انجمن کامپیوتر ایران

در سال‌های اخیر تشخیص ناهنجاری در تصاویر فراطیفی، به یکی از کاربردهایمهم آشکارسازی اهداف در سنجش از دور تبدیل شده است. در بسیاری از کاربردها علاوه بر دقت الگوریتم‌ها، ‌سرعت اجرای آن‌ها نیز از اهمیت بالایی برخوردار است. در این مقاله به کمک تبدیل فوریه سریع،روشی ارائه شده است که به عنوان عمليات پيش‌پردازش کاهش بعد براي الگوريتم‌هاي تشخيص ناهنجاري عمل مي‌کند و سرعت و دقت آن‌ها را بهبود مي‌دهد. در روش پیشنهادی ابتدا تصویر با استفاده از تبدیل فوریه سریع به حوزه فرکانس برده می‌شودو سپس عملیات پردازش روی دو باند از ماتریس «اندازه تبدیل فوریه»، که چکیده رفتار تصویر را در خود دارد، انجام می‌شود. نتایج اعمال روش پیشنهادی روی دو سری داده فراطیفی سنجنده‌ی AVIRIS نشان می‌دهد که این روش کارایی الگوریتم‌های Local RX، DWRX و DWEST را از لحاظ سرعت به حدی بالا برده است که از آن‌ها می‌توان در کاربردهای بی‌درنگ استفاده کرد. به علاوه، این روش کارایی تشخیص الگوریتم‌های Local RX و DWRX را تا حد زیادی افزایش داده است. علت این امر، افزایش اختلاف طیفی بین پیکسل‌های هدف و پس‌زمینه با استفاده از روش پیش‌پردازش کاهش بعد است.

امروزه حجم بسیار بالای اسناد بایگانی شده سبب گشته، بسیاری از اسناد به صورت الکترونیکی در پایگاه های داده، ذخیره شوند. لوگوی یک متن، معرف مالکیت آن متن است و بوسیله آن می توان متون مختلف را دسته بندی کرد، به همین دلیل روش های مختلفی جهت استخراج لوگو ارائه شده است. متد های ارائه شده قبلی، دارای مشکلاتی از قبیل،خطادرتشخیصلوگوو سرعت پایین تشخیص است. روشپیشنهادیاینمقالهازدوبخشتشکیلشدهاست،دربخشاول، توسطساختاردرختیهرمیوتجزیه و تحلیلعمودیوافقی،موقعیتدقیقلوگوشناساییمیشودودربخشدوم، توسطالگوریتمگسترشمرزچهارگوشویژگی،لوگواستخراجمیگردد. روش ارائه شده در این تحقیق، دارای دقت و سرعت بالاتری نسبت به متد های قبلی ارائه شده می باشد.

در اين مقاله يک روش جديد بهینه سازی براساس تركيب آتوماتاي يادگير سلولي و مدل بهینه‌سازی جمعي ذرات(PSO) پيشنهاد شده است. الگوریتم PSO به نحوي تغيير داده شده که مشکلات الگوریتم PSO استاندارد را برطرف سازد. در این روش آتوماتای يادگير وظيفه انتخاب بهترین عمل از بین اعمال قابل انجام توسط PSO را برای تنظيم رفتار ذرات برعهده دارد. عمل انجام شده در اینجا جایگزین کردن اعداد کیاتیکی حاصل از تولید قاعده 30 در آتوماتای سلولی یک بعدی بجای پارامترهای تاثیرگذار الگوریتم PSO استاندارد می باشد. هدف از اين مقاله بهبود در سرعت همگرایی الگوریتم به همراه دقیقتر شدن جستجو برای محاسبه بهینه سراسری می باشد. نتايج آزمايشات بر روي سه مسئله مختلف نشان ميدهد كه روش ارائه شده از عملكرد بهتري در مقایسه با مدل PSO استاندارد و مدل PSO ادغام شده با مقادیر کیاتیکی برخوردار است.

افزايش چشمگير توليد و استفاده از محتواي چندرسانه¬اي در محيط¬هاي ناهمگون، باعث شده است که تطبيق ويدئو به يک ضرورت براي دسترسي جهاني به محتواي چندرسانه¬اي تبديل شود.در اين مقاله روشي براي تطبيق ويدئو ارائه شده است که سعي مي کند در محيط¬هايي که با محدوديت توان پردازشي مواجه هستيم، توان پردازشي لازم براي کدگشايي ويدئو را کاهش دهد به طوري که نرخ بيت و خرابي در حد مطلوبی پايين نگه داشته شود. در اين مقاله با تغيير دقت بردار حرکت، پيچيدگي کدگشايي را کنترل مي کنيم. نتايج نشان مي دهد که می توان با تحمل 3.5 واحد کاهش PSNR، نزیک به 20 درصد پیچیدگی کدگشایی را کاهش دهیم.

گزارش دهی ساختاریافته به فرایند ایجاد، ذخیره سازی و مبادله ی گزارش اطلاق می¬شود؛ به نحوی که گزارش ایجاد شده دارای محتوای سازمان یافته، تعاریف استاندارد و ساختار مشخص باشد. روش گزارش دهی ساختاریافته مبتنی بر الگو(Template) ، یکی از روش های نوینی است که امروزه مورد توجه رادیولوژیست ها قرار گرفته است.الگو ساختار محتوای گزارش را مشخص می¬کند. هدف ما از این تحقیق، طراحی سیستم گزارش دهی ساختاریافته با رویکرد مبتنی بر ماژول است. برای این منظور مدل مفهومی برای ساختار ماژول پیشنهاد داده شده است. در این مقاله به طراحی چارچوبی برای توسعه ی سیستم گزارش دهی ساختاریافته مبتنی بر ماژول می¬پردازیم.از زبان استانداردXML برای ذخیره سازی ماژول،الگو و گزارش استفاده شده است. به منظور آرشیو نهایی گزارش و انطباق با استاندارد DICOM، گزارش نهایی به قالب(DICOM Structured Reporting) DICOM SR تبدیل شده است. صحت عملکرد سیستم گزارش دهی پیاده سازی شده، با استفاده از الگوهای موجود در انباره ی الگوهای سایت RSNA مورد تائید قرار گرفته است. در سیستم پیشنهادی بلاکهای سازنده ی الگوی استفاده شده در گزارش قابل گسترش و قابل استفاده ی مجدد هستند. استفاده از رویکرد مبتنی بر ماژول در سیستم های گزارش دهی ساختاریافته، روشی قابل انعطاف برای شرح یافته های تصویربرداری تشخیصی است.

یکی از چالش¬های اساسی در زمینه سرمایه¬گذاری در بازارهای بورس کالا و اوراق بهادار، تنوع تعداد اقلام و نیز سهامعرضه شده و همچنین نوسانات زیادی است که در این بازارها رخ می دهد. لذا اتخاذ یک تصمیم درست و انتخاب یک آیتم سودآور جهت سرمایه¬گذاری در آن، یکی از مسائل مهم برای رسیدن به موفقیت در این نوع بازارها می¬باشد. در این مقاله با استفاده از پروسه تحلیل سلسله مراتبی (AHP)، سیستم توصیه-گری معرفی می¬گردد که قابلیت عرضه یکسری توصیه¬ها به کاربران جهت سرمایه¬گذاری در یک بازار خاص و یا خرید یک آیتم مشخص را دارا است. این سیستم توصیه¬گر که از نوع سیستم¬های پالایش همکارانه می¬باشد، براساس یکسری معیارها از جمله شاخص قیمت، شاخص تعداد معاملات، قیمت هر آیتم (که می¬تواند کالا یا سهام باشد)، سود هر آیتم، برتری شرکت¬های حاضر در بورس نسبت به یکدیگرو در نهایت امتیازاتی که کاربران قبلی نسبت به این شرکت¬هاابراز نموده¬اند، افراد را قادر می¬سازد تا با توجه به توصیه¬های ارائه شده، یک یا چند آیتم را انتخاب و در آنها سرمایه¬گذاری نمایند. در پایان مقاله عملکرد سیستم پیشنهادی مورد ارزیابی قرار گرفتهاست.