انجمن کامپیوتر ایران

در این مقاله، روش جدیدی برای نمایه‌سازی تصویر در قلمرو JPEG ارائه شده است. در این روش، بلوکهای 8*8 در قلمرو DCT به 10 زیر باند تجزیه شده و انرژی هریک از آنها محاسبه می‌شود. انرژی 9 زیر باند از مولفه Y (که حاوی اطلاعات AC هستند) و مولفه DC (مولفه صفر) زیر باندهای Y ، Cr وCb حاوی مقادیر متوسط رنگ بلوک هستند در کنار یکدیگر یک بردار 12 مولفه‌ای برای هر یک، بلوکهای 8*8 در قلمروDCT ایجاد می‌کنند. سپس، بردارهای نماینده تمام بلوک‌های تصویر به الگوریتم خوشه‌بندیk میانگین سپرده می‌شوند. بدیهی است که هر خوشه اطلاعات مربوط به یک ناحیه از تصویر را در خود دارد. از هر یک مراکز 5 خوشه آن که دارای بیشترین اعضا هستند، یا به عبارت دیگر نشان‌دهنده 5 ناحیه بزرگتر از آن تصویر هستند، به عنوان نمایه‌های آن در نظر گرفته می‌شود. همچنین روشی برای مقایسه تصاویر براساس مراکز خوشه‌های آنها ارائه شده است. روش پیشنهادی روی یک پایگاه شامل 800 تصویر از 8 گروه معنای در طبقه‌بندی تصویر آزموده شده است. نرخ طبقه‌بندی درست 75/89% حاصل طبقه‌بندی با روش پیشنهادی است.

محلي كردن ارتباط بين کروموزوم‌ها در الگوريتم‌هاي ژنتيکي علاوه بر سرعت دادن به محاسبات مي‌تواند باعث بهبود كيفيت جواب‌های بدست آمده گردد. يكي از مدل‌هايي كه براي محلي کردن عملگرهاي ژنتيكي ارايه شده است اتوماتاي سلولي ژنتيکي مي‌باشد. در اين مقاله براي اولين بار مكانيزمي به نام بازچيني به منظور بهبود عملکرد اتوماتاي سلولي ژنتيكي پيشنهاد مي‌شود. اين مکانيزم در فواصل مشخص به تغيير همسايگي‌ها و ايجاد آرايش جديد در سلول‌ها مي‌پردازد. مزيت استفاده از اين مكانيزم کاهش تعداد همگرايي‌هاي زودرس و نامطلوب در همسايگي‌ها و ايجاد فرصت‌هاي بهتر براي افراد جمعيت به منظور توليد نسل مي‌باشد. به منظور نشان دادن کارايي مکانيزم بازچيني روش‌هاي مختلف بازچيني بر روي مسائل متنوعي مانند مسائل کول پشتي، فروشنده دوره‌گرد و مينميم كردن توابع آزمايش شده است.

اساساً الگوریتم‌های جذر را می‌توان به دو مجموعه اصلی تقسیم کرد: روش‌های «تکراری » و روش‌های «تقریبی با توابع حقیقی ». الگوریتم‌های تکراری راه حل‌های کندتر اما دقیق‌تری را نسبت به الگوریتم‌های تقریبی پیشنهاد می‌کنند. یکی از عیب‌های روش‌های تقریبی استفاده ازLUT برای بدست آوردن یک تقریب اولیه می‌باشد. از آنجا که سربار سخت افزاری این جداول بسیار زیاد است، در این مقاله، راه حل‌هایی برای بدست آوردن تقریب اولیه پیشنهاد شده است. در این زمینه دو روش ارائه می‌شود که با استفاده ازHybrid Multiple Expert System ، یعنی ترکیب چند روش جذر با ترتیب خاص، کارایی مدارات محاسبه جذر بهبود بخشیده می‌شوند.

در این مقاله روش جدیدی بر مبنایAdaBoost در زمینه سیستم‌های مولتی مودال بیومتریک ارائه می‌گردد. AdaBoost برای غلبه بر مشکل محدودیت داده‌های آموزشی در سیستم‌های تک ساختاری بکار می‌رود که از ترکیب شبکه‌های عصبی مختلفی با نام "آموزش یافته‌های ضعیف" تشکیل می‌گردد. ساده‌ترین شبکه عصبی یعنی یک نرون تنها، نقش آموزش یافته‌های ضعیف را دارا می‌باشد. آزمایشات متعددی با تعداد تکرارها و ورودی‌های متفاوت در این مقاله صورت پذیرفته است. نتایج بدست آمده از ساختار چندگانه AdaBoost در قیاس با ساختارهای یگانه نتایج بهتری را ارائه می‌دهد. در مطالعه ساختار ابتدایی soft AdaBoost ، طبق انتظار، نتایج حاصل به قوت نتایج بدست آمده از سیستمAdaBoost حاشیه سخت نمی‌باشد. علت گرایش به سمت حاشیه نرم، حساسیت کمتر آن نسبت به نویز در قیاس با ساختار حاشیه سختAdaBoost می‌باشد. همچنین نتایج نهایی وابسته به مقدار اختیار شده برای ضریب ایجاد حاشیه نرم (c) می‌باشد که اثر افزایشC در کاهش خطا به صورت تقریباً نمایی ملاحظه شده است.

محاسبات گرید گون‌های از سامانه‌های موازی و توزیعی است که امکان به اشتراک گذاشتن، انتخاب و گردآوری منابع خودگردان (کامپیوتر، نرم افزار، بانک‌های اطلاعاتی، تجهیزات) را که از نظر جغرافیایی توزیع شده‌اند را مهیا می‌نماید. مدیریت و اکتشاف منبع یکی از مباحث کلیدی در سیستم‌های توزیع شده و بخصوص گرید می‌باشد. باید درنظر داشت که گرید از کاربردهای متفاوتی تشکیل شده که هر کدام شامل منابع سخت‌افزاری و نرم‌افزاری متنوعی می‌باشند، بنابراین شناسایی و مدیریت این منابع در یک گرید دارای اهمیت ویژه‌ای می‌باشد. شیوه‌های کلاسیک مربوط به مدیریت و اکتشاف منابع گرید بصورت متمرکز یا سلسله مراتبی هستند و ممکن است با توسعه سریع گرید این روش‌ها کارایی لازم را ارائه نکنند. در این مقاله سعی شده با استفاده از معماری سرویس‌گرا روشی بهینه برای مدیریت و اکتشاف منابع ارائه شود.