستة کنترل ي از سو ي سرخوشه براي گرههاي سالم، کارايي اين پروتکل را از منظر بهره وري استفاده از پهناي باند تا ۶۰ % بازي ابي کرد و پيوست گي اطلاعات را در بيشتر از % ۹۹ زمان تضمين کرد.

Abstract—In this paper we discussed about utilizing methods and techniques of semantic web in the Intrusion Detection Systems. To extract semantic relations between computer attacks and intrusions in a Distributed Intrusion Detection System, we use ontology. Protégé software is our selected software for building ontology. In addition, we utilized Jena framework to make interaction between MasterAgent and attacks ontology. Our Distributed Intrusion Detection System is a network which contains some IDSagents and a special MasterAgent. MasterAgent contains our proposed attacks ontology. Every time a IDSagent detects an attack or new suspected condition, it sends detection’s report for MasterAgent. Therefore, it can extract the semantic relationship among computer attacks and suspected situations in the network with proposed ontology. Finally, the experience shows that the pruposed system reduced the rate of false positive and false negative.

Wireless sensor networks are limited in energy. Any routing protocol used in wireless sensor networks should take into consideration the time sensitive nature of the traffic in such networks, along with the amount of energy left for each sensor. In this paper we present an energy aware packet delivery mechanism for probabilistic Quality of Service (QoS) guarantee in wireless sensor networks. Each node takes routing decisions based on geographic progress towards the destination sink, required end-to-end total reaching probability, delay at the candidate forwarding node and residual energy. The simulation results demonstrate that the proposed protocol effectively improves the energy usage efficiency of the sensor nodes, maximizing the lifetime of the entire sensor network, while keeping guaranteed QoS.

A user of Brain Computer Interface (BCI) system must be able to control external computer devices with brain activity. Although the proof-of-concept was given decades ago, the reliable translation of user intent into device control commands is still a major challenge. There are problems associated with classification of different BCI tasks. In this paper we propose the use of chaotic indices of the BCI. We use largest Lyapunov exponent, mutual information, correlation dimension and minimum embedding dimension as the features for the classification of EEG signals which have been released by BCI Competition IV. A multi-layer Perceptron classifier and a KMSVM( support vector machine classifier based on kmeans clustering) is used for classification process, which lead us to an accuracy of 95.5%, for discrimination between two motor imagery tasks.

Classification is a well known task in data mining and machine learning that aims to predict the class of items as accurately as possible. A well planned data classification system makes essential data easy to find. An object is classified into one of the categories called classes according to the features that well separated the classes. Actually, classification maps an object to its classification label. Many researches used different learning algorithms to classify data; neural networks, decision trees, etc. In this paper, a new classification approach based on cooperative game is proposed. Cooperative game is a branch of game theory consists of a set of players and a characteristic function which specifies the value created by different subsets of the players in the game. In order to find classes in classification process, objects can be imagine as the players in a game and according to the values which obtained by these players, classes will be separated. This approach can be used to classify a population according to their contributions. In the other words, it applies equally to different types of data. Through out this paper, a special case in medical diagnosis was studied. 304 samples taken from human leukemia tissue consists of 17 attributes which determine different CD markers related to leukemia were analyzed. These samples collected from different types of leukemia at Iran Blood Transfusion Organization (IBTO). Obtained results demonstrate that cooperative game is very promising to use directly for classification.

Two popular and better performing approaches to language Identification (LID) are Phone Recognition followed by Language Modeling (PRLM) and Parallel PRLM. In this paper, we report several improvements in Phone Recognition which reduces error rate in PRLM and PPRLM based LID systems. In our previous paper, we introduced APRLM approach that reduces error rate for about 1.3% in LID tasks. In this paper, we suggest other solution that overcomes APRLM. This new LID approach is named Generalized PRLM or GPRLM. Several language identification experiments were conducted and the proposed improvements were evaluated using OGI-MLTS corpus. Our results show that GPRLM overcomes PPRLM and APRLM about 2.5% and 1.2% respectively in two language classification tasks.

A new structure learning approach for Bayesian networks (BNs) based on asexual reproduction optimization (ARO) is proposed in this paper. ARO can be essentially considered as an evolutionary based algorithm that mathematically models the budding mechanism of asexual reproduction. In ARO, a parent produces a bud through a reproduction operator; thereafter the parent and its bud compete to survive according to a performance index obtained from the underlying objective function of the optimization problem; this leads to the fitter individual. The proposed method is applied to real-world and benchmark applications, while its effectiveness is demonstrated through computer simulation. Results of simulation show that ARO outperforms GA because ARO results good structure in comparison with GA and the speed of convergence in ARO is more than GA. Finally, the ARO performance is statistically shown.

The presence of undetected direct path conditions in the TOA (Time of Arrival)-based indoor geolocation introduces major errors into distance measurements. In the proposed location estimation, an improved procedure is introduced in Ultra-wideband (UWB) systems in Line of Sight (LOS) and Non-Line of Sight (NLOS) multipath environments by incorporating the skewness as new statistic information of multipath channel. Weighted least square error (WLS) algorithm is used to estimate source position in this paper. Simulation results show effectiveness of the proposed algorithm, by reducing source localization error. Uncertainty region between NLOS and LOS identification is reduced in the proposed method compared to previous methods..