انجمن کامپیوتر ایران

مساله تطبیق و زمان‌بندی ایستای کارها در سیستم‌های توزیع شده محاسباتی ناهمگن به دلایل استفاده بهینه از ماشین‌های محاسباتی موجود و همچنین صرف زمان کمتر برای اجرای الگوریتم زمان بندی، از اهمیت ویژه‌ای برخوردار است. حل این مساله بااستفاده ا ز الگوریتم‌های کلاسیک چون برنامه نویسی پویا و برگشت به عقب نیاز به زمان محاسبه زیادی دارد، به همین دلیل تلاش‌های بسیاری برای حل آن با استفاده از روش‌های ابتکاری صورت پذیرفته است؛ یکی از این روش‌های ابتکاری، الگوریتم ژنتیک است. در این مقاله الگوریتم ژنتیک جدیدی بنامTDGASA ارائه می‌شود که زمان محاسبه آن وابسته به تعداد کارهای موجود در هر مساله زمان‌بندی است و برای کاهش زمان محاسبه الگوریتم از شبیه‌سازی گداختگی استفاده می‌نماید. با انجام شبیه‌سازی‌ها مشاهده می‌شود که الگوریتم پیشنهادی، زمان محاسبه برای زمان بندی ایستای کارها را به نحو محسوسی کاهش می‌بخشد در حالی که زمان پاسخ یا زمان اتمام آخرین کار در سیستم نیز کاهش اندکی می‌یابد.

با توجه به کاربرد روزافزون بانک‌های اطلاعاتی حجیم و انباره‌های بزرگ تراکنش، اخیرا توجه بسیاری از محققان به سمت تولید روش‌های کارآمد جهت استخراج قوانین انجمنی معطوف گشته است. اغلب روش‌های موجود در مرحله اول کار خود کلیه اقلام پرتکرار (ساده و ترکیبی) را از بین تمام اقلام موجود در داده‌ها جستجو می‌کنند که این امر نیازمند به خواندن مکرر کل داده‌ها از دیسک است. اکثر روش‌هایی هم که جدیدا پیشنهاد شده‌اند سعی بر این دارند تا لااقل میزان رخداد و درجه پشتیبانی 3 بعضی از اقلام را بتوان مستقیما و بدون پیمایش داده‌ها محاسبه کرد. اما به این مسأله کمتر توجه شده که چگونه به روش بهینه‌ای برای شمارش دفعات رخداد اقلام در مواقعی که راهی جز شمارش وجود ندارد دست یابیم. در این مقاله راه حلی کارا برای این مسأله ارائه شده است. در روش پیشنهادی ما، داده‌ها تنها یک بار از دیسک خوانده می‌شوند و بعد از آن به یک ساختار رمز شده و خلاصه تبدیل می‌گردند، بطوریکه اولا قابل نگهداری در حافظه می‌باشند و ثانیا با توجه به ساختار خاصی که دارند، عملیات شمارش به سریع‌ترین نحو ممکن انجام می‌گردد و زمان شمارش دفعات تکرار اقلام در هر مرحله کمتر از مرحله قبل می‌شود. پس از ارائه الگوریتم، کارایی آن را با استفاده از دو مجموعه از داده‌های ساختگی و واقعی ارزیابی کرده و با چند روش کارا که تاکنون ارائه شده‌اند، مقایسه می‌کنیم.

در اکثر روش‌های خوشه‌بندی فرض می‌شود که تعداد دقیق خوشه‌ها در آغاز مشخص است، که البته این فرض در بیشتر مواقع صحت ندارد. در ردیابی و خوشه‌بندی گفتار مبتنی بر گوینده عمدتاً ما اطلاعی از تعداد دقیق گوینده‌ها در قطعه گفتاری نداریم. در این مقاله روشی مبتنی بر الگوریتم خوشه‌بندی کلونی مورچه‌ها به منظور تعیین تعداد گویندگان در یک فایل گفتاری و خوشه‌بندی قطعات مربوط با هر یک از گویندگان پیشنهاد شده است. الگوریتم کلونی مورچه‌ها یک الگوریتم شبه تصادفی است که قادر به تخمین تعداد خوشه‌های مناسب برای یک مجموعه از داده‌های ورودی می‌باشد. در روشی که در این مقاله پیشنهاد می‌گردد، در ابتدا به کمک الگوریتم مورچه‌ها یک خوشه‌بندی اولیه از قطعات گفتاری ایجاد می‌شود و تعداد گویندگان موجود در گفتار تخمین زده می‌شود. سپس با استفاده از روش‌های خوشه‌بندی متداول، خوشه‌بندی قطعات گفتاری انجام می‌گردد. همچنین در این مقاله روشی پیشنهاد می‌شود که با کمک آنها بتوان تعداد تخمین زده شده از گویندگان را به مقدار صحیح نزدیک‌تر نمود.

علی رغم تأکید بر حذف شکاف موجود بین مدل‌های نرم افزاری و کدهای پیاده‌سازی، تلاش‌های کمی در مورد بکارگیری ابزارهای نرم‌افزاری جهت اعما ل خودکار مدل‌های کنترل دسترسی بطور مستقیم در داخل متن برنامه‌ها صورت گرفته است. در این مقاله به شرح طراحی و پیاده‌سازی یک محیط اعمال سیاست‌های کنترل دسترسی پرداخته شده است. در این محیط، سیاست‌های مدل شده کنترل دسترسی بر مبنای دیدگاه یا همان VBAC (View-Based Access Control) که به فرمت (XML Metadata Interchange) XMI هستند، تبدیل به زبان سیاست دیدگاه یا VPL (View Policy Language) می‌شود. کدهای تولید شده به زبان سیاست دیدگاه، به راحتی قابل تبدیل به دستورالعمل‌های زبان جاوا است. در نهایت دستورالعمل‌های جاوای متناظر با کدهای زبان سیاست دیدگاه به داخل برنامه‌هایی که قرار است امن شوند، اعمال می‌شوند. این روش شکاف موجود بین مدل‌سازی و اعمال سیاست‌های کنترل دسترسی را از بین می‌برد و تضمین می‌کند که کد برنامه همانطور که طراح برنامه قصد داشته، امن شده است.

با توجه به افزیش روز افزون کاربرد شبکه‌های کامپیوتری و وجود اطلاعات بسیار مهم در آنها، حفاظت از این اطلاعات در براب حملات و خرابکاری‌ها اهمیت بسیار بالایی پیدا کرده است. سیستم‌های تشخیص تهاجم موجود معمولاً نمی‌توانند همه انواع چهارگانه حملات را به خوبی شناسایی کنند. برای برطرف کردن این مشکل، استفاده از الگوریتم‌های یادگیری مختلفی که هر کدام در شناسایی نوع خاصی از حملات چهارگانه بهتر عمل می‌کنند، درآموزش سیستم تشخیص تهاجم پیشنهاد شده است(مانند شبکه‌های عصبی و خوشه‌بندی). اما استفاده همزمان از چند الگوریتم دسته‌بندی باعث پیچیده شدن مراحل تشخیص حمله خصوصاً به صورت بلادرنگ خواهد شد، به همین منظور از سیستم‌های تشخیص تهاجم که موتور تحلیل آن‌ها فازی است و زبانی واحد را از دانش موجود در الگوریتم‌های فوق ارائه می‌دهد، بهره بردیم. سیتسم تشخیص تهاجم فازی ارائه شده در این مقاله بدلیل استفاده همزمان از شبکه‌های عصبی و خوشه‌بندی در مرحله یادگیری و بهره‌گیری از اطلاعات آماری در هنگام تبدیل دانش آن‌ها به قوانین و مفاهیم فازی، نتایج جالب توجهی در تشخیص انواع چهارگانه حملات ارائه کرده است و توانسته ضعف سیستم‌های موجود را بر طرف کند.

با توجه به اهميت و استفاده گسترده از تصاوير ويدئويي در كاربردهاي مراقبتي، در اين مقاله طراحي و پياده سازي يك س يستم خودكار بمنظور آشكارسازي و رديابي بي درنگ اشياي متحرك در طول شبان ه روز و در محي ط هاي بيروني مورد بررسي قرار خواهد گرفت. در سيستم پيشنهادي، سعي شده است كه آشكارسازي و رديابي ش ئي با قابليت اطمينان بالا در شرايط نوري مختلف انجام شده و براي مشكلاتي كه در اين چنين سيستم هايي مشاهده مي شود راه حل مناسبي ارائه گرد د . در سيستم پيشنهادي پس از شناسايي شئي، با كنترل دقيق يك دوربي ن كنترل پذير PTZ، تصوير با دقت و بزرگنمايي مناسب از شئ ي به صورت بي درنگ نمايش داده م ي شود. در اين مقاله همچنين يك روش دقيق و ساده براي تنظيم دوربين ها ارائه شده كه منجر به نگاشت بسيار دقيق مختصات شئي در تصوير به موقعيت فضايي آن در محيط واقعي خواهد شد.

يک دسته از الگوريتم هاي پراستفاده در زمين ه ي شناسا يي چهره، الگوريت م هاي نمودمبن ا مي باشند. در اين مقاله به ارائ هي روشي براي بهبود اين دست ه از الگوريت م ها پرداخته شده است. روش مزبور که PCA چند لايه ناميده شده است، قابل به کارگيري همراه با ساير رو ش ها نيز م يباشد. همچنين براي محاسبه ی مؤلف ههاي اساسي، استفاده از يک شبکه ي عصبي خطي پيشنهاد م يگرد د, که علاوه بر کاهش حجم حافظ ه ي مورد نياز برا ي محاسبات ، طرا حي سخ ت افزار با استفاده از آن بسيار ساد ه تر خواهد بود و با توجه به قابليت شبک ه های عصبی در پردازش موازی، در صورت پياده سازی سخت افزاری سرعت انجام محاسبات به نحو چشم گيری افزايش خواهد يافت.

خوشه بندي ترکیبی ، روشی جدید در خوشه بندي می باشد که از ترکیب نتایج روشهاي خوشه بندي مختلف بدست می آید. صحت ، درستی و پایداري از مشخصه هاي مهم یک سیستم خوشه بندي ترکیبی در مقایسه با روشهاي کلاسیک خوشه بندي می باشد. یکی از مشکلات این روش ، خوش هبندي بانکهاي اطلاعاتی بزرگ م یباشد که فرایند خوشه بندي را با کندي روبرو می کند. براي حل این مشکل ، استفاده از روشهاي خوشه بندي توزیع شده یکی از گزینه هاي مناسب می باشد. سه مرحله مهم در خوش هبندي توزیع شده عبارتند از : پخش نمودن بانک اطلاعاتی نمونه ها از بخش اصلی روي چندین مرکز فرعی و سپس اجراي الگوریتم خوشه بندي ترکیبی روي هر مرکز به طور مستقل. در مرحله آخر نیز ارسال نتایج از مراکز فرعی به روي مرکز اصلی و آنالیز نتایج براي یافتن خوشه هاي نهایی انجام می گیرد. در این مقاله روشهایی پیشنهاد شده است که با بهبود الگوریتم خوشه بندي ترکیبی در مراکز فرعی ، در نهایت باعث کاهش درصد خطاي الگوریتم و بالا رفتن سرعت خوشه بندي توزیع شده خواهد شد. نتایج بکارگیري الگوریتم خوشه بندي ترکیبی توزیعی ارائه شده بر روي چندین بانک اطلاعاتی متداول نشانگر آن است که روش ما از روشهاي بررسی شد هاي که براي خوشه بندي توزیعی استفاده می شود ، سرعت بهتري را داراست.

در طراح يهاي زيرميکرون بخش اعظم تأخير تراشه ناشي از اتصالات م يباشد و درج بافر بعنوان يکي از روشهاي موثر براي بهبود کارايي اتصالات و افزايش امنيت سيگنالها مطرح است. درج زودهنگام بافرها ممکن است بهدليل مشخص نبودن محل سلو لها همراه با خطاي زيادي باشد . از سوي ديگر درج بافرها پس از جايابي سلول ها نيز ممکن است در صورت توزيع نامناسب فضاهاي خالي، کيفيت مناسب را نداشته باشد، لذا انتخاب مرحلة مناسب براي درج بافر از اهميت زيادي برخوردار است. در اين مقاله الگوريتمي براي طر حريزي بافرها ارائه شده که در مرحلة جاسازي يک نقشه از نيازمندي نواحي مختلف طرح به بافر ايجاد م يکند و سپس بقية مراحل طراحي فيزيکي مقيد مي شوند که فضاهاي خالي را در قالب اين نقشه توز يع نماين د. آزمايش ات انجام شده نشان مي دهد که روش ارائه شده با تعداد کمتري بافر م يتواند کارايي مناسبي ايجاد نمايد که اين بهبود در مدارات بزرگ بارزتر م يباشد. در ضمن زمان محاسبات مربوط به توليد نقشة نيازمندي به بافر و تغيير روند جايابي جزئي هم زمان قابل توج هي نيست و در حد کاملاً قابل پذيرشي ميباشد.

معماري سازمانی به عنوان یک را ه حل جامع و راهبردي در توسعه و نگهداشت سامانه هاي اطلاعاتی از نیمه دوم دهه 90 به شدت مورد توجه قرار گرفته است . یک سازمان، مجموعه پیچی ده اي از فرآیندهاي فیزیکی و منطقی است که گردش اطلاعات در آن نقش مهمی بر عهده دارد . اصطلاح معماري سازمانی به مجموع هاي از نماهاي داخل سازمان اشاره دارد که با هم یک دید کامل را از سازمان فراهم می کنند. یک چنین دیدي را بدون بهر ه گیري از یک ساختار منطقی نم ی توان سازماندهی کرد. به چنین ساختاري، چارچوب معماري سازمانی گفته می شود. چارچوب هاي مختلفی براي معماري سازمانی ارایه شد ه اند که در بین آنها چارچوب معماري سازمانی زکمن یک نمونه شاخص به شمار می رود. یکی از مشکلات فراروي استفاده از چارچوب زکمن نبود مدل هاي یکپار چه و هم جنس براي همه سلول ها ي چارچوب زکمن است. براي حل این مشکل را هحل هاي متفاوتی توسط محققان مختلف پیشنهاد شده است. با این حال، را هحل هاي پیشنهادي نتوانستند بطور کامل سلول هاي چارچوب زکمن را پوشش دهن د. در این مقاله قصد داریم یک زبان یکپارچه بر پایه معماري مدل رانه براي مدل سازي سلول هاي چارچوب زکمن ارایه کنیم . راه حل ارایه شده در یک محیط کام لاً عملی مورد بررسی قرار گرفت تا نتایج حاصل از این کار تحقیقاتی در مقایسه با سایر روش ها مشخص شود.

در اين مقاله, ضمن ارائه بيانی ساده و روشن از موضوع سايز بندی ترانزيستور ها ١ جهت بهين هسازی شاخص يا شاخص هايی از مدار, در نهايت الگوريتم جديدی ارائه گرديده که در بستر شبيه سازی مدارات XOR/XNOR بالانس, نتايج ارزشمندی را به دنبال داشت هاست. طبق نتايج شبيه سازی ها که برای هفت مدار XOR/XNOR بالانس ارائه شده در گزارش ۱ انجام شد هاند, سادگی, مرتبه زمانی مناسب و قابليت اطمينان, از امتيا زهای الگوريتم جديد ارائه شده نسبت به سه الگوريتم قبلی می باشند که در اين مقاله مورد بررسی قرار گرفته اند. تمامی شبيه سازی ها با تکنولوژی μm .18 بر اساس مدل BSIM3v با نرم افزار شبيهساز HSpice در دمای 27 درجه سانتی گراد انجام شده اند.

قدرت بالاي مدلسازي جملات زبان طبيعي توسط گرامر هاي درخت-افزايشي سبب شد که از آنها در کاربرد هاي ترجمه ماشيني و پردازش معنايي استفاده شو د. ولي است فاده از اين مدل با دو مشکل اصلي روبرو است، سرعت پائين تجزيه نحوي و وجود ابهامات متعدد در نتايج تجزيه گ ر. بطوريکه استفاده از اين گرامر را در کاربرد هاي واقعي با مشکل جدي مواجه کرده است. بدين دليل از يک روش تجزيهگر جزئي مبتني بر اين مدل با نام برچس بگذار پ يشرفته استفاده شده است . برخلاف مدل گرامري سابق، خروجي الگوريت مهاي تجزيهگر مبتني بر برچس بها ي پيشرفته بصورت درخ تهاي نحوي جزئي است که در کل ساختار جمله تجزيه نميگردد و بخشهايي از ساختار خروجي آن با خطاهايي مواجه است. در اين مقاله، سعي شده است که در د و فاز تشخيص و تصحيح خطا، ساختار هاي خطادار در مرحله اول تشخيص و سپس با ساختار نحوي درست آن جايگزين گرد د. عملا هم از سرعت مناسب برچسب گذار پيشرفته استفاده شده است و هم خروجي تجزيه کامل گرامر درخت -افزايشي ايجاد ميگردد. نتايج بر روي پايگاه درختي Penn حاکي از دقت نزديک به ۸۰ % بدون ابهام و با سرعت تجزيه قبول است.

راه رفتن، يکي از ويژگيهاي فيزيکي بدن افراد است، که امروزه به عنوان يک بيومتريک در سيستم هاي تشخيص هويت استفاده مي شود . در اين مقاله يک رهيافت جديد براي شناسايي افراد از روي راه رفتن مبتني بر خوشه بندي مبتني ب ر الگوريتم ژنتيکي ارائه شده اس ت. .در استخراج ويژگي يک تغيير اساسي نسبت به الگوريتم هاي قبلي انجام شدده است . ابتدا با سه روش مختلف بردار ويژگي اوليه استخراج شده است . از خوشه بندي بر مبناي الگوريتم هاي ژنتيکي براي دسته بندي بردارهاي ويژگي اوليه متشابه استفاد ه شده است و سپس با ميانگين گيري از خوشه ها بردار ويژگي اصلي استخراج شده است . .در فاز تشخيص يک الگوريتم جديد مبتني بر DTW ارائه شده است. نتايج آزمايشات کارايي رهيافت پيشنهادي را تاييد مي کنند.