انجمن کامپیوتر ایران

در اين مقاله، راه‌کاری جهت تخمین تعداد مسیرهای اجرایی برنامه‌های نرم‌افزاری جهت آزمون نرم‌افزار، ارایه شده است. ابزار ارایه شده در این راه‌کار پیشنهادی، قابلیت تحلیل ایستا و پویای برنامه‌های به زبان Cرا دارا می‌باشد. راه‌کار پیشنهادی، با دریافت کد برنامه و کاوش کد اسمبلی آن، بلاکهای اولیه برنامه شناسایی کرده و براساس آنها گراف جریان کنترلی برنامه را می‌سازد. برای استخراج مسیرهای گراف جریان کنترلی پیش‌پردازش‌شده، از یک ساختار ذخیره‌سازی درختی و الگوریتم تغییریافته جستجوی سطحی بهره می‌گیرد. استفاده از این ساختار درختی موجب مقیاس‌پذیری بالای راه‌کار پیشنهادیمی‌شود. سایر معیارهای اندازه‌گیری پوشش کد برنامه نظیر پوشش جملات، انشعابات، بلاکهای اولیه، توابع و کلاسها، برای آزمون کننده نرم- افزار این امکان را فراهم نمی‌کنند که از صحت عملکرد نرم‌افزار اطمینان حاصل نماید. به عبارت دیگر، تا زمانی که آزمون‌کننده نرم‌افزار، اطلاع کافی از کلیه مسیرهای برنامه نداشته باشد، قادر نخواهد بود تمامی خطاهای موجود در برنامه را شناسایی و رفع نماید. اما راه‌کار پیشنهادی با استخراج مسیرهای ایستا در برنامه و اعلام آنها، این توانایی را برای آزمون‌کننده نرم‌افزار ایجاد می‌کند. از جمله قابلیت‌های راه‌کار پیشنهادی، تحلیل پویای برنامه در کنار تحلیل ایستا است که با مستندگذاری خودکار برنامه در سطح کد اسمبلی، میزان پوشش مسیرهای مختلف برنامه را براساس روشهای مختلف تولید موارد آزمون در زمان اجرا مشخص می-کند. مجموعه آزمایشات انجام شده برروی تعدادی برنامه استاندارد، دقت و کارآمدی راه‌کار پیشنهادی را آشکار می‌سازد.

سرويس پيوستگي تماس صوتي (VCC) توسط 3GPPتعريف و استاندارد شده است. با استفاده از اين سرويس، يک تماس صوتي مي¬تواند در صورت نياز ميان يک دامنه سوئيچ مداري و يک دامنه سوئيچ بسته¬اي جابجا شود. در اين مقاله، تأخير سيگنالينگ سرويس پيوستگي تماس صوتي براي انتقال از دامنه سوئيچ بسته¬اي به دامنه سوئيچ مداري مورد بررسي قرار مي¬گيرد.در تحليل خود، تأخير سيگنالينگ¬هاي سوئيچ مداري و تأخير سيگنالينگ¬هاي سوئيچ بسته¬اي را در نظر مي¬گيريم.نتايج نشان مي¬دهند تأخيـر سيگنالينگVCC، با افزايش نرخ کانال شبکه¬اي که گيرنده تماس در آن قرار دارد، کاهش مي¬يابد و با افزايش احتمال خطاي فريم، اين تأخيربه آهستگي افزايش مي¬يابد. با افزايش نرخ ورود پيام¬هايSIPبراي عناصر مياني IMS، تأخير سيگنالينگ VCCافزايش مي¬يابـد. همچنين، با زياد شدن تعداد STPها در يک ارتبـاط SS7، تأخير سيگنالينگ VCCبه ميزان قابل توجـهي افزايش مي¬يابد.

يکي از روش¬هاي حل مسايل بهينه سازي استفاده از الگوريتم تکاملي است. بسياري از اين الگوريتم¬ها در جستجوي عمومي موفق عمل مي¬کنند اما نمي¬توانند جواب دقيقي را پيدا نمايند. استفاده از يک يا چند جستجوي محلي، به عنوان يادگيري محلي، براي پيدا کردن جواب بهتر، معروف¬ترين راه حل براي اين مساله است. اين روش، الگوريتم ممتيک ناميده مي¬شود. اتوماتاييادگير يک روش يادگيري تقويتي است که در مسائل مختلفي مورد استفاده قرار گرفته است. در اين مقاله يک مدل جديد ترکيبي مبتني بر اتوماتاييادگير و الگوريتم ممتيک با نام LA-MA ارائه شده است. اين مدل از دو بخش ژنتيک و ممتيک تشکيل شده است. فرآيندهاي تکامل و يادگيري محلي به ترتيب در بخش¬هاي ژنتيک و ممتيک انجام مي¬شوند. بخش ژنتيکي، مشابه الگوريتم ژنتيکي سنتي است. در بخش ممتيکي جمعيتي از مم¬ها قرار دارد که با اتوماتاييادگير بازنمايي شده¬اند. هر مم متشکل از چند اتوماتاييادگير است، که وظيفه يادگيري محلي را بر عهده دارند. جهت نمايش کارايي مدل ارائه شده، اين مدل با ساير روش¬ها مقايسه شده است. نتايج بدست آمده، برتري اين مدل را در مقايسه با ساير الگوريتم¬ها نشان مي¬دهد.

در سال های اخیر، تشخیص چهره با استفاده از تصاویر ویدئویی مورد توجه قرار گرفته است. از تصاویر ویدئویی به عنوان داده‌های مکانی-زمانی برای تشخیص چهره استفاده می‌شود. تصاویر ویدئویی این امکان را فراهم می‌آورد که اطلاعات بیشتری از تصویر استخراج کنیم، به گونه‌ای که تشخیص چهره در شرایط نور کم و وضوح پایین تصاویر بهبود پیدا کند. استفاده از الگوهای محلی باینری حجمی (VLBP) یکی از روش‌های مورد استفاده در تصاویر ویدئویی و الگوهای پویا است. این روش با در نظر گرفتن نقاط همسایگی در فریم‌های پیشین و پسین در محاسبه کدهای باینری تصویر کاربرد دارد. در این مقاله، با استفاده از شبکه‌های عصبی خودسازمانده، یک همسایگی نامتقارن ایجاد و در این همسایگی، بردار ویژگی الگوهای محلی باینری حجمی OVLBP محاسبه می‌شود. به این ترتیب ویژگی‌های کلیدی در تصاویر چهره بررسی و سبب بهبود کارایی خواهد شد. نتایج آزمایشات بر روی پایگاه داده‌های MoBo، Honda/UCSD و Essex به ترتیب برابر 96.9، 85.8 و 98.4 است که نشان دهندۀ کارایی الگوریتم OVLBP است.

مترجم ماشینی آماری، يک نمونه از ماشین‌های ترجمه است که ترجمه در آن بر اساس مدل‌های آماری انجام می‌شود. در این روش پارامترها توسط تحلیل پیکره موازی به دست می‌آیند و اگر یادگیری ترجمه‌ی واژه‌ها بهتر انجام شود، کیفیت ترجمه بالا می‌رود. با استفاده از تقطیع تکواژه‌ها، واژه‌های خارج از واژگان موجود و همچنین اندازه‌ی واژه‌نامه به طور چشمگیری کاهش می‌یابد. وقتی با زبان‌های با ساختار صرفی غنی نظیر فارسی سروکار داریم، نیاز به این تقطیع‌کننده‌ی تکواژه‌ها پر‌اهمیت‌تر می‌شود. تعیین دانه‌بندی مشابه برای واژه‌ها در هر دو زبان مبدأ و مقصد، می‌تواند کیفیت ترازبندی در پيکره‌ی موازی را افزایش دهد. در این مقاله با ارایه طرح‌های مختلف و ترکیبی برای تقطیع تکواژه‌ها، متن فارسی به انگلیسی ترجمه می‌شود که بهترین طرح به عنوان طرح شبه انگلیسی نامگذاری شده است. با استفاده از طرح مذکور کیفیت ترجمه با معیارBLEU، 3 امتیاز نسبت به ماشین مترجم آماری مبتنی بر عبارت پایه بهبود یافته است. همچنین خروجی‌ها به خوبی نشان می‌دهند که کیفیت ترجمه برتر از کیفیت ترجمه‌ی مترجم Google Translator است. واژه‌های خارج از واژگان موجود نیز به شدت کاهش یافته‌اند.

ماشین¬ بردار پشتیبان یکی از دسته¬بندهای شناخته شده است که برای دسته¬بندی الگوهای جدایی پذیر خطی و نیز برای الگوهایی که به صورت خطی جدایی پذیر نیستند، به کار می¬رود. در جداسازی الگوهای جدا ناپذیر به صورت خطی، از تابع هسته در ماشین بردار پشتیبان استفاده می¬شود که انتخاب مناسب نوع و پارامترهای تابع هسته تاثیر زیادی در دقت دسته¬بندی دارد. در این مقاله، تابع هسته به صورت یک ترکیب خطی از توابع هسته استاندارد و با استفاده از الگوریتم بهینه¬سازی ازدحام ذرات تخمین زده می¬شود. تابع برازندگی این الگوریتم در ایتجا خطای دسته¬بندی ماشین بردار پشتیبان است که باید کمینه شود. آزمایش¬ها بر روی دادگان انتخابی UCI، بیانگر کارایی تابع هسته پیشنهادی در مقایسه با توابع هسته استاندارد و نیز تابع هسته ترکیبی به دست آمده با استفاده از الگوریتم ژنتیک است.

برای کاهش اثرات نامطلوب بلوکی در فریم های ویدئو، استاندارد فشرده سازی H.264/AVCاز یک فیلتر بلوک زدایی استفاده می کند. این واحد دارای بار محاسباتی بسیار بالاییمی باشد.]1[ لذا برای افزایش سرعت و بالا بردن کارایی فیلتر بلوک زدایینیاز به پیاده سازی سخت افزاری این واحد میباشد. در این مقاله ما یک معماری سخت افزاری مناسب برای پیاده سازی الگوریتم فیلتر بلوک زدایی ارائه می دهیم.در این معماری، از یک ترتیب جدید برای فیلتر کردن لبه های یک ماکروبلوک استفاده می شود که نه تنها نسبت به روش های دیگر حجم حافظه موردنیاز را کاهشمی دهد، بلکه به دلیل قابلیت پیاده سازی به صورت خط لوله، تعداد کل کلاک مورد نیاز برای فیلتر کردن لبه های یک ماکروبلوک را به کمترین مقدار آن کاهش می دهد. در طرح هایی که قبلا برای فیلتر کردن لبه های یک ماکروبلوک با استفاده از یک واحد فیلتر ارائه داده شده است، در حالت بهینه تعداد کل عملیات لازم برای فیلتر کردن (با در نظر گرفتن کلاک های لازم برای بارگذاری بلوک ها از حافظه خارجی) برابر با 448 سیکل کلاک است. در صورتیکه روشی که ما ارائه می دهیم دارای 416 کلاک مصرفی برای فیلتر کردن می باشد. بنابراین این طرح نسبت به حالت بهینه 32 سیکل کاهش سیکل دارد. از دیگر ویژگی های این معماری نسبت به روش های قبلی، کاهش حجم حافظه مورد نیاز جهت نگه داری داده های میانی، کاهش تعداد گیت ها و سخت افزار مورد نیاز جهت پیاده سازی واحد فیلتر بلوک زدایی است.

در اين مقاله یک الگوریتم کاملاً توزیعی، پویا، سبک وزن و هوشمند مبتنی بر اتوماتای یادگیر در جهت مقابله با حمله ارسال انتخابی در شبکه¬های حسگر بی¬سیم پیشنهاد شده است. در این الگوریتم از مکانیزم شنود به همراه مدل اتوماتای یادگیر جهت انتخاب مسیر ایمن ارسال بسته¬ها در پروتکل¬های مسیریابی چندگامه استفاده می¬شود. هر گره مجهز به يك اتوماتاي يادگير است كه وظيفه آن انتخاب گره بعدي(گره بالادستي) براي ارسال داده‏ها به سمت ایستگاه پایه و نظارت بر عملكرد آن است. شبیه¬سازی الگوریتم پیشنهادی توسط شبیه¬ساز J-SIM صورت گرفته و نتایج شبیه¬سازی¬ها، در قالب معیارهای نرخ تحویل بسته¬ها، نرخ ساقط شدن بسته‏ها توسط گره¬های بدخواه و متوسط انرژی باقی¬مانده گره¬ها، حاکی از برتر بودن روش پیشنهادی نسبت به الگوریتم پايه كه فاقد هرگونه الگوریتم¬ امنیتی مقابله با حمله ارسال انتخابی است، الگوریتم مبتنی بر تصدیق چندگامه، الگوریتم مبتنی بر چند جریان داده¬ای و الگوریتم چند مسیره می¬باشد.

اعداد تصادفی دارای کاربردهای متنوعی در زمینه¬های آزمون مدار، رمزنگاری، کدهای تصحیح خطا، شبیه¬سازی سیستم‌ها و تحلیل مونت-کارلو هستند. در گذشته تولید اعداد تصادفی غالباً بصورت نرم¬افزاری صورت می¬گرفت. اما با پیشرفت مقیاس تکنولوژی به حوزه VLSI وافزایش سرعت سیستم¬های دیجیتال، نیاز مبرمی به پیاده¬سازی این مولدها بصورت سخت¬افزاری احساس می‌گردد. در این مقاله، ابتدا اصول کلی کار و مبانی طراحی یک مولد اعداد تصادفی از نوع شبه‌تصادفی را بیان می‌کنیم. اجزاء مختلف آن را مورد بررسی قرار می‌دهیم و فلیپ فلاپ مناسب را انتخاب می‌کنیم. در نهایت، مولد اعداد تصادفی در سطح ترانزیستوری طراحی شده و شبیه‌سازی روی آن انجام می‌گردد.

شناسایی سرویس اولین و اصلی‌ترین گام در توسعه سرویس‌گرا می‌باشد. در این مقاله به معرفی روشی برای شناسایی سرویس‌ها با استفاده از مدل اهداف و مدل فرآیندهای کسب و کار پرداخته شده است. بر این اساس، ابتدا مدل فرآیندهای کسب و کار وضعیت موجود سازمان با استاندارد BPMN2.0 و همچنین مدل اهداف با روش GBRAM ایجاد می‌گردد. در ادامه با تحلیل سازمان و در نظر گرفتن ملاحظات نرم‌افزاری، مدل فرآیندهای کسب و کارِ سیستمِ مطلوب ترسیم می‌شود. با مدل کردن ارتباط اهدافِ موجود در مدل اهداف و استفاده از ارتباط وظایف موجود در مدل فرآیندهای کسب و کار، پس از طی چند گام ماتریس وظیفه-وظیفه استخراج می‌گردد که با اعمال خوشه بندی بر آن با استفاده از ابزار Bunch و تابع هدف Turbo-MQ سرویس‌های فناوری شناسایی می‌گردند. توجه به معیار استفاده مجدد، استفاده از اهداف و فرآیندهای کسب و کار به صورت توامان، شناسایی خودکار سرویس‌ها و توجه به سرویس‌های فناوری به جای سرویس‌های کسب و کار، برتری‌های این روش نسبت به روش‌های مشابه می‌باشد که نتیجه حاصل از این روش در یک مورد مطالعه واقعی بیان‌گر این برتری‌ها می‌باشد.

باتوجه به فزونی متون و اسناد الکترونیکی در دسترس و روند رو به رشد آن¬ها، نیاز به سیستم¬های خلاصه¬سازی متن محسوس¬تر شده است، به همین خاطر در سال¬های اخیر سیستم¬های خلاصه¬ساز زیادی ارائه ¬شده¬اند. این سیستم¬ها بر اساس نوع خروجی به دو دسته گزینشی و چکیده ای تقسیم می گردند. در سیستم¬های خلاصه ساز گزینشی، انتخاب جملات خلاصه با توجه به برخی از ویژگی¬های آن جمله صورت می گیرد. سیستم خلاصه¬سازی که در این مقاله معرفی می¬شود، امتیاز محاسبه شده مبتنی بر پاراگراف و جملات را به عنوان ورودی شبکه عصبی RBF (Radial basis function network) درنظر می¬گیرد. جملات برگزیده خروجی شبکه عصبی، جمعیت اولیه الگوریتم ژنتیک را تشکیل داده و جهت تولید نسل¬های بهتر و خلاصه دقیق¬تر مورد استفاده قرار می¬گیرند. در نهایت ارزیابی انجام شده نشان می¬دهد که استفاده از این رویکرد ترکیبی جدید در سیستم¬های خلاصه¬سازی متون فارسی، علاوه بر افزایش پیوستگی جملات خلاصه، دقت خلاصه نهایی را نیز بهبود می¬بخشد.

Scale Invariant Feature Transform (SIFT) is a popular image feature extraction algorithm. SIFT’s features are invariant to many image related variables including scale and change in viewpoint. Despite its broad capabilities, it is computationally expensive. This characteristic makes it hard for researchers to use SIFT in their works especially in real time application. This is a common problem with many image-processing related algorithm. Utilizing graphical processing unit (GPU) through parallel programming is an affordable solution for this issue. In this paper we present a GPU-based implementation of SIFT using Compute Unified Device Architecture (CUDA) programming framework. We compare our CUDA-based implementation, namely siftCU, with CPU-based serial implementations of SIFT both in feature matching accuracy and time consumption. Results show our implementation can gain 4x speed up over serial CPU implementation even though we have used a low end graphic card while using a powerful CPU for test platform

اخیرا از الگوریتم‌های خوشه‌بندی در زمینه پیش‌پردازش داده‌ها برای دسته‌بندی استفاده می‌شود که می‌تواند باعث بهبود کارایی دسته‌بندی شود. اما همواره سرعت و دقت با یکدیگر در تضاد هستند. الگوریتم خوشه‌بندی فازی نوع1 از الگوریتم‌های پر‌کاربرد در خوشه‌بندی می‌باشد که در آن سرعت نسبت به دقت ارجحیت دارد . از طرفی الگوریتم خوشه‌بندی فازی نوع2 عمومی، یک الگوریتم با دقت بالا و سرعت پایین است و نیز توانایی مقابله با عدم قطعیت موجود در خوشه‌بندی را دارد. به همین جهت ، در این مقاله ابتدا خوشه‌بندی فازی نوع1 یکبار اجرا می‌شود، سپس مراکز بدست آمده از خروجی الگوریتم بعنوان مراکز اولیه به الگوریتم خوشه‌بندی فازی نوع2 عمومی اعمال می‌شوند تا با تعداد تکرار کمتری بتواند به حداکثر دقت دست پیدا کند. نتیجه‌ی این کار یک الگوریتم خوشه‌بندی سریع و با دقت بالا می‌باشد. افزایش سرعت در افزایش دقت تاثیری نمی‌گذارد. الگوریتم ارائه شده با الگوریتم‌های GT2 FCM، KFGT2FCM و KGT2FCM بر روی 5 مجموعه داده از UCI با هم مقایسه می‌شوند. این الگوریتم که به اختصار FGT2FCM نامگذاری شده، در فضای نرم افزار MATLAB پیاده سازی شده است.

نویز اسپکل به طورکلی بر کیفیت تصاویر سونوگرافی تاثیر می گذارد و باعث کاهش وضوح و کنتراست در این تصاویر می‌شود، در نتیجه، دقت تشخیص را پایین می‌آورد. در این مقاله، فیلترمیانگین غیرمحلی بیزی بهبود یافته (EBNLM) بمنظور حذف نویز اسپکل در تصاویر سونوگرافی پستان پیشنهاد شده است. میانگین غیرمحلی (NLM) یک فیلترموثر در حذف نویز است. فیلتر(EBNLM) توسعه یافته الگوریتم (NLM) است، که یک چارچوب کلی احتمالی برای حذف نویزتصویر فراهم می‌کند که می ‌تواند با نویز غیرگوسی مطابقت کند، و همچنین پارامترسازی آن بهتر از فیلتر (NLM) است. علت استفاده از فیلتر میانگین غیرمحلی بیزی بهبود یافته محافظت بیشتر از جزئیات تصویرمی‌باشد، که این کار را با اضافه کردن طیف سیگما به عملیات پیشین تصویر انجام می‌دهد. نتایج برروی تصاویر سونوگرافی پستان نشان می‌دهد که روش پیشنهادی در فرآیند حذف نویز بطور موثر نویزاسپکل رابدون مات کردن لبه‌ها از بین می‌برد، و همچنین قادر به حفظ دقیق لبه ها وجزئیات ساختاری تصویر است.

تبدیل‌های جدایی‌پذیر همچون موجک دو بعدی که از گسترش موجک جدایی‌پذیر یک بعدی به دست آمده و روی تصویر اعمال می‌گردند در تشخیص لبه‌های معمولی عملکرد قابل‌قبولی ارائه می‌دهند اما قادر به استخراج انحناهای هموار موجود در تصاویر نمی‌باشند. موجک‌ها تنها به استخراج تعداد محدودی جهت می‌پردازند که یک نقطه‌ضعف برای کار با سیگنال‌های چند بعدی محسوب می‌شود. این در حالی است که تبدیل کانتورلت به خوبی می‌تواند مشخصات هندسی تصویر را که از اهمیت به سزایی در ساختار بینایی انسان برخوردار است، استخراج نماید. این تبدیل با استفاده از هرم لاپلاسین و بانک فیلتر جهتی جدایی‌ناپذیر به دست می‌آید. روش هرم لاپلاسین براساس تفاوت روشنایی محلی استوار است. این درحالی است که سیستم بینانی انسان تنها به کنتراست روشنایی محلی حساس می‌باشد در نتیجه لزوماً هرم لاپلاسین یک انتخاب مناسب و درخور نخواهد بود. به این دلیل ما در این مقاله، به بررسی تبدیل کانتورلت مبتنی بر هرم کنتراست خواهیم پرداخت که در آن ابتدا تبدیل هرم کنتراست به منظور تجزیه‌ی تصاویر منبع به زیر باندها و ایجاد یک نمایش چند مقیاسی از تصاویر اعمال می‌گردد و سپس با استفاده از تجزیه چند جهتی یک نمایش چند رزولوشنی فراهم می‌گردد. نتایج آزمایش‌ها نشان می‌دهد که الگوریتم پیشنهادی عملکرد بهتری نسبت به الگوریتم‌های ترکیب مبتنی بر کانتورلت و موجک دارد.

موازي‌سازي و بهبود محليت داده‌ها براي حلقه‌هاي تودرتو به عنوان دو راهکار تاثیرگذار در سرعت اجرایی برنامه‌های محاسباتی و علمی مطرح هستند. مسئله‌ای که وجود دارد این است که موازی‌سازی در جهت توزیع داده‌ها و بهبود محلیت در جهت تجمیع داده است و در واقع نوعی تضاد ضمنی در راه رسیدن به این دو هدف وجود دارد. در این مقاله راهکاری در جهت استخراج توازي دانه‌درشت با در نظر گرفتن استفاده مجدد داده‌ها براي اجرا بر روي پردازنده‌هاي چندهسته‌اي ارائه شده است. در روش پيشنهادي، سعی می‌شود با استفاده از مدل چندوجهی یک تابع زمانبندی برای حلقه‌های تودرتو به نحوی بدست آید که منجر به تکرارهای مستقل برای حلقه‌های بیرونی‌تر شده و قابلیت اجرای موازی آنها را نتیجه دهد. همچنین با ارضای وابستگی‌ها در سطوح داخلی‌تر حلقه‌ها سعی در کاهش فاصله استفاده مجدد داده‌ها است. با توجه به اينکه در روش پيشنهادي موازي‌سازي حلقه‌ها در کنار بهبود محليت قرار گرفته است، بخش‌هاي موازي ايجاد شده داراي محليت دسترسي به داده‌ها بوده و منجر به افزايش کارايي برنامه‌ها مي‌شود. نتايج ارزيابي روش پيشنهادي بر روي برنامه‌هاي مختلف نشان از کارايي بالاي روش پيشنهادی در بهبود سرعت اجرایی برنامه‌ها دارد.

با پیدایش وب 2، مشارکت مخاطبان در دنیای اینترنت سهم عمده‎‌‎ی تولید محتوا را به خود اختصاص داده است. یکی از ساده‎ترین و رایج‎ترین ابزار تولید محتوا در اینترنت وبلاگ‌ها هستند. در این مقاله تمرکز ما بر روی بازیابی وبلاگ‌ها یا جستجوی وبلاگ‌ها می باشد. هدف اصلی در یک سیستم جستجوی وبلاگ‌ها، بازیابی وبلاگ‌هایی است که موضوع اصلی آنها مطابق با پرس‌وجوی کاربر می‌باشد. لذا در این مقاله سعی شده است با استفاده از مجموعه داده استاندارد irBlogs ، به بررسی و مقایسه روش‌های مختلف بازیابی وبلاگ‌ها در زبان فارسی بپردازیم. سپس روش ر‌ای‌دهی را با تعریف یک فاکتور مرتبط بودن و سطح بندی نتایج بر اساس آن،توسعه داده‌ایم. نتایج حاکی از این است که روش پیشنهادی باعث بهبود چشمگیری در معیاری‌های مختلف بازیابی وبلاگ‌ها، نسبت به روش رای‌دهی شده است.

یک سیستم توزیع ‏شده مجموع‌ه‏ای از کامپیوترهای مستقل از هم است که از دید کاربران یک سیستم منفرد به نظر می‏رسد. هنگامی که یک سیستم توزیع‏‌شده توسعه می‏یابد مسأله تکرارسازی اشیا داده‏ای تبدیل به یک مبحث مهم می‏گردد. تکرارسازی، دسترسی به داده‏‌ها را در غیاب یک سرور یا خرابی‏های مربوط به خطوط ارتباطی بهبود بخشیده و از طریق فراهم نمودن دسترسی‌‏های محلی سبب می‏شود کاربران با تأخیر کم‏تری در دست‏یابی به اطلاعات مواجه شوند. انتخاب یک شی داده‏ای جهت تکرارسازی و جای‏گذاری آن بر روی سرورهای موجود در سیستم، یک مسأله بهینه‏‌سازی است که می‏تواند تأثیری مهم بر کارایی کل سیستم ایجاد نماید. در طول چند دهه اخیر الگوریتم‌‏های مکاشف‌ه‏ای به منظور غلبه بر مسائل بهینه‏‌سازی در مقالات متعدد ارائه شده‏اند. این الگوریتم‌‏ها به طور گسترده‏ای به عنوان ابزارهایی برای جستجو و بهینه‏سازی در حل مسائل مختلف مورد استفاده قرار گرفته‌‏اند؛ در این مقاله با استفاده از الگوریتم رقابت استعماری و الگوریتم مکاشف‌ه‏ای HBM-PS و یک جستجوی جامع در فضای پاسخ، راه‏‌حلی مقبول برای مسأله جای‏گذاری نسخه‏‌های کپی در سیستم‌‏های توزیع‏‌شده در حوزه ایستا ارائه می‏‌گردد. آزمایشات عملی، برتری این الگوریتم را نسبت به دیگر الگوریتم‌‏های ارائه شده جهت حل مسأله مورد بحث در شاخه تکاملی و هوش ازدحامی نشان می‏‌دهد.

يكي از مهم‌ترين اهداف شبكه‌هاي حسگر بي‌سيم جمع‌آوری داده است. در طراحی پروتکل‌های جمع‌آوری داده، مقیاس‌پذیری، کاهش مصرف انرژی و کاهش تاخیر از مهمترین فاکتورهای مورد توجه در شبکه‌های حسگر با مقیاس وسیع به شمار می‌روند. به منظور رسیدن به این اهداف یکی از روش‌ها حرکت سینک است. الگوريتم پیشنهادی از خوشه‌بندی به منظور مقیاس‌پذیری برای جمع‌آوری داده استفاده می‌کند. الگوریتم خوشه‌بندی ارائه شده، به منظور توازن بار در تمام قسمت شبکه و جلوگیری از ایجاد گلوگاه در قسمتی از شبکه، از پارامتر فاصله هر گره حسگر تا ناحیه وعده‌گاه که در واقع همان ناحیه جمع‌آوری داده است، استفاده می‌کند. این پروتکل با انتخاب ناحیه‌ای در مرکز شبکه و مشخص کردن تعدادی سایت در این ناحیه به جمع‌آوری داده می‌پردازد و پس از مدتی که سطح انرژی گره‌های موجود در سایت‌ها از حد آستانه کمتر شد، آن سایت را خاموش و با استفاده از گره‌های خواب سایت دیگری را ایجاد می‌کند. پس از اینکه داده‌های شبکه در سایت‌های فعال جمع‌آوری شدند، سینک با انتخاب مدل حرکتی مناسب و توقف در سایت‌های شبکه به جمع‌آوری داده می‌پردازد. شبیه‌سازی انجام شده در محیط ns-2 جهت مقایسه کارایی رویکرد پیشنهادی با مدل‌های حرکتی مختلف نشان می‌دهد که الگوريتم پيشنهادي به میزان قابل توجهی مصرف انرژي و تاخیر در جمع‌آوری داده در شبكه‌هاي حسگر بي‌سيم را کاهش می‌دهد.

امروزه بات‏نت‏ها به یکی از جدی‏ترین تهدیدات در فضای اینترنت تبدیل شده‌اند. در هر بات‌نت از یک بستر ارتباطی با نام کانال فرمان و کنترل برای هدایت میزبان‌های آلوده به بات استفاده می‌شود. از آن‌جا که با شناسایی کانال‏های فرمان و کنترل به آسانی می‏توان بات‏نت‏های مختلف را متلاشی کرد، شناسایی این کانال‏ها در روش‏های تشخیص بات‏نت از اهمیت زیادی برخوردار است. مهاجمین با هدف افزایش طول عمر بات‌نت‌های خود از استراتژی‏های متفاوتی برای ایجاد کانال‏های فرمان و کنترل استفاده می‌کنند. در سال‌های اخیر شبکه‌های اجتماعی به دلیل دارا بودن میلیون‏ها کاربر فعال مورد توجه مهاجمین قرار گرفته‌اند، به طوری که انواع مختلفی از بات‌نت‌های نسل جدید مبتنی بر شبکه‌های اجتماعی معرفی شده است. در این مقاله، روشی با نام سوتریا برای تشخیص بات‌نت‌های نسل جدیدی پیشنهاد می‌شود که از نهان‌نگاری در تصاویر اشتراکی کاربران شبکه‌های اجتماعی برای ایجاد کانال‌های فرمان و کنترل پنهان استفاده می‌کنند. در روش پیشنهادی با بررسی تصاویر اشتراکی در شبکه اجتماعی فعالیت‌های گروهی مشکوک به بات کاربران در دوره‏های زمانی متفاوت شناسایی شده و میزان شهرت منفی هر کاربر با توجه به سابقه و شباهت فعالیت‏های گروهی مشکوک به بات وی محاسبه می‏شود. در نهایت کاربران با شهرت منفی بالا به عنوان کاربران آلوده به بات گزارش می‌شوند. نتایج آزمایش‏ها نشان می‏دهند که روش سوتریا قادر است کانال‌های فرمان و کنترل پنهان مبتنی بر شبکه‌های اجتماعی را با نرخ هشدار نادرست پایین شناسایی کند.