انجمن کامپیوتر ایران

در سال‌های اخیر، فناوری اطلاعات و ارتباطات، بیشترین تأثیر را در زندگی انسان داشته و فرصت‌های جدیدی را پیش روی صنایع و شرکت‌ها قرار داده است. در گردشگری الکترونیکی محصولات و خدمات متنوعی می‌تواند به صورت مستقیم یا غیرمستقیم توسط ارائه‌دهنده خصوصی یا دولتی ارائه شود. مطمئنا شکل‌گیری هر نوع نظام جامع متمرکز گردشگری الکترونیکی به دلیل تنوع و تعدد ارائه‌دهندگان خدمات، به دلیل عدم درک اطلاعات سامانه‌های دیگر می‌تواند از پایداری و انعطاف‌پذیری پایینی برخوردار باشد. در این مقاله تلاش شده است تا با ارائه یک معماری و ساختار معناگرا و افزودن مفهوم به دادگان، به نیازهای پیشرو در نسل آینده سامانه‌های گردشگری الکترونیکی پاسخ داده شود. در این نظام پیشنهادی از معماری سرویس‌گرای معنایی، ابزارها و فناوری‌های مورد نیاز استفاده شده است.

در این مقاله روشی جدید برای بهبود کیفیت تصاویر آندوسکوپی به وسیلۀ تعدیل هیستوگرام فازی و توزیع ناهمسانگرد کنتراست ارائه می‌شود. تصاویر آندوسکوپی موجود در کشورمان از لحاظ نور و کیفیت وضعیت مناسبی ندارند و همین موضوع تبدیل به چالشی جهت تشخیص انواع بیماری‌های دستگاه گوارش شده است. برای غلبه بر این مشکلات و کمک به پزشکان برای تشخیص بهتر، در این مقاله یک روش وفقی با استفاده از تعدیل هیستوگرام فازی و توزیع کنتراست ارائه می‌شود. همچنین در روش پیشنهادی مفهوم جدیدی از توزیع کنتراست بر اساس آنالیز محلی تصاویر آندوسکوپی معرفی می‌شود. سپس به وسیلۀ انتخاب وفقی پارامتر هدایت که نقشی مهم در توزیع ایفا می‌کند، توزیع کنتراست به منظور بهبود کیفیت تصاویر آندسکوپی به تصویر اعمال می‌شود و در نهایت بعد از انتقال به سه فضای رنگ XYZ، YIQ و HSI به کمک روش تعدیل هیستوگرام فازی،تغییرات نامحسوس رنگ نمایان‌تر می‌شود. نتایج تجربی نشان می‌دهد که روش ارائه شده عملکرد قابل توجهی در افزایش قابلیت دیداری تصاویر آندوسکوپی از خود نشان می‌دهد.

از جمله رویکرد‌هایی که برای کشف آسیب پذیری برنامه‌ها استفاده می‌شود، تست فازینگ نام دارد. این تست با دادن ورودی‌های تصادفی به برنامه سعی در کشف آسیب پذیری‌های بالقوۀ برنامه را دارد. در اين مقاله، ما یک متدولوژی تست امنیتی به نام فازینگ توأمان ورودی و پیکربندی را ارائه می‌دهیم. در حقیقت در فازینگ توأمان ورودی و پیکربندی در حالی که ورودی برنامۀ در حال اجرا توسط ورودی‌های معتبر و نیمه معتبر مورد تست فازینگ قرار می‌گیرد، همزمان پیکربندی آن نیز با استفاده از یک الگوریتم آرایۀ پوششی تغییر داده می‌شود. بدین منظور ما بر اساس یک الگوریتم تکاملی ، رویکردی را برای تولید این ورودی‌ها به صورت پویا ارائه کردیم. در حقیقت این رویکرد بدون داشتن هیچ گونه دانشی در مورد قیود ورودی‌ها، ورودی‌هایی را تولید می‌کند که توانایی کشف آسیب پذیری‌ها را دارند. رویکرد فازینگ توأمان ورودی و پیکربندی توانایی کشف آسیب پذیری‌های انکار سرویس، عدم کنترل کافی مجوز، پیمایش غیرمجاز دایرکتوری و سرریز بافر را دارد. ما رویکرد پیشنهادی خود را توسط چند برنامه از یک مجموعه برنامۀ محک زنی ارزیابی کردیم و نتایج حاصل از آن را با نتایج حاصل از چند رویکرد فازینگ متداول مقایسه کردیم که نتایج به دست آمده نشان می‌دهد که رویکرد پیشنهادی ما در زمان کمتر و به طور کاراتری آسیب پذیری‌های موجود را کشف می‌کند.

در سال‌های اخیر مصرف انرژی در شبکه‌های بی‌سیم و به ویژه در شبکه‌های تلفن همراه، به دلیل افزایش قابل ملاحظه تعداد کاربران و افزایش چشمگیر تعداد دکل‌های مخابراتی، به شدت بالا رفته است به گونه‌ای که بهره‌وری انرژی به دلیل مسائل زیست محیطی و اقتصادی بعنوان یکی از اهداف عمده طراحی در شبکه‌های تلفن همراه بی‌سیم توجه تمام اپراتورهای شبکه و مراکز تحقیقاتی دانشگاهی و صنعتی را به این موضوع حیاتی جلب کرده است. در این مقاله ما حالت ارسال فروسوی یک شبکه سلولی با مدولاسیون OFDM (Orthogonal frequency-division multiplexing) را در نظر می‌گیریم. از لحاظ کاهش توان مصرفی شبکه، تعیین پویا و توأم حالت عملیاتی ایستگاه‌های پایه مخابراتی و تخصیص زیر حامل‌ها به کاربران، در حالی‌که کیفیت درخواستی خدمات برای تمام کاربران حفظ شود، بسیار مهم است. این مسأله بسیار پیچیده و از جمله مسائل غیر خطی است و برای حل نیاز به تکنیک‌های بهینه سازی بسیار قوی دارد. در این کار، یک راهکار نوآورانه با استفاده از تکنیک بهینه سازی مبتنی بر آموزش– یادگیری به منظور دستیابی به شبکه‌های مخابرات سلولی سبز ارائه شده و با راه حل‌های موجود مقایسه شده است. الگوریتم ارائه شده و شبیه سازی محیطی هر دو در نرم افزار Matlab اجرا شده است. نتایج ما نشان می‌دهد که تکنیک پیشنهادی به وسیله تعیین تعداد بهینه ایستگاه‌های پایه مخابراتی جهت خاموش شدن و اختصاص زیر حامل‌های بهینه به هر کاربر قادر به کاهش توان مصرفی کل شبکه است. همچنین نشان داده‌ایم که طرح پیشنهادی ما از نظر کاهش توان در شبکه، برتری قابل ملاحظه‌ای نسبت به طرح‌های مشابه موجود دارد.

در این مقاله، مسأله بازیابی تصاویر هواپیماهای جنگنده از یک پایگاه‌داده شامل 10 مدل مختلف بر اساس یک تصویر پرس‌وجو، مورد بررسی قرار گرفته است. هواپیماهای هم مدل با تصویر پرس‌وجو در درون پایگاه‌داده شناسایی و به کاربر ارائه می‌شوند. چالش اصلی در بازیابی، هم زاویه نبودن منظر دید دوربین در تصاویر موجود در پایگاه‌داده و تصویر پرس‌و‌جو است که برای حل آن استفاده از مدل سه‌بعدی هواپیماهای جنگنده و تهیه تصاویر مرجع از زوایای دید مختلف توسط نگاشت‌های هندسی سه‌بعدی (دوربین‌های مجازی) پیشنهاد شده است. دو روش مختلف برای استخراج ویژگی از تصاویر و اندازه گیری شباهت تصاویر پیشنهاد داده‌ایم. اولی بر مبنای اندازه‌گیری مساحت ناحیه ناهمپوشان و دیگری بر مبنای هیستوگرام زاویه گرادیان کار می‌کند. نتایج شبیه‌سازی برتری روش دوم هم به لحاظ دقت بازیابی و هم سرعت اجراء را نشان می‌دهد. علیرغم استفاده از چند کلاس شبیه هم در پایگاه‌داده، دقت بازیابی حدود 70 درصد بدست آمده، امیدبخش است.

يك شبكه حسگر بي‌سيم عبارتست از تعداد زيادي حسگر‌های كوچك با توان پايين در ارسال و دريافت كه می‌تواند ابزاري مؤثر براي گردآوري داده در محيط‌هاي گوناگون باشد. یکی از مشکلات اساسی در این شبکه‌ها، کوتاه بودن طول عمر گره‌‌ها به علت محدودیت انرژی منبع تغذیه آن‌ها است. ارائه الگوهای ساختاری مناسب و الگوریتم‌های مطلع از توان با هدف افزایش طول عمر شبکه حسگر از جمله مباحث مهم تحقیقاتی است. در این مقاله نیز به منظور کاهش میزان مصرف انرژی و افزایش طول عمر شبکه، سیستمی بر پایه منطق فازی مطرح شده است، این سیستم درجه کیفیتی برای هر مسیر با اعمال دو پارامتر ورودی، تعداد پرش های صورت گرفته و میزان انرژی نودهای تشکیل دهنده آن، نمایش می‌دهد. هم‌چنین با پیشنهاد دو روش، وزن‌دار نمودن قوانین فازی توسط فرد خبره و استفاده از الگوریتم کلونی مورچگان به منظور انتخاب قوانین فازی بهینه، عملکرد سیستم فازی را بهبود بخشیده‌ایم. نتایج شبیه‌سازی‌ها و مقایسات انجام شده با نرم‌افزار OPNET و MATLAB نشان می‌دهد که سیستم فازی بهبود یافته توسط الگوریتم کلونی مورچگان عملکرد بهتری داشته است و توانسته است 28 درصد طول عمر شبکه را در مقایسه با سیستم فازی پیشنهادی وزن‌دار شده بهبود ببخشد.

شبکه حسگر بی‌‌سیم شناختگر نسل جدیدی از شبکه‌‌های حسگر بی‌‌سیم است که با بهره‌‌گیری از سنجش طیف موجب بهبود کارایی، دسترس‌‌پذیری و کیفیت سرویس در این شبکه‌‌ها شده است. افزودن ویژگی رادیو شناختگری به گره‌‌های حسگر، شبکه‌های حسگر بی‌‌سیم را با چالش‌‌های امنیتی جدیدی مواجه می‌‌کند. این ویژگی بستری مناسب برای تشدید میزان تخریب حملاتی که با هدف اتلاف منابع گره‌‌ها و منع دسترسی به شبکه اجرا می‌‌شوند، فراهم کرده است. با توجه به حساسیت پیام‌‌های حاوی داده‌های سنجش طیف، حملاتی چون تزریق اطلاعات غلط، خون‌‌آشام، جعل سیگنال کاربر اولیه و نظایر آن‌‌ها می‌‌توانند کیفیت عملکرد شبکه‌های حسگر بی‌‌سيم شناختگر را به شدت تحت تاثیر قرار داده و شبکه را به سرعت از دسترس خارج کنند. در این مقاله روشی امن برای سنجش طيف در شبكه‌‌هاي حسگر بي‌‌سيم شناختگر با هدف کاهش تاثیر حمله خون‌‌آشام در عملکرد شبکه ارائه می‌‌کنیم. روش پیشنهادی ضمن سازگاری با منابع محدود گره‌‌های حسگر، در برابر حمله نیز مقاوم مي‌‌باشد. نتایج حاصل از شبیه‌سازی نشان مي‌‌دهد كه با حمله به شبکه و مرگ 71 درصد از گره‌ها، اختلال قابل ملاحظه‌‌ای در عملکرد سنجش طیف به وجود نیامده و این روش در حضور مهاجم با موفقيت به سنجش طيف ادامه خواهد داد.

Negative Bias Temperature Instability (NBTI) in CMOS devices is known as the major source of aging effect which is leading to performance and reliability degradation in modern processors. Instruction-cache (I-cache), which has a decisive role in performance and reliability of the processor, is one of the most prone modules to NBTI. Variations in duty cycle and long-time residency of data blocks in I-cache lines (stress condition) are the two major causes of NBTI acceleration. This paper proposes a novel I-cache management technique to minimize the aging effect in the I-cache SRAM cells. The proposed technique consists of a smart controller that monitors the cache lines behavior and distributes uniformly stress condition for each line. The simulation results show that the proposed technique reduces the NBTI effect in I-cache significantly as compared to normal operation. Moreover, the energy consumption and the performance overheads of the proposed technique are negligible.

با توجه به آلودگی های منتشر شده باجگیرافزارها از سال 2012 میلادی تا کنون این نوع تهدیدات جایگاه ویژه ای در حوزه امنیت اطلاعات پیدا نمودند. این چالش روزبه‌روز وخیم‌تر شد و بر اهمیت پژوهش در این حوزه افزوده گردید. در این مقاله چارچوب جدیدی به‌منظور تشخيص باجگير‌افزارهای دارای ویژگی بقاپذیر ارائه می شود که به علت پژوهش های کم در این زمینه می توان این چارچوب را جزء اولین چارچوب های ارائه‌ شده در این زمینه دانست. در این مقاله اقدام به تحلیل و موشکافی رفتاری باجگیرافزارها نمودیم و تلاش کردیم تا خصیصه های مطلوبی را بیابیم که به‌صورت خاص در شناسایی این‌گونه از بدافزارها مفید باشند و دقت تشخیص بالا و نرخ مثبت کاذب کمی ایجاد نمایند. حاصل این بخش از کار، استخراج 20 خصیصه مناسب بود که به‌ واسطه دو خصیصه بسیار کارآمد در این مجموعه که طبق بررسی های ما برای اولین بار در این حوزه شناسایی و بکار گرفته‌ شده‌اند توانستیم به مجموعه ای مطلوب به‌منظور تشخیص باجگیرافزارهای بقاپذیر برسیم. در مرحله نهایی بعد از ارائه معماری پیشنهادی مبتنی بر موتور تشخیص شبکه بیزی، ارزیابی نهایی خود را بر اساس شش سناریوی مختلف بر روی باجگیرافزارهای شناخته‌ شده و برخی موارد ناشناخته جدید انجام دادیم که حاصل این آزمایش‌ها و ارزیابی میزان دقت بالای تشخیص چارچوب پیشنهادی در مورد باجگیرافزارهای بقاپذیر است.

در این مقاله به معرفی یک سیستم تبدیل دوسویه میان جملات فارسی و بازنمایی معنایی آن‌ها پرداخته می‌شود. این سیستم دارای دو زیرسیستم تولید بازنمایی معنایی از روی جملات (درک زبان) و تولید جملات از روی بازنمایی معنایی (تولید زبان) می‌باشد. زیرسیستم درک به بازنمایی معنایی جملات بر اساس ارتباطات معنایی میان فعل و نقش‌های معنایی جمله می پردازد. به این منظور از تحلیلگر وابستگی نحوی در کنار یک الگوریتم پردازش معنایی بهره گرفته می‌شود. معماری زیرسیستم درک شامل دو بخش تشخیص گروه های نحوی و انتساب نقش‌های معنایی به آن‌ها است. درنهایت بازنمایی معنایی اجزای جمله در قالب ساختار آرگومانی بیان می گردد. زیرسیستم تولید زبان به تولید جملات فارسی بر اساس بازنمایی معنایی آن‌ها می‌پردازد. در این سیستم با توجه به آرگومان‎های معنایی افعال جمله و با استفاده از شبـکه واژگاني زبان فارسي فارس‎نت، با توجه به ساختار وابستگی نحوی زبان فارسی و بر اساس قواعد تعریف شده برای هر آرگومان، جمله متناظر با آن معنا تولید می‎گردد. آزمایش های صورت گرفته سیستم درک با فرض عدم وجود خطا در ابزارهای مورد استفاده با دقت 88% توانسته است بازنمایی‌ها را تولید کند. استفاده از زیرسیستم تولید هم منجر به تولید جملات با دقت 5/73% گردیده است.

داده های سری زمانی، مجموعه ای از مقادیر می باشند که به صورت متوالی و در زمان های مشخص ثبت شده اند. هدف از پیش بینی سری های زمانی ارائه ی یک مدل به منظور توصیف رابطه ی بین داده ها بر اساس مشاهدات گذشته است. بر اساس مدل به دست آمده، مقادیر متغیرها برای زمان های آینده پیش بینی میشود. در این مقاله روشی مطمئن به منظور تخمین سری های زمانی مالی مبتنی بر مدل رگرسیون بردار پشتیبان و جستجوی هارمونی بهبود یافته ارائه شده است. مدل رگرسیون بردار پشتیبان به دلیل قدرت یادگیری بالا و استخراج ساختاری مناسب از مجموعه داده، ابزار مناسبی به منظور تخمین سری های زمانی مالی است. یکی از مشکلاتی که در استفاده از مدل رگرسیون بردار پشتیبان وجود دارد، تعیین مقادیر پارامترها می باشد که در روش پیشنهادی به منظور تعیین مقادیر بهینه برای پارامترها از روش جستجوی هارمونی بهبود یافته استفاده شده است که با جستجو در فضای مسئله، بهینه ترین مقادیر را برای هر یک از پارامترها می یابد. بهبود جستجوی هارمونی شامل پیش پردازش جمعیت اولیه با استفاده از الگوریتم تکامل تفاضلی، بهبود پارامترهای کنترلی PAR و BW در جستجوی هارمونی و هدایت بردارهای هارمونی به سمت موقعیت بهترین بردار هارمونی می باشد. روش پیشنهادی بر روی دو مجموعه داده ی مالی معتبر مورد ارزیابی قرارگرفته است و بر اساس نتایج بدست آمده، روش پیشنهادی به میانگین خطای 228/2 بر روی دو پایگاه داده معتبر دست یافته است که در مقایسه با سایر روش های بهینه سازی که به منظور تنظیم پارامترهای رگرسیون بردار پشتیبان مورد استفاده قرار گرفته اند، کمترین میزان خطا را بین مقادیر تخمینی و مقادیر واقعی سری بدست آورده است.

اكثر پژ‍وهش‌هاي پيشين در تشخيص برجستگي، مبتني بر توجه پايين به بالا هستند و از ويژگي‌هاي سطح پايين استفاده مي‌كنند. اين روش‌ها تاثيرات بالا به پايين را در نظر نمي‌گيرند. در اينجا، ما يك روش برجستگي ديداري بالا به پايين ارائه مي‌كنيم كه علاوه بر ويژگي‌هاي سطح پايين مانند رنگ و بافت، از ويژگي‌هاي سطح بالا مانند تشخيص شي استفاده مي‌كند. در اين روش،‌ابتدا تصوير به سوپرپيكسل‌ها بخش‌بندي مي‌شود و ويژگي‌هاي سطح پايين و بالا براي هر يك از آن‌ها استخراج مي‌شوند. سپس، ‌نقشه برجستگي با يادگيري ويژگي‌ها از طبقه‌بندي‌ كننده AdaBoost ايجاد مي‌شود. استفاده از سوپرپيكسل، لبه‌هاي اشيا در تصاوير را حفظ مي‌كند و پيچيدگي محاسباتي را از هزاران پيكسل به چند صد سوپر پيكسل كاهش مي‌دهد. روش پيشنهادي بر روي پايگاه داده MSRA-1000 پیاده‌سازی شده و در قیاس با ساير روش‌ها ارزيابي گرديده است. دستیابی به منحني precision-recall بهتر و معيار F-measure با مقدار 70 % حاكي از عملكرد مناسب روش پيشنهادي است.

امروزه رایانش ابری به بازاری جهت مبادله ی منابع محاسباتی تبدیل شده است. تهیه کنندگان منابع محاسباتی خود را در قالب ماشین های مجازی به کاربران اجاره می دهند و در طی مدت اجاره، قیمتی از کاربران دریافت می کنند. یکی از مسائل موجود در این بازار، ارائه مکانیزمی جهت قیمت گذاری و تخصیص، به صورتی است که سود مناسب کاربران و تهیه کنندگان تضمین شود. در این مقاله با استفاده از حراج ترکیبی دوطرفه، بازاری متشکل از کاربران و تهیه کنندگان مدل سازی شده که براساس آن یک موجودیت واسط، عمل تخصیص ماشین های مجازی تهیه کنندگان براساس نیاز کاربران را انجام می دهد؛ در این راستا ابتدا مسئله ی تخصیص ماشین های مجازی با درنظرگرفتن چند نوع ماشین مجازی به‌صورت یک مسئله ی برنامه ریزی عدد صحیح مدل شده و در ادامه الگوریتمی جهت تخصیص مناسب پیشنهاد شده است. الگوریتم تخصیص پیشنهادی سعی در تخصیص ماشین های مجازی تهیه کنندگان به کاربران دارد به نحوی که سود مالی هردوطرف افزایش یابد. نتایج حاصل از حل مدل، حاکی از این است که مدل برنامه ریزی پیشنهادی دارای ویژگی های صادقانه بودن و عادلانه بودن است. همچنین نتایج شبیه سازی، کارا بودن الگوریتم تخصیص پیشنهادی در تأمین سود توأمان تهیه کنندگان و کاربران را تأیید می کند.

کاهش اندازه‌های ترانزیستورها در ابعاد نانو، مقابله با خطاهای گذرای چند بیتی (MBU) در حافظه‌ها را به دغدغه‌ی چالش برانگیز طراحان سامانه‌های مطمئن رقمی تبدیل نموده است. اگر چه روش افزونگی سه‌گانه‌ی اطلاعاتی قادر به پوشش این خطاهاست، مصرف توان بالای این روش در اغلب کاربردهای نوین قابل توجیه نیست. پیش بینی پژوهشگران بر جایگزینی کانال ترانزیستورهای اثرمیدان فن‌آوری CMOS با نانو ‌لوله‌های ‌کربنی (CNT) انگیزه‌ای شد تا این پژوهش به بررسی صرفه‌ی بکارگیری روش افزونگی سه‌گانه‌ی اطلاعاتی در فن‌آوری ترانزیستور‌هاي اثرمیدان مبتنی بر نانو ‌لوله‌های ‌کربنی (CNTFET) ‎بپردازد. بهره‌برداری از فضاهای بدون استفاده‌ی حافظه موجب مصرف عمده‌ی توان این روش در مدار رای گیر اکثریت دو از سه‌ی آن می‌‌شود. این پژوهش نشان داده است که پیاده‌سازی این رای گیر با فن‌آوری CNTFET، هزینه‌های مصرف توان و تاخیر را طوری کاهش می‌دهد که افزونگی سه‌گانه‌ی اطلاعاتی را به روشی مقرون به صرفه در سامانه‌‌های آینده تبدیل خواهد نمود. نتایج شبیه‌سازي در ابعاد 45، 32 و 22 نانو با ولتاژهای تغذیه 1، 9/0 و 8/0 ولت نشان دادند که پیاده‌سازی این مدار با فن‌آوری CNTFET نسبت به فن‌آوری CMOS تا 57% بهبود در متوسط توان مصرفی و تا 83% کاهش در تاخیر را به همراه خواهد داشت.

شبکه ی داده های نام گذاری شده، به عنوان الگوی جدیدی برای جایگزینی زیرساخت کنونی شبکه ی اینترنت در نظر گرفته شده است؛ با این تفاوت که در معماری این شبکه، به اشیای داده ای، آدرس تعلق پیدا می کند. این معماری شبکه ای از قابلیت ذخیره سازی درون شبکه ای پشتیبانی می کند تا عملکرد منابع شبکه ای بهبود یابند. یکی از مسائل کلیدی در این شبکه ها، مدیریت و تقسیم عادلانه ی منابع حافظه در شبکه است. در این پژوهش برای یافتن اهمیت هر گره جهت تخصیص حافظه، از دو دسته پارامترهای ایستا و پویای شبکه ای استفاده می شود. پارامتر ایستای مورد استفاده، که مرکزیت میانگی هر مسیریاب می باشد، با تعداد مسیرهای کوتاه بین دو مسیریاب قابل محاسبه است. دو پارامتر دیگر، از نوع پویا و لحظه ای هستند که به اطلاعات پویای شبکه نظیر درخواست های کاربران و ترافیک شبکه بستگی دارند. از این روی، با اعمال دو روش میانگین گیری متحرک وزن دار بر پارامترهای پویا، در ابتدا از کل نمونه های زمانی بدست آمده، متوسط گرفته و سپس با کمک روش تجمیع داده ی تحلیل مولفه ی اساسی، پارامترهای هر مسیریاب با یکدیگر ترکیب شده تا وزنی برای تعیین اندازه ی حافظه ی نهان آن تعیین شود. نتایج ارزیابی نشان دهنده ی بهبود 25 درصدی نرخ برخورد در حافظه ی نهان مسیریاب های میانی شبکه و همچنین کاهش 37 درصدی تعداد بسته های علاقه ی منتظر می باشد.

در روش‌های رایج زیست‌سنجی ثبت داده از اندام‌هایی از بدن صورت می‌گیرد که با چشم قابل دیدن هستند. به همین دلیل امکان تقلید آنها زیاد است. پیشنهاد شده است که به‌جای این‌گونه روش‌ها، از اندام‌هایی از بدن ثبت داده انجام شود که به‌طور ذاتی با چشم قابل دیدن نیستند. این نوع روش‌های زیست‌سنجی، دارای مقاومت ذاتی در برابر جاعلین هستند. هر نوع سیگنال زیستی مانند الکتروکاردیوگرام، الکتروانسفالوگرام، الکترومایوگرام، پتانسیل برانگیخته بینایی و شنوایی می‌تواند یک ویژگی زیست‌سنجی محسوب شوند. در این مقاله از 104 سیگنال الكتروانسفالوگرام فرد سالم در حالت استراحت و چشمان بسته، ویژگی های غیر خطی بعد هیگوچی و بعد پطروسیان استخراج شده و دو کانال بهینه با استفاده از الگوریتم ژنتیک تعیین شده اند. سپس با انتخاب بخش های مرجع از سیگنال هر فرد و تولید ویژگی های مصنوعی و نمونه های حقیقی و جعلی، طبقه بندی ویژگی ها با طبقه بند ماشین بردار پشتیبان انجام شده است و روش پیشنهادی با تغییر نسبت آموزش– آزمایش ویژگی ها از 10-90 درصد تا 90-10 درصد به صحت02/0± 92/79 درصد تا 00/0± 84/99 درصد دست یافته است.

در رده‌بندی متون می‌توان هر واژه را به‌عنوان یک صفت یا ویژگی در نظر گرفت. تعداد زیاد واژه‌ها باعث کاهش دقت و سرعت رده‌بندی می‌گردد. انتخاب زیرمجموعه‌ای از واژه‌های (ویژگی‌های) متون یکی از مراحل ضروری در پیش‌پردازش متون قبل از اعمال الگوریتم‌های رده‌بندی است. روش‌های پالایه و پوشانه، دو دسته اصلی انتخاب ویژگی است. در این مقاله سعی شده است روش ترکیبی انتخاب ویژگی در حوزه متون بررسی‌شده و با روش‌های جدیدتر انتخاب ویژگی خاص متون مانند DFS وGiniText مقایسه گردد. در این تحقیق تأثیر استفاده از ترکیب روش پالایه و پوشانه برای انتخاب ویژگی بر عملکرد رده‌بند نایوبیزی برای رده‌بندی متون فارسی مورد بررسی قرار گرفته است. نتایج نشان می‌دهد که روش ترکیبی انتخاب ویژگی روی پیکره همشهری، علی‌رغم کاهش تعداد ویژگی‌ها، باعث بهبود نتایج رده‌بند نایوبیز چند جمله‌ای، نسبت به روش‌های پالایه و یا پوشانه شده است.

سیستم‌های پرسش و پاسخ شکل پیشرفته‌ سیستم‌های بازیابی اطلاعات هستند که به جای برگرداندن اسناد مرتبط با سوال کاربر، سعی در استخراج پاسخ دقیق برای آن دارند. کاربر می‌تواند سوال خود را در قالب یک سوال زبان طبیعی مطرح کند و یا از کلمات کلیدی برای بیان منظور خود استفاده کند. یکی از منابعی که سیستم‌ها برای پیدا کردن جواب استفاده می‌کنند، ابر داده پیوندی است. سیستم‌های بازیابی اطلاعات مبتنی بر داده پیوندی، به ما کمک می‌کنند تا با سرعت و دقت بالایی به جواب صحیح دست یابیم؛ اما نیازمند داشتن دانش در مورد هستی‌شناسی موجود و همچنین ساخت پرس‌وجوهای رسمی مانند SPARQL هستند. این‌کار برای کاربران عادی کاری دشوار خواهد بود. از طرف دیگر، تجربه کابران در کار با موتورهای جستجو نشان داده‌است، کاربران بیشتر تمایل دارند نیاز اطلاعاتی خود را در قالب کلمات کلیدی مطرح کنند. در این مقاله، به منظور خودکارسازی فرایند ساخت پرس‌وجوی رسمی‌، روشی برای تبدیل کلمات کلیدی کاربر به پرس‌وجوی SPARQL ارائه ‌شده‌است که مبتنی بر ساخت قالب‌های پویاست. علاوه‌براین، روشی برای ساخت پرس‌وجوهای پیچیده SPARQL ( توابع تجمعی، فیلتر کردن و شمارش ) نیز ارائه شده‌است. نتایج ارزیابی نشان از موفقیت قابل قبول این سیستم در ایجاد قالب‌های پرس‌وجوی پیچیده دارد.

امروزه به کارگیری ماشین‌های با تعداد هسته‌های پردازشی زیاد امری رایج در انجام پردازش‌های تحلیلی بر روی داده‌ها گردیده است. همچنین مدل کردن داده‌ها به صورت گراف در کاربردهای بسیاری از جمله شبکه‌های اجتماعی، شبکه‌های بیولوژی و غیره صورت گرفته است. در این حوزه، زیرگراف کاوی جزء مسائل جذاب است که در آن می‌توان زیرگراف‌های ‌با خصوصیات مدنظر را از گراف (حجیم) ورودی استخراج کرد. یکی از زیرگراف‌های ‌پرکاربرد k-truss است که از آن برای به دست آوردن اجتماعات منسجم، نقاط پرچگال و افرازبندی استفاده می‌شود. در این مقاله یک الگوریتم چندهسته‌ای کارا و مقیاس پذیر برای یافتن زیرگراف‌های ‌k-truss ارائه شده است. برای این منظور ابتدا یک الگوریتم چندهسته‌ای برای شمارش مثلث‌ها با ایجاد یک ساختار مناسب به نام FONL از گراف ورودی پیشنهاد شده است. سپس از خروجی‌های آن، یک الگوریتم تکرارشونده ارائه شده است که به صورت موازی آن یال¬های گراف، که خصوصیت k-truss را نقض می‌کنند، حذف می‌نماید. روش پیشنهادی با استفاده از مجموعه گراف‌های ‌استاندارد بر روی یک ماشین 12 هسته‌ای اجرا شده است. نتایج آزمایشات نشان دهنده مقیاس پذیری مناسب و کارایی بالای روش پیشنهادی در مقایسه با دیگر روش‌های موازی است.

با ورود به عصر اطلاع رسانی دیجیتال و رشد سریع اینترنت، رفته رفته اطلاعات از فرم کاغذی به الکترونیکی تبدیل شدند. این امر برای ما امکان جستجوی کتاب‌ها و اخبار را به صورت الکترونیکی فراهم می‌کند. بنابراین نیاز به سیستم‌هایی برای بازیابی اطلاعات احساس می‌شود. به این منظور سیستمی جهت طبقه‌بندی متون با استفاده از خوشه‌بندی فازی با بردار ویژگی وزن‌دار پیشنهاد می‌شود. در روش پیشنهادی ابتدا در مرحله‌ی پیش پردازش، برای کاهش ابعاد از الگوریتم ژنتیک و سپس TF-IDF (Term Frequency - Inverse Document Frequency) استفاده شده و ویژگی‌هایی با قدرت تفکیک بالا انتخاب می‌شوند. سپس ماتریس وزنی متناسب با واریانس هر ویژگی، محاسبه شده و همگام با پیشرفت الگوریتم خوشه‌بندی تغییر می‌کند. بنابراین ویژگی‌های با واریانس بیشتر، تأثیر بیشتری در فرایند خوشه‌بندی خواهند داشت. در روش خوشه‌بندی، فاصله اقلیدسی به‌کار رفته، با این تفاوت که برای ابعاد ارزش یکسانی در نظر گرفته نمی‌شود. در نهایت کارایی سیستم پیشنهادی در خوشه‌بندی گروه‌های خبری مجموعه داده رویترز بررسی شده و نتایج نشان دهنده‌ی کارایی بالاتر این روش نسبت به خوشه‌بندی معمولی از نظر چند معیار ارزیابی معروف خوشه‌بندی، است.