انجمن کامپیوتر ایران

امضای افراد از دو مشخصه متضاد برخوردار است از یک سو دارای ساختار پایدار بوده و از سوی دیگر دو امضای یک فرد نیز کاملا یکسان نیست. تفاوتهای سطحی امضای افراد در تکرارهای متوالی در اندازه، سرعت و تغییرات غیرخطی محور زمان است. این مسائل طبقه‌بندی امضاهای حقیقی و جعلی را مشکل می‌سازد. به منظور کاهش این خطاها استفاده از ویژگیهای محلی که دقت بالاتری نسبت به ویژگیهای کلی دارند، می‌تواند راهکار موثری باشد ولی به دلیل یکسان نبودن طول ویژگیهای محلی استفاده از یک الگوریتم سریع و مقاوم در برابر اعوجاجات محلی اهمیت اساسی دارد. در این مقاله با بهره‌گیری از الگوریتم کمترین فاصله گستره سعی در تعیین نقاط متناظر واقعی می‌شود. آزمایشهای انجام شده بر روی یک پایگاه امضای گسترده حاکی از عملکرد بهتر الگوریتم MLD نسبت به روش مشهور DTW است که خطای طبقه‌بندی را در حدود 3/8% کاهش می‌دهد. همچنین نتایج نشان داد با استفاده از طبقه‌بندی کننده پنجره پارزن، شاخص EER برابر 94/0% و 78/1% به ترتیب برای گروه جاعل تصادفی و ماهر است.

پیکره های چند زبانه اصلی ترین منابع در زمینه بازیابی اطلاعات بین زبانی به شمار می روند. در این میان کیفیت بسیاری از کارها ازجمله ترجمه ماشینی به شدت به کیفیت این پیکره ها وابسته است.یکی از انواع این پیکره ها پیکره های تطبیقی می باشند.این پیکره ها با توجه به حجم بالا می توانند شامل اطلاعات وسیعی باشند و می توان با استفاده از آنها جملات موازی را استخراج کرد و در کاربردهای ترجمه ماشینی از آن استفاده کرد.با توجه به ویژگی های خاص زبان فارسیمانند ویژگی های قواعد آن و نوع ترکیب کلمات ،پیکره تطبیقی مناسب و دقیق در زبان فارسی وجود ندارد. در این مقاله به بررسی روشی جدید برای ساخت پیکره تطبیقی فارسی-انگلیسی می پردازیم.

يکي از روش¬هاي تعيين پارامترهاي حرکت در فضاي سه¬بعدي، پردازش تغیيرات ايجاد شده در تصاوير دوربين متصل به بدنه هواپيما مي¬باشد. امكان کنترل چرخش ناگهانيوحركتهاي انتقاليهواپیما با استفاده از محاسبه¬ی شار¬نوريحاصل از تصاویر اخذ شده-ی صحنه، از موضوعات چالشي مي¬باشد. در این مقاله فرض بر این است که پرنده با سرعت ثابت و ارتفاع مشخص درحال حرکت به سمت جلو است و می¬تواند حول سه محور اصلی حرکت دورانی داشته باشد؛ با این فرض،هدف محاسبه پارامترهای حرکت دورانی پرنده است. برای این منظور شار نوری ناشی از حرکت یکنواخت، از شار نوری کل کاسته می¬شود؛ سپس با تحلیل بردارهای شار نوری باقی مانده زوایای انحراف قابل تعیین خواهد بود. با توجه به عدم ايده¬آل بودن شارهاي نوريِ محاسبه شده، براي تعيين پارامتر¬هاي حرکت بايستي از اطلاعات قابل دسترس ديگري نيز استفاده کنيم. به همین منظور روش حداقل¬مربعات برای کاهش اثر نویز پیشنهاد می¬شود. اين روش با مینیمم کردن خطای بين شار نوري نویزی و شار نوري ایده¬آل، پارامترهای حرکت را محاسبه می¬کند.

کمپرسور(4:2) به عنوان مهم¬ترین سلول به کار رفته در درخت کاهش حاصل¬ضرب¬های جزئی و به تبع آن، در مدارهای ضرب¬کننده موازی به شمار می¬رود. در تمامی پیاده¬سازی¬های این سلول حسابی، از اتصال سری دروازه¬های XOR/XNORدو ورودی به¬منظور پیاده¬سازی یک XORپنج ورودی، جهت تولید خروجی sاستفاده می¬شود. این در حالی است که استفاده از دروازه¬های دو ورودی متوالی، باعث افزایش طول مسیر سیگنال و در نتیجه افزایش بیشینه تأخیر مدار می¬شود. در این مقاله با استفاده از یک مدار یکپارچهXORسه ورودی و همچنین با حذف سیگنال¬های تکراری، کمپرسور(4:2) سریعی را ارائه می¬کنیم که دارای مسیر بحرانی متفاوتی نسبت به سایر پیاده¬سازی¬های موجود می¬باشد. شبیه¬سازی¬ها به وسیله نرم افزار HSPICE و با استفاده از فایل تکنولوژی 45nmشرکت NANGATEانجام گرفته است. نتایج شبیه¬سازی نشان می¬دهد کمپرسور(4:2) پیشنهادی از کمپرسورهای موجود سریع¬تر بوده و دارای حاصل¬ضرب تأخیر در توان کمتری می¬باشد.

استخراج نكات كليدي از متون، روشي جهت دسترسي آسان و سريع به نكات اصلي و كليدي موجود در آنهاست. امروزه با توجه به رشد روزافزون اسناد الكترونيكي، کاربران آنها با مشكلات مختلفي مواجه هستند. يكي از عمده¬ترين اين مشكلات يافتن داده يا متن مورد نظر از بين حجم وسيع متون است. به همين دليل، يافتن راه¬هايي جهت دسترسي آسان و مناسب كاربران به داده¬هاي موردنظرشان يكي از دغدغه¬هاي پژوهشگران اين علم مي¬باشد. تاكنون روش¬هاي مختلفي براي استخراج كلمات و عبارات كليدي از متون انگليسي ارائه شده است. هدف ما در اين مقاله استخراجنكات كليدي از متون مي¬باشد. براي رسيدن به اين هدف ابتدا بايد ساختار معنايي متن را بدست آوريم كه هستان¬نگار شبكۀ قاب ابزاري جهت انجام اين عمل است. با استفاده از شبكۀ قاب مي¬توان به هر واحد لغوي، مفهومي متناسب با موقعيتش در متن منتسب كرد و سپس با بكارگيري مفاهيم بدست آمده، زنجيره¬هاي مفاهيم ساخته مي¬شوند. هر مفهوم را براساس 4 مشخصه كه برخي از آنها مبتني بر زنجيره هستند، امتيازدهي مي-كنيم و در نهايت مفاهيم با امتياز بيشتر را به عنوان نكات كليدي استخراج مي¬كنيم. مجموعه¬نكاتی كه استخراج مي¬شونددر مقايسه با آنچه كه توسط خبرگان از متن استخراج شده، داراي 38% مطابقت مي¬باشد.

در اين مقاله روش ترکيبي جديدي بر اساس سيستم ايمني مصنوعي براي کشف تقلب در حوزه کارت‌هاي اعتباري ارائه مي‌شود. روش ارائه شده از دو الگوريتم در حوزه سيستم ايمني مصنوعي تشکيل شده است. الگوريتم اول سيستم تشخيص ايمني مصنوعي نام دارد که يک الگوريتم دسته‌بندي است و سلول‌هاي حافظه را بر اساس انتخاب کلوني توليد مي‌کند. الگوريتم دوم، الگوريتم تشخيص الگوي خودي نام دارد که بر اساس داده‌هاي خودي کشف‌کننده‌هايي را براي تفکيک تراکنش‌هاي خودي از غيرخودي توليد مي‌کند. اين الگوريتم از نظريه الگوي خودي در سيستم ايمني بدن الهام گرفته شده است. اين مقاله با ترکيب دو الگوريتم فوق، دقت را بالا برده و به نتايج بهتري دست يافته است.

شناسایی مشتریانی که احتمال دارد به تبلیغات بازاریابی واکنش نشان دهند مبحث بسیار مهمی در بازاریابی مستقیم می باشد. برای اینکه بتوانیم تصمیم بگیریم تبلیغات برای کدام یک از مشتریان بایستی ارسال شود، مشتریان به دو گروه مشتریان پاسخگو و غیر پاسخگو تقسیم می شوند. شناسایی این دسته از مشتریان مزیت های بسیاری برای کسب و کار ها ایجاد می نماید به طور مثال با شناسایی مشتریان پاسخگو و ارسال تبلیغات تنها به این دسته از مشتریان، هزینه بازاریابی به طور قابل ملاحظه ای کاهش می یابد همچنین ارسال تبلیغات به این دسته از مشتریان باعث افزایش سودآوری شرکتها می شود ودر نهایت باعث می شود که مشتریان غیر پاسخگو از هجوم تبلیغات ناخواسته در امان بمانند.امروزه یکی از روشهای شناسایی مشتریان پاسخگو استفاده از روشهای داده کاوی می باشد.در این مقاله هدف ما این است که با مقایسه مدلهای مختلف داده کاوی بر روی یک مجموعه داده واقعی به بهترین مدلی دست پیدا کنیم که از دقت و کارایی بالاتری نسبت به بقیه مدلها برخوردار باشد بنابراین با اعمال مدلهای مختلف درخت تصمیم و شبکه عصبی بر روی مجموعه داده به مقایسه کارایی این مدلها پرداختیم ودر نهایت به این نتیجه رسیدیم که درختهای تصمیم بر روی این مجموعه داده از کارایی بالاتری برخور دار هستند.

در چند سال اخیر میکروب هليكوباكترپيلوري، توجه خیلی¬هارا به خود جلب کرده است. وجود این باکتری در معده سبباختلال در دستگاه گوارشی شده و در صورت درمان نشدن سبب زخم¬های گوارشی و سرطان معده می¬شود. تنها راه قطعی برای مشخص کردن ابتلای افراد به این بیماری، توسط آندوسکوپی و نمونه برداری از معده انجام می¬شود که استفاده از این روش برای کودکان سخت و دردآور است. در این مقاله با استفاده از الگوریتم¬های داده¬کاوی سعی در تشخیص بیماری در کودکان داشته¬ایم که با احتمال بالایی توانسته¬ایم این بیماری را درست پیش‌بینینماییم. با این کار می¬توانیم از انجام آندوسکوپیبرای کودکان جلوگیری کرده و در صورت احتمال وجود بیماری،آندوسکوپی انجام پذیرد.

گرید داده بستر مناسبی را برای مدیریت و دسترسی یکنواخت به منابع داده¬ای توزیع شده با حجم بالا فراهم آورده است. تکثیر داده سرویسی از گرید داده است که برای سهولت و تسریع در دسترسی به داده¬ها به وجود آمده است. اما در محیط وسیع گرید داده، نیاز به الگوریتم¬هایی برای حفظ سازگاری و تضمین یکسان بودن محتوای تکرارهای مختلف از یک فایل، اجتناب ناپذیر است. در این مقاله یک روش مفید و مؤثر برای حفظ سازگاری ارائه شده است. در این روش مسؤولیت برقراری سازگاری برعهده گره¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬ی حاوی نسخه تکرار قرار دارد. در هرگره نرخ به¬روزرسانی نسخه تکرار، بر اساس نرخ تغییر در فایل داده¬ی اصلی و نرخ تقاضای دسترسی به نسخه تکرار موجود در آن گره، محاسبه می¬شود. نتایج آزمایشگاهی با استفاده از شبیه¬ساز اپترسیم نشان دهنده¬ی این است که روش پیشنهادی در مقایسه با دو روش خوش¬بینانه و بدبینانه، با کاهش تأخیر دسترسی به فایل¬ها، موفق به کاهش میانگین زمان اجرای کارها شده است و از نظرکاهش اتلاف منابع شبکه¬ای بهتر از روش بدبینانه عمل می¬کند.

سیستم¬های همتابه¬همتا (Peer to Peer) به دلیل داشتن خصوصیاتی منحصر به فرد از قبیل مقیاس¬پذیری، استواری و هزینه¬ی پائین توسعه، در چند سال اخیر رشد قابل توجهی داشته¬اند.سیستم¬های همتابه¬همتا خود ممکن است پایگاهی یا ناپایگاهی باشند. یکی از مهم¬ترین مسائل مطرح در سیستم¬های پایگاهی همتابه¬همتا، مسئله¬ی پردازش پرسش است، بطوریکه یک بهبود جزئی در آن تاثیر قابل توجهی در کارایی سیستم خواهد داشت. یکی از راه¬های کاهش هزینه¬ی پردازش پرسش، خوشه¬بندی همتاهای با حیطه¬ی داده¬ای مشابه است. خوشه¬بندی همتاهایی با محتویات مشابه، باعث می¬شود پرسش¬های مطرح شده بتوانند مستقیماً به خوشه مربوطه راه یافته و در آنجا بطور موثری پاسخ داده شوند. در این مقاله روش جدیدی برای خوشه¬بندی همتاها در سیستم پایگاهی همتا¬به¬همتا ارائه می¬دهیم که در آن از الگوریتم خوشه¬بندی مبتنی بر رفتار مورچه¬ها استفاده شده است. آزمایشات انجام شده به منظور ارزیابی کارائی نشان می¬دهد که الگوریتم ارائه شده خوشه¬بندی همتاها را با دقت و کیفیت بالاتری نسبت به الگوریتم¬های ارائه شده انجام می¬دهد. علاوه¬براین الگوریتم ارائه شده به سرعت به حالت بهینه همگرا می¬شود و مقیاس¬پذیری بالائی در برابر افزایش اندازه مسأله دارد.

يكي از مسايلي كه در محيط پايگاه داده تحليلي مطرح است تشخيص تغييرات در منابع داده عملياتيميباشد. داده ها جهت بارگزاري در پايگاه داده تحليلي از منابع داده عملياتي استخراج ميشوند،به علت تغييرات منابع داده عملياتي در طي زمان نياز است فرايند به روز رساني پايگاه داده تحليلي در فاز نگهداري انجام شود واين تغييرات به پايگاه داده تحليليمنتقل شوند. از روشهاي موجود جهت تشخيص تغييرات در منابع داده عملياتي روش مقایسهتصاویر منابع داده عملیاتیاست. يكي از معايب اين روش انجام مقايسات زياد و زمانبر بين ركوردها جهت تشخيص تغييرات است. هدف از ارايه روش پیشنهادی این مقاله، بهبود زمان تشخيص تغيييرات داده از طريق كاهش تعداد مقايسات بين ركوردها، در روش مقایسه تصاویر ارايه شده توسط روسانا است. این روش، روشي معمول و بهبود يافته در مقایسه تصاویر ميباشد. آزمايشات انجام شده بر روي داده هاي آزمايشي نشان می¬دهد که روش پیشنهادی در این مقاله، منجر به20 درصد بهبوددر زمان تشخيص تغييرات در روش متداول All Signature که توسط روسانا ارايه شده است می¬شود.

رشد سریع درخواست¬های محاسباتی و برنامه¬های خدمت¬گرا و همچنین گرایش آنها به مدل رایانش ابری، منجر به استقرار مراکز داده بسیاری با مقیاس وسیع شده است. از آنجایی که مراکز داده¬ای میزبان این برنامه¬ها، میزان بسیار زیادی انرژی الکتریکی مصرف می¬کنند و موجب افزایش هزینه¬های عملیاتی، انتشار گرما و گاز کربن در محیط می¬شوند. انتقال پویای ماشین¬های مجازی به عنوان یکی از راهکارهای کاهش انرژی، با استفاده از ایده مهاجرت پویا و خاموش کردن خدمت¬گذارهای بیکار، به ارائه-دهندگان سیستم¬های رایانش ابری این امکان را می¬دهد که مصرف انرژی را کاهش و بکارگیری منابع را تا حدودی بهبود دهند. در این مقاله روشی مبتنی بر مفهوم ضریب همبستگی برای جایگذاری ماشین¬های مجازی ماشین¬های مجازی مهاجرت یافته ارائه می¬شود، به نحوی که هر ماشین مجازی روی میزبانی قرار خواهد گرفت که دارای کمترین ضریب همبستگی از نظر بهره¬وری CPU با دیگر ماشین¬های مجازی روی این میزبان فیزیکی باشد، چرا که هر چه میزان همبستگی در مصرف منابع یا بهره¬وری CPUمیان ماشین¬های مجازی یک میزبان بیشتر باشد، احتمال این که آن میزبان سریع¬تر دچار سرریز بار شود، بالاتر است؛ بنابراین امکان بروز تخطی در میزان سطح توافق شده خدمت¬دهی به کاربر یا SLA (Service Level Agreement) نیز وجود دارد. روش پیشنهادی در این مقاله توسط شبیه¬ساز CloudSimارزیابی می¬شود. ارزیابی نشان می¬دهد که این روش نسبت به روش¬های ارائه شده تاکنون نتایج خوبی را در زمینه بهره¬وری مصرف انرژی و میزان تخطی در SLAدر مراکز داده در محیط¬های ابری ارائه می¬دهد.

روش تحلیل تمایز هسته، یک روش کاهش بعد غیرخطی مبتنی بر هسته است، که به عنوان یک استخراج کننده ویژگی به منظور دسته بندی نمونه داده¬ها به کار می¬رود. هدف این روش دستیابی به یک زیرفضای غیرخطی یا منیفولد کم بعد است، که نمونه¬های دسته¬های مختلف نگاشت شده در آن بیشترین تمایز را از یکدیگر داشته باشند. این هدف از طریق نگاشت تعریف شونده توسط تابع هسته تحقق پیدا می¬کند. در اغلب کارهای پیشین بر روی این مدل، تمرکز بر بهینه سازی پارامترهای تابع هسته برای بالا بردن کارایی دسته بندی با آن بوده است. در این مقاله نشان داده می¬شود که نوع تابع هسته نیز در کنار پارامترهای آن می¬تواند تأثیر به سزایی در کیفیت دسته بندی با این روش داشته باشد. بدین منظور توابع هسته مختلف ساده و ترکیبی همراه با یک فرآیند تنظیم پارامترها و وزنهای ترکیب این هسته¬ها بر روی چند مجموعه داده شناخته شده آزمایش شده و با چندین روش مرتبط مقایسه می¬شود. دستیابی به بهبود قابل توجه در دقت دسته بندی از این طریق مؤید اهمیت انتخاب نوع و پارامترهای هسته بطور همزمان در روش تحلیل تمایز هسته است.