انجمن کامپیوتر ایران

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.

در این مقاله یک فیلتر فازی - ویولت برای کاهش اثر نویزهای گوسی جمع شونده با تصویر ارائه شده است. این فیلتر از دو بخش تشکیل شده است. بخش اول مشتق فازی را در 8 جهت مختلف متناظر با همسایگی‌های 3*3 پیکسل میانی بدست می‌آورد؛ در بخش دوم از این مشتقات جهت‌دار فازی وزن داده شده برای نرم‌سازی تصویر استفادده می‌شود. برای پیداکردن میزان نویز موجود در تصویر و توزیع آن از اختلاف میان تصویر نویزی و تصویر حذف نویز شده توسط روشBayes shrink استفاده می‌شود. روشBayes shrink یک روش حذف نویز بر اساس تبدیل ویولت است که جزئیات تصویر و لبه‌ها را حفظ می‌نماید. برای نشان دادن کارایی، روش ارائه شده پیاده‌سازی گردید و نتایج بدست آمده با فیلترهای مشابه گردید که حاکی از موثر بودن فیلتر ارائه شده می‌باشد.