انجمن کامپیوتر ایران

در اين مقاله يک الگوريتم تعاملي براي استخراج (چينش ) ناحية مورد نظر کاربر در يک تصوير ارائه مي¬شود. کاربر با تعداد کمي خط، ناحية پيش زمينه و پس زمينه را علامتگذاري مي¬کند. ناحية غيرعلامتگذاري شده از تصوير ورودي به عنوان يک فيلد تصادفي مارکوف مدلسازي شده و فرمول تابع انرژي آن توسط حاصلجمع انرژي محلي پيکسل¬هاي غيرعلامتگذاري شده محاسبه مي¬شود. پارامتر تاري با ايجاد يک آتوماتاي سلولي بر روي تصوير که هر سلول آن، با مينيمم کردن انرژي محلي بصورت تکرار شونده تا رسيدن به همگرايي، به کار خود ادامه مي¬دهد، تخمين زده مي¬شود. حالت اولية آتوماتاي سلولي بوسيلة خطوط مشخص شده توسط کاربر تعيين مي¬شود و حالت هر سلول مي¬تواند با ورودي اضافي کاربر در طول پردازش تغيير داده شود. بدين معني که، مي¬توان ورودي کاربر را به عنوان راهنماي پردازش و بدون اجراي دوبارة الگوريتم اضافه نمود. آزمايشات انجام شده بر روي تصاوير طبيعي پيچيده نشان مي¬دهد که با علامتگذاري اولية نسبتاً کمي از کاربر، نتايج قابل قبولي بدست مي-آيد.

در این مقاله برآنیم که سیستمی برای جداسازی خودکار افعال عبارتی انگلیسی اصطلاحی از ترکیبی طراحی و پیاده-سازی کنیم . به این منظور، ابتدا با کمک یک متن دوزبانه انگلیسی— فارسی، تعدادی خصیصه برای جداسازی تعریف می¬کنیم. به نوعی انسان¬ها نیز از این خصیصه¬ها برای تشخیص ترکیبی یا اصطلاحی بودن افعال عبارتی استفاده می¬کنند. به کمک تمام خصیصه¬ها دقت 72.6% را در تشخیص بدست آوردیم که پس از انتخاب خصیصه¬های برتر به 79.4% دقت رسیدیم.

در این مقاله، راهکاری نوین برای مکان¬یابی خطاهای معنایی موجود در نرم‌افزارها به صورت خودکار ارائه شده است. اغلب روش-های موجود، علل اصلی خطا را با مقایسه رفتار برنامه در اجراهای موفق و ناموفق، کشف می¬کنند. مشکل اصلی در این راهکارها این¬است که نقاطی گسسته از برنامه را به عنوان علل اصلی خطا اعلام می¬کنند و در نتیجه یافتن علت اصلی خطا نیاز به جستجو و تحلیل دستی حجم زیادی از کد دارد. برای حل این مشکل، در این مقاله استفاده از روش¬های کاوش گراف بر روی مجموعه گراف¬های حاصل از اجراهای برنامه، پیشنهاد می¬گردد. با نمایش هر اجرای برنامه در قالب یک گراف وزن¬دار، زیرگراف¬های متمایزکننده بین گراف¬های اجرایی موفق و ناموفق می¬تواند به عنوان عوامل خطا به برنامه نویس معرفی شوند. برتری اصلی راهکار پیشنهادی نسبت به روش¬های موجود این¬است که عوامل اصلی خطا در قالب زیرگراف¬های اجرایی و به صورت دنباله¬ای از خطوط برنامه که منجر به شکست نرم¬افزار شده¬اند به برنامه¬نویس اعلام می¬شوند و بنابراین به بررسی دستی حجم بسیار کمتری از کد برای فهم و رفع خطا نیاز است. تحلیل راهکار پیشنهادی بر روی مجموعه آزمون مشهور زیمنس در زمینه ارزیابی و مقایسه روش¬های مکان¬یابی خطاهای معنایی، موفقیت روش پیشنهادی را در کشف دقیق‌تر خطاها در این نرم¬افزار نشان میدهد.

مهندسي نرم افزار از تعدادي فرآيند تشکيل شده است از جمله طراحي، پياده سازي و تغيير نرم افزار که همه اين فرآيند‌ها در جهت توليد و توسعه نرم افزار و همچنين دسترسي به يک نرم افزار کارآمد و با کيفيت و قابل نگهداشت انجام مي‌شود. نامتغيرها به برنامه نويس کمک مي‌کند بيشتر مراحل مهندسي نرم افزار را راحتر انجام دهد. نامتغير خصوصيات هميشه درست با ضريب اطمينان مشخص هستند. از آنجايي که بعضي از نامتغيرها طي شرايطي در مسير اجراي برنامه ايجاد مي‌شوند، ايجاد نامتغيرهاي شرطي مي‌تواند بسيار مفيدتر و کمک کننده باشد. براي توليد اين نوع از نامتغيرها مي‌توان از تکنيک‌هاي داده کاوي مثل کشف قوانين انجمني و يا استفاده از درخت تصميم براي بدست آوردن نامتغيرهاي شرطي استفاده کرد.

قابلیت اطمینان شبکه دارای اهمیت ویژه‌ای می‌باشد. نمودار تصمیم دودویی (BDD) یک ساختمان داده مدرن است که در سال‌های اخیر به طور موفقیت‌آمیزی در مباحث مختلف علوم و مهندسی کامپیوتر به کار گرفته شده است. در این مقاله نشان می‌دهیم چگونه می‌توان این ساختمان داده را به منظور محاسبه قابلیت اطمینان شبکه به طور کارآمد به کار گرفت. با روش تجزیه شبکه و با استفاده از BDD قابلیت اطمینان شبکه K-terminal محاسبه می¬شود. در این روش از مفهوم پارتیشن برای نمایش نودها در گراف شبکه استفاده می‌کنیم که منجر به ادغام زیرگراف‌های مشابه در ساختمان داده نمودار تصمیم دودویی به صورت کارا می‌گردد. ادغام زیر گراف‌های مشابه از محاسبات تکراری جلوگیری به عمل آورده و در نتیجه مرتبه زمانی را کاهش می‌دهد. نمونه‌ها و آزمایشات صورت گرفته نشان‌دهنده کارآیی این روش می‌باشد.

خوشه¬بندي، يک رويکرد کارآمد براي تعديل بار بين گره¬ هاي حسگر و افزايش طول عمر شبکه است. با خوشه¬بندي، داده¬هاي ارسالي گره¬هاي درون خوشه توسط سرخوشه تجميع شده و به ايستگاه پايه ارسال مي¬شود. بنابراين گره¬ها مي¬توانند سربار ارتباطي خود را که از ارسال مستقيم داده¬هايشان به ايستگاه پايه حاصل مي¬شود کاهش دهند. در اين تحقيق، يک پروتکل خوشه¬بندي بر مبناي پروتکل مشهور HEED ارائه شده است که بصورت توزيع شده عمل مي¬کند و هدف آن افزايش طول عمر شبکه مي¬باشد. معيار انتخاب سرخوشه در اين پروتکل، ترکيبي رياضي از دو معيار درجه گره و مركزيت گره با ملاحظه انرژي باقي¬مانده آن است. همچنين در اين پروتكل، خوشه¬بندي زماني انجام مي¬شود که حداقل يکي از سرخوشه¬ها بخش معيني از انرژي خود را مصرف کند. پروتکل ارائه شده در اين تحقيق (iHEED) با دو پروتکل مشهور شبکه¬هاي حسگر بيسيم به لحاظ معيارهاي کارآمدي انرژي مقايسه شده است. نتايج شبيه سازي در نرم¬افزار Matlab نشان مي¬دهد که اين پروتکل از ساير پروتكل¬ها بهتر عمل مي¬کند و يک پروتکل خوشه¬بندي انرژي-کارآمد است.

در این مقاله، تکنیک جدیدی برای طراحی S-box ها با استفاده از الگوریتم‌های ژنتیک شرح داده می‌شود. هدف ما طراحیS-box هایی است که معیارهای غیرخطی بودن، بهمنی اکید، متوازن بودن و معیار انتشار را بر آورده کنند و ضمناً جدول توزیع تفاضلات آنها هموار باشد. تکنیک‌های جدید مطرح شده بر پایه نتایجی که در [1] به دست آمده، ارائه شده است. در [1]، یک تولیدکننده‌ی تصادفی، S-box های کاندید را تولید می کند و زمان زیادی برای تولیدS-box ها هزینه می شود. در تکنیک جدید ارائه شده، از الگوریتم‌های ژنتیک برای تولید S-box استفاده شده است و در زمان بسیار کمتری نسبت به [1] S-box های مطلوبی تولید می شود و این تکنیک با استفاده از زبانC++ پیاده سازی شده و نتایج به دست آمده در مقاله ارائه شده است.