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.

با گسترش روزافزون شبکه‌های محلی بی‌سیم، بهبود عملکرد آنها با توجه به محدودیت‌های ذاتی این شبکه ها اهمیت فراوانی یافته است. از آنجا که گره‌های شبکه از کانال مشترک استفاده می‌کنند، یک مکانیسم کارآی کنترل دسترسی به رسانه(MAC) می‌تواند تاثیر فراوانی در عملکرد شبکه داشته باشد. از طرفی در طراحی مکانیسم کنترل دسترسی، علاوه بر افزایش توان گذردهی شبکه، بایستی رعایت عدالت بین ایستگاه‌های فعال نیز مد نظر قرار گیرد. IdleSense یک روش کنترل دسترسی به کانال است که هر دو پارامتر فوق را در حد قابل قبولی بهبود می دهد. در این روش اندازه پنجره رقابت (CW) در هر گره با توجه به تعداد شکاف‌های خالی مشاهده شده تنظیم می‌شود. عیب این روش این است که برای افزایش یا کاهش CW از ضرایب ثابت استفاده می‌کند. این امر موجب می‌شود کنترل‌گر تحت شرایط مختلف واکنش دقیقی نشان ندهد. در این مقاله یک روش فازی برای کنترل دسترسی به کانال ارائه می‌کنیم که مشکلات IdleSense را برطرف و همچنین توان گذردهی شبکه و عدالت بین گره‌های فعال را بهبود می‌دهد. نتایج شبیه‌سازی، کارآیی روش پیشنهادی را در مقایسه با روش‌های موجود نشان می دهد.

در این مقاله قصد داریم روشی برای مقایسه زمینه¬ها در یک آنتولوژی ارائه دهیم و با استفاده از آن میزان اعتماد در زمینه¬های مشابه را محاسبه کنیم. فرض بر این است که میزان اعتماد نسبت به یک عامل را در یک زمینه داریم، می¬خواهیم بدانیم که چگونه می¬توان میزان اعتماد را در زمینه¬های دیگر محاسبه کنیم. طبق روش ارائه شده در این مقاله، یک معیار مناسب برای محاسبه میزان شباهت بین دو زمینه متفاوت بدست می¬آید تا بتوانیم بر اساس آن میزان اعتماد را با دقت بیشتری بین زمینه¬های موجود و یا حتی در یک زمینه جدید محاسبه کنیم. بنابراین صرف نظر از اینکه چه روشی برای محاسبه اعتماد مورد استفاده قرار می¬گیرد، می¬توان با افزودن پارامتر مشابهت، اعتماد را با دقت بیشتری در یک زمینه محاسبه نمود. نتایج بکارگیری از روش پیشنهادی در دو رابطه محاسبه اعتماد نشان دهنده حدود 70 درصد بهبود در محاسبه و پیش بینی اعتماد می باشد.

با توجه به اهميت برنامه¬هاي کاربردي تحت وب و به اشتراک گذاري اطلاعات از طريق آنها، امنيت اين نوع از برنامه¬ها بسيار مورد توجه مي¬باشد. آسيب پذيري¬هاي تزريق موجب مي¬شوند تا نفوذگر با تزريق دستورهاي مخرب، درجهت افشاي اطلاعات تلاش کند. با توجه به اينکه داده ورودي نفوذگر بدون واسطه يک وسيله ذخيره سازي داده و يا با واسطه آن موجب سوءاستفاده از آسيب پذيري مربوطه شود، آسيب پذيري¬هاي تزريق را به ترتيب به دو دسته آسيب پذيري تزريق مرتبه اول و آسيب پذيري تزريق مرتبه دوم تقسيم مي¬کنند. در اين مقاله به آسيب¬پذيري¬هاي تزريق مرتبه دوم پرداخته مي شود و روش جديدي به منظور تشخيص اين نوع از آسيب پذيري¬ها معرفي مي¬کنيم که از گراف وابستگي پرس و جو براي تشخيص آسيب پذيري¬هاي تزريق مرتبه دوم استفاده مي¬کند. همچنين به ارزيابي روش پيشنهادي خواهيم پرداخت. در اين ارزيابي، چند نرم افزار متن باز PHP را تحليل کرده و آسيب-پذيري¬هاي تزريق مرتبه دوم آن را کشف نموديم که برخي از اين آسيب پذيري¬ها جديد بودند.

در اين مقاله, يک ديدگاه مهندسي نرم افزارياز قابليت برنامه‌ريزي عامل‌هاي هوشمند ارائه شده است. بدين منظور،با بررسي منابع و روشهايمختلف موجود براي طراحي قابليت برنامه‌ريزي عاملها، مفاهيم فراداده مستقل از دامنه مساله استخراج و در قالب کلاسهاي عمومي مفهومي مدل‌سازي شده است. مدل تحلیل استخراج‌شده، در قالب الگوی تحلیل برنامه‌ریزی ارائه شده است. همچنينبا انتخاب سيستم بازوي ربات، مدل مفهومي اين عامل برنامه‌ریز با استفاده از مدل ارائه شده، ترسيم شده است.بدين ترتيب، قابليت به کارگيريالگو در سيستم‌هاي کلاسيک برنامه‌ريزينشان داده شده است.الگوي تحليل قابليت برنامه‌ريزي، به عنوان ابزاري براي استفاده مجدد از دانش تحليل عامل ارائه شده که موجب کاهش زمان و افزايش کيفيت مدل مفهومي تحليل نرم‌افزار برای اینقابلیت هوشمندی مي‌گردد.

در اين مقاله، روشی نو برای جایگذاری محتوای ایستا در سرورها و نظیرهای مورد استفاده در شبکه¬های تلفیقی توزیع محتوا ارایه شده است. به این منظور ابتدا استفاده از یک ساختار سلسله مراتبی جهت توزیع محتوای استاتیک در این شبکه¬ها توجیه می¬گردد و پس از آن با تکیه بر این ساختار به معرفی زیرسیستم¬های مختلف مورد نیاز در این معماری پرداخته می¬شود. در ادامه برای زیرسیستم جایگذاری محتوا، یک سازوکار پویا و اقتصادی به طور ریاضی معرفی شده است. نشان داده شده است که سازوکار ارایه شده قادر به تولید پاسخ¬هایی بهینه می¬باشد و میزان منابع پردازشی، ارتباطی و ذخیره¬سازی مورد نیاز برای پیاده-سازی این سازوکار محاسبه گردیده است و با استفاده از شبیه¬سازی، کارایی روش ارایه شده با دیگر روش¬های متداول مقایسه شده و نشان داده¬شده است که سازوکار ارایه شده در همه موارد بهتر از دیگر روش¬های قابل تصور عمل می¬کند. در انتها دست-آوردها جمع¬بندی شده و به ترسیم مسیر آینده مطالعات پرداخته شده است.

امروزه روش¬های بازیابی اطلاعات به موضوعی محبوب بین محققان تبدیل شده و بخش عظیمی از تحقیقات انجام شده در این زمینه به رتبه¬بندی صفحات وب در موتورهای جستجو پرداخته است. تا کنون الگوریتم¬های رتبه¬بندی مختلفی پیشنهاد شده است که می¬توان آنها را در سه دسته¬ به صورت مبتنی بر محتوا ، مبتنی بر اتصال (پیوند) و ترکیبی سازماندهی کرد. مدل¬های مبتنی بر انتشار که زیر مجموعه روش¬های ترکیبی می¬باشند با انتشار میزان وابستگی (ارتباط) صفحات وب با پرس¬وجوی کاربر از طریق گراف وب، سعی در افزایش دقت فرآیند رتبه¬بندی در موتورهای جستجو را دارند. در این مقاله سه روش رتبه¬بندی پیشنهاد می¬گردد که دوتا از آنها مبتنی بر تکرار کلمه (TF) و دیگری مبتنی بر احتمال است. در روش¬های پیشنهادی، هر صفحه وب از مجموعه¬ای از فیلد¬ها با درجه اهمیت¬های مختلف تشکیل شده به طوری¬ که محتویات صفحات وب بین این فیلدها تقسیم می¬شود. برای ارزیابی روش¬های پیشنهادی، مجموعه داده آزمون Letor 3 (مشتمل بر دو مجموعه داده آزمون 2003-TREC و 2004-TREC) در آزمایشات استفاده شد و نتایج آزمایشات حاکی از افزایش دقت تخمین میزان ارتباط صفحات¬وب با پرس¬وجوی کاربر ناشی از فیلدبندی صفحات است.

ریشه‌یابی فرایندیافتن ریشهیک کلمه و یا به عبارت دیگر، به دست آوردن انتقالی است که با اعمال آن بر یک کلمه در متن، ریشه آن کلمه تولید می‌شود. رویکرد به کار گرفته شده در این مقاله، بر پیشوند و پسوند کلمات فارسی تمرکز دارد. در عین حال به انتقال‌های بی‌قاعدهنظیر آنچه در جمع مکسر وجود دارد، نیز توجه شده است. نخست ما به دنبال پسوندها و پیشوندهایی هستیم که الگویی جهت ساخت یک کلمه جدید از ریشه می‌باشند. سپس به دنبال روشی کارا برای انتقال‌های بی‌قاعده هستیم. ما بر اساس اسناد برچسب‌خورده سعی در استنتاج قوانین کرده و در ادامه با یافتن استثناهایی،یک مجموعه قانون به شکل «اگر-آنگاه» می‌سازیم. براییافتن ریشه کلمات جمع مکسر نیز از یک شبکه عصبی (Radial Basis Function Network) استفاده شد.