انجمن کامپیوتر ایران

اطلاعات در مورد مکان گره ها، یکی از ملزومات حیاتی در بسیاري از کاربردهاي شبکه هاي حسگر بیسیم است. اصطلاح مکان یابی به فرآیندي اطلاق می شود که در طی آن هر گره شبکه مکان خود را مشخص می کند. مقالات بسیاري در مورد مکان یابی برپایه لنگرگاه ارائه شده اند. لنگرگاه گره اي است که از مختصات خود قبل از فرآیند مکان یابی اطلاع دارد. سایر گره ها با استفاده از این اطلاعات مکان خود را تشخیص می دهند. استفاده از لنگرگاه در شبکه به دلیل استفاده لنگرگاه ها از تجهیزات جانبی مانند سیستم موقعیت یاب جهانی (GPS) و مصرف انرژي بالاي آنها با محدودیتهایی روبروست. جهت حذف این محدودیتها ما در این مقاله یک الگوریتم بدون نیاز به لنگرگاه ارائه کرده ایم که بسیار آسان و بدون صرف انرژي زیاد و با تعریف پارامتر کیفیت مکان محاسبه شده، فرآیند مکان یابی را با دقت خوبی انجام می دهد. در این الگوریتم ابتدا از بین گره هاي شبکه یک گره بعنوان مبدا مختصات نسبی شبکه در نظر گرفته شده و سپس با تعریف یک پارامتر کیفیت سایر گره ها با توجه به این مبدا مختصات خود را محاسبه می کنند. نتایج شبیه سازي نشان می دهد که این الگوریتم با سرعت و دقت قابل قبول و با مصرف پایین انرژي قادر به مکان یابی گره ها در یک شبکه حسگر بیسیم است.

با توجه به افزايش حجم مستندات متني، براي پاسخگويي به نيازهاي اطلاعاتي كاربران، ديگر تكنيكهاي بازيابي اطلاعات به تنهايي كارا نيستند . مطالعه حجم زياد متون ب راي كاربران بسيار سخت و زمانگير است و دراختيار داشتن خلاصه اي از مطالب مهم آنها، مي تواند بسيار مفيد باشد . فرآيند فشرده سازي يك منبع به صورتي كه حاصل حاوي اطلاعات مهم آن باشد را خلاصه سازي گويند . خلاصهسازي متون منجر به استفاده از منابع بيشتر با سرعت بالاتر و در نتيجه حاصل شدن اطلاعات غنيتر ميشود. در اين مقاله ابتدا به بررسي انواع سيستم هاي خلاصه سازي خودكار و مروري بر سيستم هاي خلاصه سازي فارسي خواهيم پرداخت . سپس به معرفي سيستم خلاصه سازي فارسي ساخته شده با نام PARSUMIST پرداخته و نتايج ارزيابي سيستم و مقايسه آن با نمونه هاي مشابه را ارائه خواهيم نمود . سيستم معرفي شده از تركيبي از روش هاي كلاسيك، آماري و معنايي براي توليد خلاصه مستخرج از متون تك سندي و چندسندي فارسي بهره ميبرد.

در اين مقاله روشي جديد از پياده سازي كدينگ سازگار با اعمال تغييراتي در پياده سازي الگوريتم هافمن سازگار ارائه شده است . تغييرات به وجود آمده موجب كاهش تعداد تغييرات بيتي در بيت هاي خروجي كد كننده و در نهايت كاهش مصرف توان در كدكننده و ديكدكننده مي شود. تغييراساسي اعمالي در روش ارئه شده ، شامل حذف مرحله ي به روز رساني درخت هافمن سازگار بعد از اولين رخداد هر نماد منبع، و تغيير در نحوه ي به روزرساني درخت است. به منظور - ارزيابي روش ارائه شده از دوگروه فايل به عنوان منبع استفاده شد : 1 فايل متني 2- فايل تصويري تبديل شده به فايل متني توسط MIME64 نتايج به دست آمده از به كار گيري روش فوق در كدكردن فايل هاي كاراكتري در 4 گروه با حجم هاي متفاوت از 100 بايت تا 1000 كيلو بايت، كاهش به طور متوسط 40 % و 17 % تغييرات بيتي به ترتيب نسبت به روش هاي كدينگ اسكي و هافمن سازگار را نشان داد. همچنين روش ارائه شده بر روي 14 تصوير محك كاهش تقريبي و به ترتيب 42 % و 23 % تغييرات بيتي را با استفاده از روش مذكور نس بت به روش هاي كدينگ اسكي و ويتر را نشان مي دهد.

در اين مقاله يک روش مبتني بر ناحيه براي ثبت تصاوير هوايي که نسبت به چرخش و ت غيير م قياس حساس ن ميباشد، ارائه شده است. متداولترين ا شياء موجود در تصا وير هوايي سطوح بامها ميباشن د که نوا حي با محتواي اطلاعا تي ک م ايجاد ميکنن د. با استفاده از اين خصوصيت هست ه هاي اوليه يافته شده و با کمک روش رشد ناحيه، نواحي مطلوب استخرا ج و مراکز جرم آنها بعنوان نقاط مشخصه انتخاب ميشوند. در شروع فرآيند جستجو براي يافتن نقاط متناظر، با استفاده از اطلاعات شکلي به هر ناحيه تعدادي کانديداي تناظر نسبت داده ميشود. بمنظور کاهش تعداد کانديداها شرط همساي گي را اعمال ميکني م. با توجه به شباهت توزيع زا ويه اي جفتهاي صحي ح نسبت به ه م در دو تصوير و اي نکه نسبت تغيير مقياس بين تمام جفتهاي صحي ح، داراي مقداري ثابت و برابر با تغيير مقياس بين دو تصوير ميباش د، بر اسا س مفهومي از برچسب گذاري relaxation relaxation عمومي در فرآيند جستجو ميشوند را م ي يابيم. در پ ايان با رأي گيري بين توابع تبديل ، جفته اي ص حيح نه ايي استخراج ميشوند. الگوريتم بر روي تصاوير متعددي از شهر تهران تست شده و در ۸۰ % از تصاوي ر با مقياس ۱تا ۳ و در ۱۰۰ % تصاوير با مقياس ۱ و چرخش صفر تا ۳۶۰ درجه نتايج صحيحي بدست آمده است.

In WDM all-optical networks, physical impairments degrade optical signal to noise ratio (OSNR). Therefore, the quality of a lightpath must be checked during connection setup. Since during a lightpath setup, it may inject crosstalk on all previously established lightpaths with which it shares links or nodes, OSNR for those lightpaths should be checked as well as the OSNR of the tentative lightpath. If the number of hops for a lightpath increases, the amount of OSNR degradation increases due to crosstalk. Hence, longer paths are subject to higher QoT degradation due to crosstalk. In this paper, we enhance OSNR degradation for different lightpaths with different hop numbers in such a way that OSNR degradation for long-hop lightpaths becomes closer to short-hop lightpaths, i.e., a fair OSNR degradation. We provide a mechanism to estimate crosstalk risk at the routing process by which we can find the nodes with positive crosstalk risk. Then, rerouting procedure is used to reduce the crosstalk risks of these nodes by migrating some of lightpaths that pass through the nodes.

A collection of web pages which are about a common topic and are created by individuals or any kind of associations that have a common interest on that specific topic is called a web community. Since at present, the size of the web is over 3 billion pages and it is still growing very fast, identification of web communities has become an increasingly hard task. In this paper, a method based on asynchronous cellular learning automata (ACLA) for identification of web communities is proposed. In the proposed method first an asynchronous cellular learning automaton is used to determine the related pages and their relevance degree (the relationship structure of web pages). For determination of relationship structure of web pages information about hyperlinks and the users’ behaviour in visiting the web pages are used. Then, an algorithm similar to the HITS algorithm is applied on the obtained structure to identify the web communities. One of the advantages of the proposed method is that the web community obtained using this method is not dependent on a specific web graph structure. To evaluate the proposed approach, it is implemented and the results are compared with the results obtained for two existing methods, HITS and a complete bipartite graph based method. Experimental results show the superiority of the proposed method.

Polynomials are one of the most powerful functions that have been used in many fields of mathematics such as curve fitting and regression. Low order polynomials are desired for their smoothness1, good local approximation and interpolation. Being smooth, they can be used to locally approximate almost any derivable function. This means that when linear functions fail in approximation (e.g. where the first order Taylor expansion equals zero) polynomial functions can be used in local approximation, such that one can achieve better estimations at extremums. In this paper, application of polynomial kernel functions in locally linear neurofuzzy models is shown. Using polynomial kernels in local models, better local approximations in prediction of chaotic time series such as Mackey-Glass is achieved, and the capability of the neurofuzzy network is enhanced.

Recently, a technique has been proposed for image hiding, that is based on block texture similarity where, blocks of secret image are compared with blocks of a set of cover images and the cover image with the most similar blocks to those of the secret image is selected as the best candidate cover image to conceal the secret image. In this paper, we propose a new image hiding method in which, the secret image is initially coded using a fuzzy coding/decoding method. By applying the fuzzy coder, each block of the secret image is compressed to a smaller block. In this way, after compressing the secret image to a smaller one, we hide it in a cover image. Obviously hiding a smaller secret image causes less distortion in the stego-image (the image that has secret image or data) and therefore higher quality stego-image is obtained. Consequently, the proposed method provides higher embedding rate and enhanced security.

This paper describes the theory and implementation of dynamic Bayesian networks in the context of speaker identification. Dynamic Bayesian networks provide a succinct and expressive graphical language for factoring joint probability distributions, and we begin by presenting the structures that are appropriate for doing speaker identification in clean and noisy environments. This approach is notable because it expresses an identification system using only the concepts of random variables and conditional probabilities. We present illustrative experiments in both clean and noisy environments and our experiments show that this new approach is very promising in the field of speaker identification.

In this paper a two step method based on Gauss- Newton and factor graphs algorithm is proposed for localization to enhance accuracy of localization. The Gauss-Newton algorithm is accurate method for positioning. The most important challenge of this method is senility to initial point; this problem is solved in positioning based on factor graphs. So, in this paper, first positioning equations using angle of arrival is considered based on factor graphs algorithm. Second, final location estimation is performed using Gauss Newton algorithm with error near to Cramer-Rao bound. Simulation results shows that positioning error using two step method has maximum 6% gap to Cramer-Rao Bound.