انجمن کامپیوتر ایران

در این مقاله یک روش جدید ترکیبی برای ادغام تصاویر چند طیفی سنجنده TM با دقت تفکیک مکانی۳۰متر را با تصویر تک رنگ سنجندهSPOTبا دقت تفکیک مکانی 10مترارائه شده است. در روشپیشنهادی با استفاده از یک فرایند پسخور کنترل شونده، مزایای تبدیلهای تحلیل مولفه اصلی (PCA) و تبدیل فیلتر بالا گذر (HPF)، تبدیل موجک(WT)، تبدیلگرام اشمیت(GST)و تبديل IHSحفظ و از معایب آنها اجتناب شده است. معمولاًدر فرایند ادغام، اطلاعات طیفی تصاویر چند طیفی مغشوش می شود و اطلاعات مکانی تصاویر تک رنگ مورد تخریب قرار می گیرند. حفظ هم زمان این اطلاعات (مکانی و طیفی) در تصویر حاصل از فرایند ادغام نشان دهنده توانایی یک فرایند در ادغام می باشد. در این روش با استفاده از یک پسخور مناسب کیفیت فرایند ادغام بهبود می یابد. برای ارزیابی بهبود کیفیت ادغام از معیار های توام همبستگی مکانی ومعیار همبستگی طیفی استفاده شده است.نتایج روشپیشنهادی در مقایسه با روشهای متداول بهبود یافته است.

این مقاله یکی از دغدغه‌های بزرگزبان‌شناسی محاسباتی یعنیبرچسب‌گذاری ادات سخن کلمات ناشناخته را مورد بحث و تحقیق قرار داده است. برچسب‌گذاری ادات سخن که یکی از پایه‌ای‌ترین نیازهای پردازش هوشمند متن به حساب می‌آید، وابسته به زبان متن مورد پردازش است. از این رو فراهم‌سازی برچسب‌گذاربا دقت بالا برای زبان فارسی جزو اولویت‌های کار نویسندگان مقاله قرار گرفته است. تکنیک مورد کاربرد ما برای حل مسأله‌ی کلمات ناشناخته،استفاده‌ی ترکیبی از الگوریتممدل مخفی مارکف به همراه قوانین انجمنی بوده است. الگوریتم مدل مخفی مارکف در بسیاری از برچسب‌گذارهای ادات سخن گذشته به کار گرفته شده[2,3]است و جزو بهترین متدهای مورد استفاده در برچسب‌گذارها به حساب می‌آید. طبق آزمایش‌های انجام شده در این تحقیق، با استفاده از قوانین انجمنیمی‌توان دقت برچسب‌گذاری کلمات ناشناخته فارسی را به 81.2% افزایش داد. این در حالی است که میزان دقت کلی و سرجمع برچسب گذار ارائه شده برابر با 98% است.

در این مقاله چهار روش با هدف یافتن کوتاهترین مسیر بین مبدأ و مقصد در یک محیط مشخص ارائه شده است. برای روش شناخته شده گرادیان یک پیشنهاد در راستای کاهش محاسبات میدان گرادیان ارائه شده است علاوه بر این روش پیشنهادی که با عنوان یک رویکرد جدید در مسیریابی به آن اشاره شده است سعی دارد با کمترین محاسبات یکمسیر بهینه رابا شروع از یک مسیر غیر بهینه بیابد. نتایج حاصل از شبیه سازی روشها و مقایسه با دو روش دیگر، بیان از این مطلب دارند که رویکرد جدید روشی مناسب برای مسیریابی ارائه میدهد.ربات در نظر گرفته شده یک ربات متحرک با 3 درجه آزادی در یک محیط دو بعدی می باشد که این امر باعث جدا سازی زاویه حرکت ربات از مسیر خواهد شد.

تشخیص خودکار مدولاسیون دیجیتال در سیستم‌های هوشمند مخابراتییکی از موضوعات مطرح در رادیوی نرم‌افزاری و رادیوی شناختی است. در این مقاله روشی برای دسته‌بندی خودکار نوع مدولاسیون با استفاده از اَبَر‌بردار مدل مخلوط گوسی و ترکیب با دسته‌بندی کننده ماشین بردار پشتیبان ارائه می‌شود. در این روش مجموعه‌ای از سه نوع ویژگی متفاوت مبتنی بر طیف، آماری و مبتنی بر تبدیل موجک از فریم‌های یک قطعه سیگنال استخراج خواهند شد و با استفاده از تطبیق با مدل زمینه ابربردار مورد نظر برای آن قطعه سیگنال ایجاد می‌شود. استفاده از چند ماشین بردار پشتیبان به صورت سلسله مراتبی برای دسته‌بندی کننده‌های برون کلاسی و درون کلاسی و نیز انتخاب ویژگی مناسب نتایج خوبی را حاصل کرده است، به طوری که در نویز کمشناساییبا خطای صفر صورت می‌گیرد. همچنین بر اساس نتایج آزمایش‌ها، روش ارائه شده مقاومت مناسبی را در مقابل نویز نشان می‌دهد.