انجمن کامپیوتر ایران

طرح های سنتی ایران شامل مجموعه ای از نقش های اصیل و هندسی پایه است که از حیث تعداد و تکرار قابل تغییر می باشند. خلق یک اثر هنری توسط هنرمند عموما بر اساس بکارگیری یک یا چند نقش پایه و سپس استفاده از ذوق هنری در نحوه چینش و تکرارآنها است که از این طریق قادر به خلق نقوشی با تنوع و گستردگی فراوان خواهند بود. به دلیل کثرت و گستردگی نقوش و همچنین به دلیل ظرافت بالای نقش های خلق شده، فرآیند ارزیابی و رتبه بندی نقوش سنتی ایران مستلزم دقت بالا در کنار صرف زمان بسیار زیاد می باشد. لذا ارائه یک روش خودکار و کارآمد جهت رتبه بندی زیبایی نقوش خلق شده از اهمیت بسزایی برخوردار است. در این مقاله از مهمترین ویژگی زیبایی شناسی نقوش سنتی ایران یعنی تقارن برای تدوین یک روش کارآمد جهت ارزیابی کمّی آنها استفاده شده است. صحت عملکرد روش تدوین شده با استفاده از رتبه کیفی شخص خبره (استاد نگارگری) جهت امتیاز دهی به مجموعه ای از نقوش و مقایسه نتایج حاصله با نتایج حاصل از روش ارائه شده مورد بررسی قرار گرفته است. بررسی نتایج و مقایسه آنها نشان دهنده قابلیت اطمینان روش ارائه شده می باشد.

در جامعه کنونی به کارگیری کامپیوتر جهت آموزش امری ضروری است و در این میان سیستم¬های آموزشی هوشمند توجه محققان را به خود جلب کرده است. مدلسازی دانشجو نقطه تمرکز اصلی و یکی از اجزاء سیستم آموزشی هوشمند و نمایشی از رفتار و وضعیت دانشجو است. در هنگام استفاده دانشجو از سیستم، دنباله¬ای از اعمال انجام شده او ثبت می¬شود و سیستم تلاش می¬کند تا بر اساس آن، مدل یادگیری دانشجو را تعیین کند. این مقاله یک دیدگاه جدید برای مدل کردن رفتار دانشجو در سیستم شبه¬آموزشی با استفاده از ترکیب آتوماتای یادگیر و یادگیری تقویتی بیان می¬کند. در مدل پیشنهادی، مدل دانشجو توسط عامل تعیین¬کننده¬سطح به نام LDA -QLA که مدل یادگیری دانشجو را مشخص می¬کند، تعیین می¬شود. LDA-QLA در حقیقت الگوریتم یادگیری Qرا به عنوان مکانیزم یادگیری برای تعیین اینکه دانشجو یادگیرنده کند، نرمال یا سریع می¬باشد، بکار می¬¬گیرد و نشان داده شد با بکارگیری الگوریتم یادگیری Q سرعت تعیین مدل یادگیری دانشجو افزایش یافته است.

اخيراً، تحقيقات در زمينه بازشناسي چهره روي نمايشی از چهره متمركز شده است كه قادر باشد اطلاعات مناسب را كه نسبت به تغيير روشنايي و حالت چهره ثابت باشد، بدست آورد. كه سبب ايجاد يك توصيفگر قدرتمند بافتي كه الگوي باينري محلي (LBP) ناميده مي¬شود شده است. ما در اين مقاله روش کارآمد جديدی مبتنی بر توصيفگر الگوی باينری محلی، برای تشخيص چهره معرفی کرديم. در اين روش ابتدا انواع عملگرهای LBP با مقياس¬های مختلف (تعداد پيکسلهای همسايه مرکزی، شعاع همسايگی) را بر روی تصوير نرمال شده چهره اعمال می¬کنيم. سپس با توجه به عملکرد کلي سيستم بازشناسی، بر مبنای الگوريتم ژنتيک ضريبی برای هر LBP بدست مي¬آيدکه بر اساس آن ضرايب از نتايج LBPها در عمل بازشناسي استفاده مي¬کنيم. روش جديد MLBP GA based ناميده می¬شود. روش پيشنهادی بر روی پايگاه داده ESSEX و ORLبا روش¬های LBP, Gabor, KPCA, PCA وHierarchical Multi-scale LBP موردمقايسه قرار گرفت. نتايج بدست آمده برتری الگوريتم پيشنهادی را نسبت به الگوريتم¬های ديگر نشان داد. بخصوص هنگامی که فقط يک نمونه از هر فرد برای آموزش استفاده شد، روش ما عملکرد شناسايی چهره بهتری را نسبت به ساير روشهای موجود نشان داد.

رشد سريع فناوري اطلاعات و همه گير شدن استفاده از اينترنت، كشورها را بر آن مي‌دارد تا از اين فناوري ها در جهت كسب مزاياي انكارناپذير آن استفاده كنند. برخي از اين مزايا عبارتند از: دقت، سرعت، كاهش هزينه‌‌هاي زماني-مالي و غيره. انتخابات الكترونيكي يكي از اموري است كه در سال‌هاي اخير رغبت براي تبديل آن به حالت الكترونيكي افزايش يافته است. با اين روش افراد مي‌توانند بدون متحمل شدن سختي و هزينه‌‌هاي حمل و نقل براي حضور در محل راي دادن، راي خود را ارسال كنند. مجريان انتخابات نيز مي‌توانند مراحل مختلف انتخابات را اعم از آماده سازي، جمع آوري و شمارش آرا، با دقت و سرعت زياد و هزينه كمتر انجام دهند. آمارها نشان مي‌دهد كه انتخابات اينترنتي تا حد زيادي، شركت افراد را در انتخابات افزايش مي‌دهد.از طرف ديگر سرويس‌‌هاي وب بعنوان جديد ترين رويكرد در برنامه نويسي توزيع شده هستند. در اين مقاله يك معماري در بر دارنده مفاهيم اتكاپذير براي راي گيري اينترنتي ارائه مي‌كنيم كه تامين كننده تمام نيازمندي‌هاي راي گيري الكترونيكي است. اين سيستم را با استفاده RBD مدل كرده و قابليت اطيمنان و دسترسي آن ارزيابي مي كينم.

مسأله‎ي زمانبندي وظيفه‏هاي مستقل در گريدهای محاسباتي يک مسأله‎ي NP-Complete است. بنابراين، براي رسيدن به راه‏حل‎هاي نزديک به بهينه در اين مسأله از روش‏هاي ابتکاري استفاده مي‎شود. الگوريتم رقابت استعماري (ICA) يک روش‏ جديد بهينه‎سازي تکاملي مي‏باشد که تاکنون براي حل مسأله زمانبندي گريد بررسي نشده است. در اين مقاله، ما با ترکيب ICA و جستجوي محلي، الگوريتم جديدي‎ برای کاهش makespan همزمان با افزايش بهره‏وري منابع و توازن بار معرفي کرده‎ايم. براي ارزيابي ‎الگوريتم پيشنهادي، آن را بر روي نمونه‎هاي محک براون و سايرين بررسي کرديم؛ اين نمونه‏ها سخت‏ترين محک براي مسأله زمانبندي در حالت ايستا هستند. نتايج ارزيابي نشان داد که الگوريتم ترکيبي براي زمانبندي در مقايسه با الگوريتم‎هاي قطعي، الگوريتم ژنتيک و ICA خالص، کارايي بهتري از نظر معيار makespan داشته و نگاشت‎هاي بسيار متوازني را توليد مي‎کند. همچنين، سرعت همگرايي اين الگوريتم به جواب‏هاي بهينه، نسبت به الگوريتم‏هاي تکاملي بررسي شده، بيشتر است.

هدف اين مقاله، ارايه روشي جهت تشخيص خودکار الگوي مناسب فراخواني غير همزمان در سرويسهاي وب مي باشد. اصولا"، چهار الگو جهت فراخواني غير همزمان وب سرويسها مطرح است که در چارچوبهاي موجود براي ايجاد سرويسهاي وب به صورت دستي تعيين و مورد استفاده قرار مي گيرند. استفاده ناصحيح از اين الگوها مي تواند در طولاني شدن زمان اجراي برنامه ها بسيار موثر باشد. مي توان با تعيين وابستگي ها به نتايج حاصل از فراخواني و زمان لازم براي رسيدن به اولين مکان وابستگي و همچنين با در نظر گرفتن زمان لازم براي اجراي تابع مورد فراخواني، الگوي مناسب را براي فراخواني ها به صورت خودکار تشخيص داد. ابزار پيشنهادي با تحليل نحوي کد برنامه، تشکيل زنجيره تعريف و استفاده، تخمين زمان اجراي برنامه و تخمين زمان پاسخ وب‌سرويس الگوي مناسب براي فراخواني غيرهمزمان را تشخيص داده و با جايگزيني کدهاي متناسب با الگوي تشخيص داده شده در کد، برنامه را بهينه مي¬کند. اين کار باعث ساده تر شدن بکار بردن فراخواني‌هاي غيرهمزمان و همچنين افزايش شفافيت و سرعت اجراي کد برنامه مي¬شود.

در سال¬های اخیر شاهد پيشرفت¬ها و دستاوردهاي فراواني در سيستم¬هاي ترجمه ماشيني به عنوان زير شاخه¬اي از سيستم¬هاي پردازش زبان طبيعي هستيم. اين در حالي است که در حوزه سيستم¬هاي مبتني بر هوش روش¬هايي جهت ارزيابي جنبه¬هاي مهندسي نرم¬افزار همچون تضمين کيفيت و ارزيابي ساختار وجود ندارد. روش¬هاي موجود ارزيابي سيستم¬هاي ترجمه ماشيني، تنها به بررسي کارايي جملات توليدي توسط سيستم¬ها مي¬پردازند. با توجه به پيچيدگي و هزينه¬بر بودن توليد سيستم¬هاي ترجمه ماشيني، ارايه روشي جهت ارزيابي معماري سيستم¬هاي ترجمه ماشيني را ضروري دانستيم. در روش ارايه شده ارزيابي معماري سيستم¬هاي ترجمه ماشيني، خصيصه¬هاي کيفي مرتبط با نيازمندي¬هاي غيرکارکردي اين سيستم¬ها استخراج شده و با کمک روش استاندارد سنجش کمي، اندازه¬گيري شده¬اند. روش ارزيابي معماري پيشنهادي براي سيستم¬هاي ترجمه ماشيني را بر روي سيستم¬هايي با معماري ترکيبي موجود اعمال نموده و نتايج حاصل از اين ارزيابي¬ها را براي انتخاب مناسب¬ترين معماري به اهداف خود انتخاب کرديم.

امروزه نرم افزارها در زمینه¬های مختلف مانند کنترل پرواز،پزشکی و اقتصاد گسترش پیدا کرده¬اند که این امر باعث افزایش اندازه نرم افزارها و پیچیدگی آن¬ها شده است. از این رو آزمون نرم افزار امری ضروری است زیرا شکست نرم افزار موجب خسارات جبران ناپذیری می¬شود.یکی از تکنیک هایی که برای تسهیل آزمون نرم افزار بکار می رود استفاده از برش است. در این پژوهش الگوریتمی برای تکنیک برش علامت-فراخوانی برای زبانهای شی گرا پیشنهاد می¬شود. در نهایت تکنیک های مختلف برش در یک نمونه صنعتی (شبیه سازی دیگ بخار) با هم مقایسه می شوند. از این مقایسه در می یابیم که تکنیک برش حافظه-وابستگی شی گرا و برش علامت- فراخوانی شی گرا نسبت به بقیه مفیدتر هستند و سربار اجرایی کمتری دارند. زیرا تکنیک¬های برش قابلیت تبدیل یک برنامه بزرگ به یک برنامه نسبتا کوچک را دارند که بدین روش می توان برنامه را به راحتی چندین بار آزمون کرد.

یکی¬از مسائل مهم در شبکه¬های حسگر، مسئله¬ی پوشش است. یکی از شاخه¬های مسئله¬ی پوشش، پوششkتایی است.هدف این نوع پوشش نظارت حداقلk حسگر گوناگون بر تمام نقاط میدان حسی است.با توجه به محدود بودن انرژی حسگرها، مسئله¬ مهم دیگرکه در شبکه¬های حسگرمورد بررسی قرار می¬گیرد ذخیره ¬انرژی¬می¬باشد که باعث افزایش طول عمر شبکه نیز خواهد شد.در این مقاله، مسئله بهبودمصرف انرژی¬درشبکه¬های¬حسگر با پوششk تایی¬مورد بررسی و ارزیابی قرار گرفته و الگوریتم بهینه¬ای ¬برای ¬افزایش ¬کارایی¬انرژی حسگرها با کنترل تراکم آنها پیشنهاد می¬شود. طبق نتایج شبیه¬سازی، مشاهده می¬شود که این الگوریتم طول عمرشبکه را بیشتر افزایش می¬دهد.

ارتباطات صوتی در بستر اینترنت و با استفاده از سیستمی به نام VoIP که شامل مجموعه‌ای از پروتکل‌ها است صورت پذیرفته و موضوع امنیت آن به شدت مورد توجه واقع گردیده است.SIP مهمترین پروتکل علامت دهی درVoIP است که شناسایی حملاتو اثرات آن‌ها بر روی SIP می‌تواند در جهت امن سازی این سیستم موثر باشد.این مقاله به حملات طوفان ثبت نام پروتکل SIP اختصاص دارد. مهاجمین می‌توانند با ارسال پیام‌های ثبت نام به صورت طوفانی، خطرات زیادی برای سرور ثبت نام در بر داشته باشند.در این مقاله با بررسی نحوه ایجاد حملات طوفان، حملات طوفان ثبت نام به طور جزئی تحلیل شده و اثرات این حمله بر روی سرور ثبت نام ذکر گردیده و در نهایت با آزمایش در یک شبکه واقعی، اثرات حمله با توجه به نرخ آن در مقابل شرایط عادی، مورد ارزیابی قرار گرفته است.

یک طرح تسهیم راز چندگامی و تصدیق‌پذیر مبتني بر تابع یک طرفه خطی و سیستم رمزنگاری RSA

امروزه ابزارهای بسياری برای دسترسی سريع و آسان به اطلاعات در شبکه های اجتماعی معرفی شده اند که مهمترين و پرکاربرد ترينآنها، ابر برچسب است.يکی از مهمترين مسائلدر مورد ابر برچسب ، نحوهی انتخاببرچسب برای آن است.تاکنون دو روش¬ برای مشخص کردن چگونگی اين انتخاب ارائه شده است. اولی مبتنی بر پرکاربرد بودن و دومی ترکيبی از آناليز نحوی و خوشهبندی معنايياست. در مقالات قبلی بهتر بودن روش ترکيبی از لحاظ دو معيار پوشش و اشتراک (مهمترين معيارهای ارزيابی ابر برچسب) نسبت به روش اول نشان داده شده است اما روش ترکيبی هم با مشکلاتی مواجه است.يکی از اين مشکلات در نحوه ی آناليز نحوی اين روشاست. بدين صورت که در اين روش برخلاف هدف آناليز نحوی که دسته بندی کلمات هم خانواده در يک خوشه است، برخیبرچسب¬ها را که هم خانواده نيستند به اشتباه هم خانواده در نظر گرفته و در يک خوشه قرار می دهد. در اين مقاله، اين مشکل با تغيير درآناليز نحوی روش ترکيبیحل شده و سپس روشارائه شده و روشترکيبی روی بخشی از دو پايگاهداده ی DeliciousوBibsonomyاجرا شده است.نتايج حاکی از بهبوددو معيار پوشش و اشتراکدر روش ارائه شده نسبت به روش ترکيبی بوده است.

در این مقاله سیستم رمز قطعه ای SHACAL را با استفاده از تکنیک تفاضلی، تحلیل کردیم. این سیستم رمز همان تابع درهم ساز SHA-1در حالت سیستم رمز قطعه ای است.به منظور تحلیل سیستم های رمزنگاری روش های گوناگونی از جمله: تحلیل تفاضلی و تحلیل خطی وجود دارد که ما نیز برای تحلیل نُه گام از این سیستم رمز قطعه ای از روش تحلیل تفاضلی استفاده کردیم.ما در تحلیل خود با بدست آوردن 32 مشخصۀ نُه گامی با احتمال 2-9توانستیم در نهایت با پیچیدگی زمانی15×2^32، تعداد 288 بیت کلید را استخراج کنیم. لازم به ذکر است که نتایج حاصل از این مقاله می تواند در شکسته شدن تابع درهم ساز SHA-1 مورد استفاده قرار گیرد.

هدف از تطبيق به گوينده در سيستم­هاي مستقل از گوينده، شيفت دادن و نزديک کردن مدل صوتي مستقل از گوينده به مدل وابسته به گوينده جديد، جهت افزايش کارايي سيستم باز شناخت گفتار اتوماتيک مي­باشد. در اين گزارش يک روش جديد تطبيق به گوينده بر اساس تجزيه و تحليل چند بُعدي گوينده­های آموزشي با استفاده از تجزيه­ی تاکر ارائه مي­شود. تجزيه تاکرِ مدل­هاي آموزشي مي­تواند مجموعه داده­ها را به زير فضاهاي حالت، بُعد بردار ميانگين و گوينده تجزيه کند. با استفاده از پايه­هاي حاصله از زير فضاي حالت، یک فرمول تطبيق به گوينده استخراج مي­شود که در آن ماتريسِ بردارهاي پايه در فضاي سطر و ستون وزن­دهي مي­شوند. روش ارائه شده مي­تواند تکنيک صداي ويژه را به عنوان زير­مجموعه شامل شود. روش پيشنهادي براي داده تطبيقي بيشتر از حدود 16 ثانيه عملکرد بهتري نسبت به روش صداي ويژه دارد و تا حدودِ داده تطبيقي 22 ثانيه عملکرد بهتري نسبت به MLLR دارد. همچنين درصد بازشناسي واج مدل مستقل از گوينده را حدود 6% افزايش داده است.

همان¬طور که می¬دانیم فرآیند رمزنگاری یکی از اصلی¬ترین روش¬های حفاظت از اطلاعات گران¬بها است. نتیجه¬ی اجرای پویا فرآیند رمزنگاری، افزایش سطح امنیت و نیاز به تکنیک¬های پیشرفته¬تر برای رمزشکنی است. به طور جرأت می¬توان گفت که جداول جانشینی اصلی¬ترین جزء رمزهای بلوکی به حساب می¬آیند زیرا آن ها خاصیت غیرخطی بودن را برای سیستم به ارمغان می¬آورند. در این مقاله نیز الگویی جدید برای تولید جداول جانشینی mxnبه صورت پویا(وابسته به کلید)پیشنهاد شده است. این الگوی جدیدDBGS نام دارد که مخففDynamic s-box Based on Galois multiplication inverse with Straight transformation استو پیچیدگی روش¬های رمزنگاری را چندین برابر می¬کند. تولید جداول جانشینی قدرتمند (با مقدار تفاضلی 2 و یا حداکثر 4)، پشتیبانی از پیاده¬سازی مستقیم (پیاده سازی بهینه)، توصیف صریح ریاضی و میزان فروپاشی بهمنی بسیار بالادر عین وابسته بودن به کلید از مزایای اصلی این الگوی جدید است. تست¬های SAC, BIC, DP, LP, Nonlinearityنیز بر روی این الگوی جدید پیاده¬سازی شده¬اند که حاکی از ایمن بودن این الگوهستند. با استفاده از این الگو می¬توان رمزهای بلوکی پیشین را بهبود بخشید و یا رمزهای بلوکی ایمن¬تری تولید کرد.

با پيشرفت فن‌آوري ساخت مدارات مجتمع و رسيدن به ابعاد نانو، تغييرات پارامترهاي فرايند ساخت، تاثير زيادي روي مشخصه‌هاي زماني مدارات مي‌گذارند. در نتيجه، بارآوري زماني مدارات مجتمع را تحت تاثير قرار مي¬دهند. لذا، تخمين بارآوري زماني، يکي از اساسي‌ترين مراحل طراحي مدارات مجتمعِ در ابعاد نانو مي¬باشد. در اين مقاله، يک روش‌ آماري ناپارامتري جهت تخمين بارآوري زماني مدارات مجتمع ديجيتال ارائه شده است. در روش پيشنهادي،از اجراي موازي شبيه‌سازي مونت کارلو و حذف تکرارهاي آن، نمونه‌ي آماري کوچکي از تاخيرهاي بحراني توليد مي‌کنيم. سپس، تابع توزيع چگالي تاخير بيشينه‌ي مدارات را با يک روش ناپارامتري به نام هموارسازي هسته‌اي (kernel smoothing)روي نمونه‌ي به دست آمده، محاسبه مي‌نماييم. در نهايت، با استفاده از تابع توزيع چگالي، بارآوري زماني مدار را به دست مي‌آوريم. يکي ار مزاياي روش پيشنهادي، عدم وجود فرضي خاص، بر روي توزيع متغير‌هاي تصادفي پارامترهاي فرايند ساخت مي¬باشد؛ که استفاده از آن را در مدارات واقعي ميسر مي¬سازد. نتايج حاصل از شبيه¬سازي مدارات MCNC نشان مي‌دهد که در حضور تغييرات ساخت شديد با نسبت σ/µ برابر با 0.037، روش پيشنهادي تخمين بارآوري زماني حدود 30% دقيق‌تر از روش‌هاي آماري پارامتري عمل مي‌کند.

پايايي رنگ يکي از زمينه¬هاي پژوهشي در حوزه بينايي ماشين به شمار مي¬رود که امکان تشخيص رنگ اشياء را مستقل از شرايطي که در آن قرار دارند، فراهم مي¬سازد. در اين مقاله روشي ارائه شده است که با استخراج ويژگي¬هايي از تصوير و استفاده از یک روش چند سطحی مبتنی بر شبکه عصبی، بهترين الگوريتم از ميان الگوريتم¬هاي خاکستري را براي تصوير ورودي انتخاب مي¬نمايد. اين کار از طريق تخمين پارامترهاي الگوريتم خاکستري انجام مي¬پذيرد. نتايج بدست آمده از اعمال روش پيشنهادي بر روي پايگاه داده بزرگ گوي خاکستري با بیش از 11000 تصوير نشان دهنده¬ي عملکرد قابل قبول اين الگوريتم در مقايسه با ديگر روش¬هاي مشهور است.

اکثر قریب به اتفاق مسائل واقعی ذاتا با جنبه‌های گوناگونی از عدم اطمینان مواجه هستند. یکی از رایج‌ترین جنبه‌های عدم اطمینان، پویایی یا غیر ایستا بودن مسائل واقعی است. الگوریتم‌های بهینه‌سازی در مواجهه با محیط‌های پویا علاوه بر یافتن بهینه‌ یا بهینه‌های محیط مکلف به تعقیب تنگاتنگ بهینه و یا بهینه‌های محیط و همچنین کشف بهینه‌های جدید ایجاد شده در محیط به دلیل تغییرات محیط هستند. الگوریتم‌های مبتنی بر جمعیت دارای توانایی اجتناب از همگرایی زودرس و گذر از برخی بهینه‌های محلی هستند، اما در سوی دیگر این الگوریتم‌ها قالبا از توانایی استخراج مناسبی برخوردار نیستند. الگوریتم‌های جستجوی محلی در مقایسه با الگوریتم‌های مبتنی بر جمعیت از توانایی اکتشاف کمتری برخوردار هستند ولی قالبا دارای توانایی استخراج مناسبی هستند. در این مقاله یک الگوریتم ترکیبی همکارانه از الگوریتم بهینه‌ساز گروه ذرات و جستجوگرهای محلی تحت عنوان جستجوی محلی هدایت شده توسط بهینه‌ساز گروه ذرات (PSOledLS) ارائه می‌شود. به منظور انجام جستجو محلی دو الگوریتم متداول جستجوی محلی به علاوه یک الگوریتم جستجوگر محلی پیشنهادی مورد استفاده قرار می‌گیرند. نتایج حاصل از آزمایش‌های انجام شده در محیط‌های پویای ایجاد شده توسط تولید کننده تابع محک قله‌های روان نشان دهنده کارایی بسیار مناسب الگوریتم پیشنهادی در مقایسه با بهترین الگوریتم‌های پیشنهاد شده برای محیط‌های پویا می‌باشد.

Organic Computing or OC for short is rather a new bio-inspired paradigm that applies the OC principles extracted from the nature to technical application. To control the emergence caused by the self-organizing property of OC systems, an architectural pattern called observer/controller has been proposed. In this paper, the observer/controller architecture is improved for a subset of OC systems known as Resource-Flow Organic systems by using some known architectural/design patterns in order to achieve a new architectural pattern. The proposed architectural pattern splits the observer/controller into a set of cooperative capabilities among the agents that both covers the whole-system architecture and enables straightforward distribution of observer and controller. The result of the study is presented as a case study to show the applicationof the proposed pattern and its advantages

پیش‌بینی عملکرد پروتئین‌ها (PFP) یکی از مسائل محاسباتی پیچیده به حساب می‌آید که در آن، هر پروتئین می‌تواند همزمان به بیش از یک کلاس عملکردی تعلق داشته باشد، هم‌چنین، کلاس‌ها در یک ساختار سلسله‌مراتبی به فرم درخت یا گراف جهت‌دار بدون دور سازماندهی می‌شوند. بنابراین، الگوریتم‌های مورد استفاده برای حل این مسأله، باید قادر به شناسایی همه‌ی کلاس‌های عملکردی یک پروتئین باشند و از طرفی سازگاری بین کلاس‌های عملکردی را حفظ کنند. بسیاری از الگوریتم‌های پیشنهادی، به منظور حفظ سازگاری کلاس‌های پیش‌بینی شده، به سادگی طی یک مرحله پیش‌پردازش، ناسازگاری‌های موجود بین کلاس‌های نمونه‌های آموزشی را رفع کرده و با فرض سازگار بودن مجموعه‌داده آموزشی، سازگاری کلاس‌های پیش‌بینی شده را تضمین می‌کنند. این راه‌حل، احتمال انتشار خطا را افزایش می‌دهد. این مقاله برای حل مسأله PFP، یک راه‌حل دو لایه‌ای ترکیبی را پیشنهاد می‌کند که با فرض ناسازگار بودن کلاس‌های عملکردی نمونه‌های آموزشی، سعی در پیش‌بینی کلاس‌های عملکردی سازگار برای یک نمونه جدید دارد. نتایج ارزیابی الگوریتم بر روی دو مجموعه‌داده چند برچسبی و سلسله‌مراتبی CellCycle و Derisi که با استفاده از اطلاعات داده‌های بیان ژن، عملکرد پروتئین‌ها را در دو نسخه FunCat و GO بیان می‌کنند، برتری روش پیشنهادی را نسبت به روش‌های موجود، به وضوح نشان می‌دهد.