انجمن کامپیوتر ایران

مساله تطبیق و زمان‌بندی ایستای کارها در سیستم‌های توزیع شده محاسباتی ناهمگن به دلایل استفاده بهینه از ماشین‌های محاسباتی موجود و همچنین صرف زمان کمتر برای اجرای الگوریتم زمان بندی، از اهمیت ویژه‌ای برخوردار است. حل این مساله بااستفاده ا ز الگوریتم‌های کلاسیک چون برنامه نویسی پویا و برگشت به عقب نیاز به زمان محاسبه زیادی دارد، به همین دلیل تلاش‌های بسیاری برای حل آن با استفاده از روش‌های ابتکاری صورت پذیرفته است؛ یکی از این روش‌های ابتکاری، الگوریتم ژنتیک است. در این مقاله الگوریتم ژنتیک جدیدی بنامTDGASA ارائه می‌شود که زمان محاسبه آن وابسته به تعداد کارهای موجود در هر مساله زمان‌بندی است و برای کاهش زمان محاسبه الگوریتم از شبیه‌سازی گداختگی استفاده می‌نماید. با انجام شبیه‌سازی‌ها مشاهده می‌شود که الگوریتم پیشنهادی، زمان محاسبه برای زمان بندی ایستای کارها را به نحو محسوسی کاهش می‌بخشد در حالی که زمان پاسخ یا زمان اتمام آخرین کار در سیستم نیز کاهش اندکی می‌یابد.

با توجه به کاربرد روزافزون بانک‌های اطلاعاتی حجیم و انباره‌های بزرگ تراکنش، اخیرا توجه بسیاری از محققان به سمت تولید روش‌های کارآمد جهت استخراج قوانین انجمنی معطوف گشته است. اغلب روش‌های موجود در مرحله اول کار خود کلیه اقلام پرتکرار (ساده و ترکیبی) را از بین تمام اقلام موجود در داده‌ها جستجو می‌کنند که این امر نیازمند به خواندن مکرر کل داده‌ها از دیسک است. اکثر روش‌هایی هم که جدیدا پیشنهاد شده‌اند سعی بر این دارند تا لااقل میزان رخداد و درجه پشتیبانی 3 بعضی از اقلام را بتوان مستقیما و بدون پیمایش داده‌ها محاسبه کرد. اما به این مسأله کمتر توجه شده که چگونه به روش بهینه‌ای برای شمارش دفعات رخداد اقلام در مواقعی که راهی جز شمارش وجود ندارد دست یابیم. در این مقاله راه حلی کارا برای این مسأله ارائه شده است. در روش پیشنهادی ما، داده‌ها تنها یک بار از دیسک خوانده می‌شوند و بعد از آن به یک ساختار رمز شده و خلاصه تبدیل می‌گردند، بطوریکه اولا قابل نگهداری در حافظه می‌باشند و ثانیا با توجه به ساختار خاصی که دارند، عملیات شمارش به سریع‌ترین نحو ممکن انجام می‌گردد و زمان شمارش دفعات تکرار اقلام در هر مرحله کمتر از مرحله قبل می‌شود. پس از ارائه الگوریتم، کارایی آن را با استفاده از دو مجموعه از داده‌های ساختگی و واقعی ارزیابی کرده و با چند روش کارا که تاکنون ارائه شده‌اند، مقایسه می‌کنیم.

در اکثر روش‌های خوشه‌بندی فرض می‌شود که تعداد دقیق خوشه‌ها در آغاز مشخص است، که البته این فرض در بیشتر مواقع صحت ندارد. در ردیابی و خوشه‌بندی گفتار مبتنی بر گوینده عمدتاً ما اطلاعی از تعداد دقیق گوینده‌ها در قطعه گفتاری نداریم. در این مقاله روشی مبتنی بر الگوریتم خوشه‌بندی کلونی مورچه‌ها به منظور تعیین تعداد گویندگان در یک فایل گفتاری و خوشه‌بندی قطعات مربوط با هر یک از گویندگان پیشنهاد شده است. الگوریتم کلونی مورچه‌ها یک الگوریتم شبه تصادفی است که قادر به تخمین تعداد خوشه‌های مناسب برای یک مجموعه از داده‌های ورودی می‌باشد. در روشی که در این مقاله پیشنهاد می‌گردد، در ابتدا به کمک الگوریتم مورچه‌ها یک خوشه‌بندی اولیه از قطعات گفتاری ایجاد می‌شود و تعداد گویندگان موجود در گفتار تخمین زده می‌شود. سپس با استفاده از روش‌های خوشه‌بندی متداول، خوشه‌بندی قطعات گفتاری انجام می‌گردد. همچنین در این مقاله روشی پیشنهاد می‌شود که با کمک آنها بتوان تعداد تخمین زده شده از گویندگان را به مقدار صحیح نزدیک‌تر نمود.

خوشه بندی ترکیبی روشی جدید در خوشه‌بندی می‌باشد که از ترکیب نتایج روش‌های خوشه‌بندی مختلف بدست می‌آید. در مقابل روش‌های کلاسیک و متداول خوشه‌بندی که از پایداری اندکی برخوردارند، خوشه‌بندی ترکیبی دارا‌ی پایداری بسیار بالایی می‌باشد که از آن یک روش قدرتمند در خوشه‌بندی اطلاعات می‌سازد. دو مرحله مهم در خوشه‌بندی ترکیبی عبارتند از: الگوریتم‌های ابتدایی خوشه‌بندی که خوشه‌بندی اولیه را انجام می‌دهد و سپس جمع‌بندی نتایج این الگوریتم‌های اولیه برای بدست آوردن نتیجه نهائی. در مقاله حاضر از الگوریتم ژنتیک به عنوان مرحله دوم خوشه‌بندی ترکیبی استفاده شده است. الگوریتم‌های ژنتیک بر اساس توانایی بالایی که در جستجوی فضای حالت مسئله دارند، همواره می‌توانند جواب بهینه یا نزدیک بهینه را در فضای حالت مسئله بدست آورند. برای افزایش کارایی الگوریتم ژنتیک ارائه شده و بهبود در صد خطای حاصل از خوشه‌بندی، یک عملگر جهش خاص منظوره، ارائه و بکارگیری شده است. نتایج بکارگیری الگوریتم ژنتیک ارائه شده برروی چند پایگاه داده متداول نشانگر آن است که روش ما در بیشتر مواقع از روش‌های پیشینی که برای خوشه‌بندی ترکیبی استفاده می‌شد، خطای کمتری تولید می‌کند.

مسئله تحمل‌پذیری اشکال در تمامی سیستم‌هایی که در دنیای واقعی عمل می‌کنند از مهم‌ترین مسائل است و در یک سیستم چند پردازنده (بخصوص با تعداد زیاد پردازنده) می‌باید آن را مد نظر قرار داد. الگوریتم‌هایی نیز جهت مسیریابی تحمل پذیر اشکال در شبکه‌های میان ارتباطی ارائه شده‌اند. هر کدام از این الگوریتم‌ها نقاط ضعف و قوت خود را دارند. در این مقاله الگوریتم‌ها را از نقطه نظر کارآیی کلی سیستم با یکدیگر مقایسه می‌کنیم. ابزار مقایسه شبیه‌سازی است و نتایج بدست آمده راهکارهایی را جهت انتخاب روش مناسب در شرایط مختلف ارائه می‌کند. در این مقاله شبكه توری را بدلیل داشتن خواص ساختاری ویژه، سادگی در پیاده‌سازی، داشتن الگوریتم مسیریابی ساده و کارآیی بالا كه آن را مورد توجه سازندگان چند كامپیوترها قرار داده‌است، مد نظر قرار می‌دهیم.

دانش واژ هشناسي يا شناخت ريشة زباني واژگان موجود در يک زبان کاربردهايي بسيار در دان شهاي گوناگون از علوم انساني ، مانند زبان شناسي، تاريخ، باستا نشناسي و هنر تا دستهبندي متن، مانند ترجمه، تعيين نويسنده و خلاصهسازي متن و نيز پردازش صوت در گويش درست هر واژه دارد. هدف اين مقاله تعيين ريشة زباني واژگان فارسي و عربي موجود در زبان فارسي بهکمک شبکة عص بي مصنو عي پرسپترون چندلايه (پيشخور با پسانتشار) است. ورودي شبکه مقادير کمي استخراج شده از ترتيب حروف الفبا بوده و نتايج آزمايشها نشان ميدهد که دقت درستي روش پيشنهادي در بهترين حالت بيش از ۹۲ % است.

يكي از مفاهيمي كه در دهه اخير به گونه اي بسيار گسترده در جوامع پيشرفته مورد بررسي قرار گرفته و حتي در بعضي مواقع با موفقيت به اجرا در آمده، مفهوم دولت الكترونيك است . هدف اصلي از پيدايش دولت الكترونيك، بسترسازى مناسب جهت دسترسي هر چه بهتر و بيشتر شهروندان به اطلاعات و خدمات دولتى، اصلاح كيفيت خدمات و ارائه فرصت هاى بيشتر براى مشاركت در فرايندها و نمادهاى مردم سالار اس ت. از اي ن رو تلاش بر اي نظارت بر وضعيت خدمات در دولت الكترونيك، از اهميت بالايي برخوردار مي باشد. در اين مقال ه، سيستم خودكاري براي ارزيابي دولت الكترونيك ايران، معرفي مي شود. ارزيابي هاي اين سيستم بر روي حدود يازده هزار سايت رجيستر شده در دامنه IR و در برگيرنده تمام سازما نهاي دولتي، وزارتخانه ها، شرك تها و دانشگا هها و بالغ بر حدود دو ميليون صفحه، انجام شده است. هدف از اين سيستم، استخراج شاخ ص هاي مختلف علمي براي ارزيابي دولت الكترونيك از قبيل توزيع محتواي سايت ها (علمي، خبري، دولتي، تجاري و وبلا گ)، حجم محتواي فارسي، سروي س هاي ارائه شده، درصد كدينگ هاي مختلف فارسي و غيره م ي باشد. از اين آمار مي توان جهت هدفمند نمودن برنامه هاي آتي در خصوص دولت الكترونيك، استفاده كرد.

در این مقاله، دو روش غیرخطی Kernel PCA و Kernel FDA جهت استخراج ویژگی ها در یک سیستم بازشناسی چهره مورد بررسی قرار گرفته و کارایی این دو روش با یکدیگر و با روش همبستگی و دو روش خطی PCA و FLDA مقایسه می شود . جهت مشاهده نتایج از دو مجموعه داد ة استاندارد YALE و AT&T استفاده شده است و روي هر مجموعه داده ، دو استراتژي متفاوت جهت آزمایش به کار رفته اس ت: یکی استراتژي آزمایش تصادفی و دیگري استراتژي همه به جز یکی . همچنین روش نزدیکترین همسایه جهت طبقه بندي چهره استفاده می شود.