انجمن کامپیوتر ایران

در سال¬های اخیر، حاشیه نویسی خودکار تصاویربه دليل تأثیر آن روی بازیابی و جستجوی تصاویر مورد توجه بسياري از پژوهشگران بوده است. حاشیه نویسی تصاویر اگر چه برای انسان کار پيچيده‌اي نمي‌باشد اما براي ماشين مسئله ا¬ی سخت و چالشی محسوب می‌شود. هرچنداز روش¬های طبقه‌بندي مختلفي می¬توان برایيادگيري حاشیه نویسی استفاده کرد،در این مقاله از الگوریتم kNN وزن دار به عنوان طبقه بند پایه استفاده شده است. در چارچوب پیشنهادی با تغييرات در تعداد و تنوع تصاوير آموزشي و واژه‌ها، نيازي به يادگيري مجدد طبقه بند نمي‌باشد.در این مقاله جهت کاهش شکاف معنايي از تلفيق ویژگی¬های محلی و سراسری استفاده شده است. آزمایش¬ها روی مجموعه داده¬ی Corel 5k عملکرد مطلوب روش ارائه شده را در مقايسه با روش‌هاي موجود نشان می‌دهد.

در مقاله حاضر، ما از روش يادگيري پیشنهادی به نام يادگيري TAQ به منظور استفاده¬ي عامل¬ها در يک پروسه چانه¬زني تک رويکرده بهره جسته¬ايم. الگوريتم يادگيري TAQ نسخه¬ي بهبود يافته الگوريتم Q مي¬باشد که ازالگوریتم پذیرش آستانه بهره مي گيرد. هدف از اين الگوريتم، غلبه يافتن بر چالش تعادل بين اکتشاف و بهره¬برداري از تجربيات در يادگيري Q مي¬باشد. استقبال چشمگيري از رويکرد¬هاي هوش مصنوعي براي حل مسئله چانه¬زني صورت گرفته است، زيرا نظريه¬ي بازي¬ها نياز به يک سري فرضيات غير واقعي براي حل مسئله چانه¬زني دارد. بنابراين ما بوسيله طراحي عامل¬هاي مبتنی بر يادگيري پیشنهادی TAQ، که با يکديگر بر روي مسئله قيمت، به چانه¬زني مي¬پردازند، به کارايي بالاتري دست يافته¬ايم. اين کارايي از نقطه نظر معيارهاي نرخ توافق، ميانگين منفعت و همچنين زمان مورد نياز براي رسيدن به سياست بهينه، مورد ارزيابي قرار گرفته است. در نهايت مي¬توان گفت اين روش پیشنهادی يادگيري مي¬تواند بعنوان يک الگوريتم يادگيري مناسب براي چانه¬زني خودکار آنلاين عامل¬ها در تجارت الکترونيک مورد استفاده قرار گيرد.

با توجه به پیوستگی حروف در زبان فارسی، استفاده از روش‏های توصیف مبتنی بر شکل کلی کلمات در بهبود عملکرد سیستم‏های بازشناسی موثر است. با توجه به اینکه مجموعه زیر-کلمات فارسی از نظر ساختار و پیچیدگی شکل، بسیار متنوع است، روش‏های مبتنی بر ویژگی‏های سراسری توصیف مناسبی از جزئیات شکل زیر-کلمات ارائه نمی‏کنند. از سوی دیگر، ویژگی‏های محلی نسبت به تغییرات درون-کلاسی حساسند و علاوه بر این ویژگی‏های ساختاری کل شکل را نیز در نظر نمی‏گیرند. برای بهره‏مندی همزمان از خصوصیات توصیفگرهای سراسری و محلی شکل، روش‏های مبتنی بر پیکربندی هندسی ویژگی‏های محلی ارائه شده‏اند. در این روش‏ها، هر شکل به صورت مجموعه‏ای از بخش‏های محلی و ارتباط ساختاری آن‏ها نمایش داده می‏شود. روشی که برای توصیف شکل زیر-کلمات در این مقاله به کار می‏گیریم، بر انتخاب بخش‏های مهم شکل زیر-کلمه و تعیین ارتباط مکانی این بخش‏ها استوار است. بخش‏هایی از شکل که بین نمونه‏های یک کلاس بیشتربن شباهت را دارند و در عین حال بیشترین تفاوت را با نمونه‏های سایر کلاس‏ها ایجاد می‏کنند، به عنوان بخش‏های مهم‏تر شکل انتخاب می‏شوند. ارتباط مکانی بخش‏های مهم شکل، با استفاده از گراف نسبی ویژگی‏دار نمایش داده خواهد شد. در یک آزمایش،برای بازیابی هر شکل ورودی، گراف‏های به دست آمده مقایسه شده و نتایج بررسی می‏شود.

به دلیل ویژگی‌های بازارهای پویا و رقابتی،هزینه‌یابی بر مبنای فعالیت تبدیل به ابزاری برای تعیین هزینه‌های واقعی فروش،فعالیت‌های بازاریابی و مشتریان شده و می‌تواند اطلاعات دقیق هزینه را جهت تصمیم‌گیری بهتر به سازمان‌ها ارائه دهد. اطلاعات به دست آمده توسط هزینه‌یابی بر مبنای فعالیت بینش روشنی از سود واقعی هر یک از گروه¬های مشتریان را برای مدیریت فراهم می‌نمايد،که این اطلاعات نقش مهمی در تجزیه و تحلیل سودآوری ناشی از مشتریان و در نتیجه موفقیت مدیریت ارتباط با مشتری خواهد داشت. مدل ارائه شده در این مقاله به مدیران جهت درک هزینه‌های واقعی محصولات و خدمات، و محرک‌های پدید آورنده این هزینه‌ها، یاری رسانده و از طرف دیگر مسائلی همچون رضایتمندی مشتریان را نیز تحت نظر قرار می‌دهد. رویکرد پیشنهادی امکان یکپارچه‌سازی تمامی فرآیند‌های کسب و کار حول نیازمندی‌های مشتریان سودآور مشخص را فراهم می‌نماید، واقعیتی که راهکارهای قبلی فناوری اطلاعات قادر به انجام آن نبوده‌اند.نتایج حاصل از این پژوهش، نشان دهنده بهبود گسترده در جنبه‌های مختلف مدیریت ارتباط با مشتری، از جمله بهبود در هزینه و زمان جذب مشتری، کاهش هزینه‌های حفظ مشتری، بهبود سودآوری کلی و همچنین سرمایه‌گذاری‌های معقول‌تر سازمان می‌باشد.

در اين مقاله زمان¬بندي همه¬پخشي براي حالتي كه سرور تعدادي فايل را بر اساس درخواست كاربران بين آن¬ها توزيع مي¬كند، مطالعه شده است. به منظور اين¬كه بتوان مسأله را در عمل پياده¬سازي نمود، نياز است كه فايل¬ها به تعدادي قطعه شكسته شده و در شبكه ارسال گردند. رويكرد پيشنهادي با در نظر گرفتن هدف مينيمم كردن كل زمان پاسخ كاربران، رابطه¬اي تقريبي به شكل فرم بسته ارائه مي¬كند كه بر اساس آن تقريبي از تعداد قطعات بر حسب پارامترهاي مختلف شبكه و نوع درخواست¬ها بيان مي-نمايد. تقريب انجام شده با نتايج شبيه¬سازي ارزيابي شده كه نتايج حاكي از دقت مناسب رويكرد پيشنهادي است. همچنين تاثير پارامترهايي مانند اندازه سرآيندهاي لايه¬هاي مختلف پشته پروتكل شبكه نيز در كارآيي روش پيشنهادي مورد مطالعه قرار گرفته است.

امروزه دو گروه برجسته از سرويس¬هاي وب وجود دارد که يکي بر پايه¬ي معماري SOAP و ديگري بر پايه¬ي معماري REST مي-باشد. اين دو گروه از سرويس¬هاي وب، زبان توصيف خاص خود را دارند كه به زبان توصيف سرويس¬هاي وب مبتني بر SOAP، WSDL و به زبان توصيف سرويس¬هاي وب مبتني بر REST، WADL گفته مي¬شود. از طرف ديگر روش¬هاي صوري، روش¬هايي مبتني بر رياضيات هستند. مهمترين مشخصه¬ي يک روش صوري، اتکا به يک زبان توصيف صوري است که يکي از معروف¬ترين آن¬ها زبان توصيف Z نام دارد. در منابع قبلی ترجمه¬ی WSDL 2.0 به Z ارائه شده است. در این مقاله هدف ما ارائه¬ی ترجمه¬ای از WADL به Z می¬باشد. با داشتن اين دو ترجمه مي¬توان به دستاوردهايي از قبيل: بررسی ترکیب¬پذیری سرویس¬هاي وب به شکل صوری، اعتبارسنجيسرويس¬هاي وب به شکل صوری (با ابزاري مانند JAZA يا ابزاري مشابه)، بررسی صوری تطابق بین سرويس¬هاي وب یا ترکیب آن¬ها با فرآیندهای حرفه و ایجاد زمینه¬ای برای تولید صوری سرويس¬هاي وب رسيد. از طرف ديگر مي¬توان انواع ناهماهنگی¬ها در سطح عناصر، قبل از ترکیب سرویس¬ها را به شکل صوری بررسی نمود.

بسیاری از مسائل در دنیای واقعی می¬توانند بصورت مجموعه¬ای از نقاط مدل شوند. کاوش مجموعه نقاط مکرر بسته و مجموعه نقاط مکرر وزن¬دار، دو مطالعه مهمی هستند که برای کاهش زمان جستجوی الگوهای مکرر می¬توان از آن¬ها استفاده کرده و با ترکیب آنها، الگوهای جالب¬تر و پراهمیت¬تری را استخراج نمود. در اين مقاله الگوریتم کاوش CWPFP-Miner را براساس رشد الگو، بهبود می¬دهیم. سپس نشان می¬دهیم که چگونه می¬توان بدون ازدست¬دادن اطلاعات، کاوش الگوهای بسته را با کاوش الگوهای وزن¬دار یکی کرد. همچنین راه¬حلی پیشنهاد می¬د¬هیم که بتوان مشکل پادیکنوایی را در حالتی که وزن بکار می¬رود، حل کرد. تاکنون در پایگاه¬داده¬های مجموعه¬نقطه، هیچ الگوریتم کاوشی پیشنهاد نشده که هر دو محدودیت بسته بودن و وزن-دارکردن نقطه¬ها را با هم بکار ببرد. بررسی عملکرد الگوریتم CWPFP-Miner و مقایسه آن با الگوریتم¬های AcGM و gfsg نشان می¬دهد که این الگوریتم بهتر از دو الگوریتم دیگر عمل کرده و زمان اجرای بهتری دارد.

با توجه به افزایش تعداد سرویس¬هائی که عملکرد یکسانی را ارائه می¬کنند، انتخاب وب¬سرویس مناسب برای یک هدف خاص کار دشواری شده است. هنگامی که قرار است عمل ترکیب وب¬سرویس¬ها برای بدست آوردن یک هدف انجام شود، با محدودیت¬هائی مواجه خواهیم شد. در این مقاله، برای سادگی، از عبارت "محدودیت" هم به عنوان محدودیت و هم به عنوان ترجیحات استفاده می¬شود. برخی از این محدودیت¬های ترکیب از نوع عملکردی و برخی از نوع کیفی می¬باشد. تعدادی نیز در هیچ¬کدام از این دو دسته قرار ندارند. تاکنون این محدودیت¬ها به صورت پراکنده و بدون ساختار بوده و هر ترکیب¬کننده¬ی سرویس بنابر سلیقه خود آن¬ها را در نظر گرفته و ارضا نموده است. به این ترتیب به برخی از محدودیت¬ها پرداخته شده و به بسیاری از آن¬ها توجهی نشده است. در این مقاله یک طبقه¬بندی از کلیه محدودیت¬های شناخته شده تا جای ممکن برای عمل ترکیب ارائه می¬شود. این طبقه¬بندی یک ساختار خوش تعریف از کلیه محدودیت¬های ترکیب وب¬سرویس می¬باشد. در واقع نقش این مقاله، یک گام قبل از فاز انتخاب عمل ترکیب می¬باشد. ساختار این طبقه¬بندی به صورت درختی بوده و هر کدام از محدودیت¬ها قابل الویت¬دهی می¬باشد. برگ¬های درخت حاوی متریک¬های موجود برای ارضای محدودیت پدر می¬باشد. ساختار درختی این طبقه¬بندی، ارائه آن در قالب XML به عمل ترکیب را تسهیل می¬نماید. ارزیابی طبقه¬بندی ارائه شده با مقایسه نقشه¬های ترکیب که هدف یکسانی را دنبال می¬کنند، انجام می¬گیرد. این نقشه¬ها از لحاظ ارضای محدودیت¬ها و ویژگی¬ها مقایسه شده و به کمک درخت طبقه¬بندی و نظر متقاضی وب¬سرویس مرکب، وزن¬دهی می¬گردد. وزن نهائی هر نقشه، میزان موفقیت در ارضای محدودیت¬ها را نشان می¬دهد. به این ترتیب، این خروجی به عمل انتخاب کمک می¬نماید. از طرف دیگر با انجام مقایسه¬ای بین کار انجام شده و دیگر کارها جامعیت نسبی این طبقه¬بندی نشان داده می¬شود.

تکنولوژی رادیوی شناختی راه حلی کلیدی برای بهبود کارایی طیف فرکانسی است. در این تکنیک به کاربران بدون مجوز (کاربران ثانویه) اجازه داده می¬شود به شیوه¬ای فرصت¬طلبانه از طیف بهره ببرند. در این راستا مسئله انتخاب کانال برای کابران ثانویه یک موضوع مهم در این نوع شبکه¬ها است، که روی بسیاری از پارامترهای کیفیت سرویس مانند سطح تداخل با PU ها و SU های همسایه، تأخیر، تعداد سوییچینگ¬های کانال، زمان سرویس¬دهی و تعداد برخوردهای SU ها و PU ها تأثیر می¬گذارد. یکی از چالش¬های پیش روی مسئله انتخاب طیف این است که باندهای فرکانسی زیادی ممکن است برای یک کاربر ثانویه موجود باشند. بنابراین الگوریتم انتخاب کانال باید بر اساس ویژگی¬های طیف موجود و الزامات QOS کاربر ثانویه، بهترین کانال در دسترس را انتخاب کند. در این مقاله ما با استفاده از اتاماتای یادگیر به شکل توزیع شده به رادیوی شناختی این قابلیت را می¬دهیم که با توجه به رفتاری که یک کانال در گذشته انجام داده، میزان سودمندی آن برای کاربر ثانویه را اندازه بگیرد و بر این اساس یک کانال را از بین مجموعه¬ای از کانال¬های موجود انتخاب کند.

با استفاده از شبکه هاي بزرگ وپيچيده امنيت شبکه به يک مسئله مهم تبديل شده است . در اين مقاله يک نظريه مرکز عمليات امنيت شبکه بر اساس تکنولوژي همبستگي هشدارهاي چند حسگر از نقطه نظر امنيت شبکه معرفي شده است. همبستگي هشدار يک فرآيند است که هشدارهاي توليد شده توسط يک يا تعداد بيشتري سيستمهاي تشخيص نفوذ را تجزيه وتحليل مي کند و يک نماي سطح بالا و موثرتر از تلاشهاي نفوذ يا نفوذ اتفاق افتاده فراهم مي کند.معماري پيشنهادي در اين مقاله متشکل از چندين لايه است که عبارتند از: 1- لايه تجهيزات امنيتي شبکه 2- لايه داده 3- لايه ارائه و منطق امنيت 4- لايه کاربر. همبستگي هشدارها در معماري پيشنهادي بصورت يک فرآيند مي باشد کهشامل يک مجموعه جامع از مولفه ها و يک ابزار همبستگي زمان واقعي مبتني بر اين مدل مي باشد و قادر است تعدادي از مجموعه داده هاي متفاوت را در زمان واقعي پردازش کند. براي شناسايي اينکه چگونه هر مؤلفه به اهداف کلي همبستگي کمک مي کند و عملکرد زمان واقعي همبستگی را معتبر مي سازد، اين ابزار روي تعدادي از مجموعه داده هاي تشخيص نفوذ اعمال شده است. فرآيند همبستگي مورد بحث، قادر است تا هشدارهاي شبکه هاي واقعي را پردازش کند و قدرت کافي براي حملات انکار خدمت و موقعيتهايي که شبکه تحت حملات سنگين قرار مي گيرد را دارد. نتايج آزمايشات نشان مي دهد که ابزارهاي همبستگي هنگامي که در زمان واقعي عمل مي کنند، در دستيابي به کاهش هشدار و چکيدگي موثرند .

در این مقاله موضوع ساخت یک درخت چندپخشی بهینه در شبکه های مش بیسیم را بررسی می کنیم، در ساخت درخت قصد داریم روشی میانی پیشنهاد دهیم بطوریکه بتواند از مزایای دو روش معروف در ساخت درخت یعنی SPT و MNT استفاده کند، در ساخت درخت گیرنده ها سعی می کنند با کمترین گام ممکن به منبع چندپخشی وصل شوند که نتیجه آن کاهش تأخیر انتها به انتها برای رساندن بسته های چندپخشی از منبع چندپخشی به گیرنده های چندپخشی است، از طرف دیگر در روش پیشنهادی سعی شده تعداد گره های فوروارد در شبکه کاهش یابد، چون یکی از دلائل اصلی تداخل بسته ها در شبکه و وجود مشکلات ترافیکی افزایش تعداد گره های فوروارد در ساخت درخت چندپخشی است، در قسمت شبیه سازی الگوریتم پیشنهادی را از نقطه نظر پارامترهای مختلفی مثل گذردهی، متوسط طول مسیر، تعداد گره های فوروارد و تأخیر انتها به انتها در شبیه ساز NS2 با الگوریتم های SPT و MNT مقایسه کرده ایم، تقریباً الگوریتم پیشنهادی کارایی قابل قبولی در مقایسه با دو الگوریتم ذکر شده دارد.

ما یک مدل مقید محلی سه بعدی برای استخراج ویژگی های چهره مقاوم به حرکت سر ارائه می دهیم . راه حل ما ترکیبی از اطلاعات شدت روشنایی و اطلاعات عمق چهره در قالبی مشترک می باشد که در این مقاله ارائه شده است. از این مدل می توان جهت تخمین زاویه سر در جهت های سه گانه و تعیین موقعیت سر نسبت به دوربین ایستا در تصاویر دوبعدیو همچنین استخراج نقاط مهم چهره مقاوم با چرخش سر برای کاربردهای دیگر نیزاستفاده کرد . ما نشان می دهیم که تعیین موقعیت سر با استفاده از این راه حل در تمام جهات سرعت بالایی در کارهای بلادرنگ داردو به صورت تمام اتوماتیک ومستقل از تغییرات روشنایی وافرادخواهد بود. همچنین این مدل ارائه شده مقاوم به شش حالت اصلی چهره و انسدادهای جزیی (عینک و موهای صورت و...) می باشد. بنابراین می توان گفت یک تخمین زاویه سر بدون قید و شرط همراه با تعیین موقعیت سر ارائه می دهیم.

l-diversity یکی از مدل های حفظ حریم خصوصی است که برای انتشار داده هایی که در اختیاریک سازمان نظیر یک بیمارستان است مورد استفاده قرار می گیرد. الگوریتم های زیادی برای پیاده سازی این مدل برای حالتی که داده ها تنهادر اختیاریک سازمان است، ارائه شده. ولی ما در این مقاله قصد داریم یک پروتکل چند طرفه امن بدون حضور شخص ثالث مورد اعتماد برای پیاده سازی مدل l-diversity در محیطی که داده ها به صورت توزیع شده در اختیار چندین طرف است،ارائه دهیم. پیاده سازی l-diversity به صورت چند طرفه در مقابل روشی که هر یک از طرفین به تنهایی داده های خود را منتشر میکنند، باعث می شود که کیفیت داده¬های حاصل بهتر شود. پروتکلی که ارائه داده ایم با تغییر روبکرد انتشار بازه ای به انتشار مجموعه ای توانسته کیفیت داده¬های خروجی را به طور قابل ملاحظه ای بهبود دهد. و همچنین از لحاظ مرتبه زمانی، اجرای پروتکلبا الگوریتم تک طرفه برابر می¬باشد. بنابراین با کمترین هزینه، امنیت را برای هر یک از طرفین درگیر در پروتکل تامین کرده ایم که باعث شده این پروتکل کاملاً کاربردی گردد.

این مقاله به ارائه رهیافتی نوینبرای اداره محدودیت در بهینه¬سازی چندهدفه می¬پردازد. بدین منظور، الگوریتم بهینه¬سازی ازدحام ذرات چندهدفه،جهت اداره محدودیت¬ها توسعه داده شده است. راهکار ارائه شده از سیاست تفکیک فضای محدودیت و فضای هدف و عدم دستکاری در فضای هدف پیروی می¬کند. بر این اساس ذرات موجه در فضای هدف و ذرات ناموجه در فضای محدودیت تکامل می¬یابند. همچنیننویسندگان، راهکار تعویض سردسته برای ذرات ناموجه راپیشنهاد می¬کنند. الگوریتم ارائه شده بر روی 12مسأله محک مورد آزمایش قرار گرفته و با 2 الگوریتم¬ پرکاربرد و بروز در این زمینه مقایسه شده و نتایج خوبی را بدست آورده است.

سیستم‌های نسل چهارم، ترکیبی از شبکه‌های بی‌سیم ناهمگن می¬باشند؛ در این سیستم‌ها گره‌های سیار می‌توانند در فضایی که در محدوده پوشش شبکه‌های مختلف قرار دارد حرکت کرده و بر اساس نیاز، مناسب‌ترین شبکه را به منظور ادامه ارتباط انتخاب نمایند. در چنین سیستم‌هایی یکی از مهم‌ترین مسائل در تعیین میزان کارایی گره سیار، بحث انتخاب شبکه می‌باشد. در این مقاله روشی برای انتخاب شبکه ارائه شده که پارامترهای پهنای‌باند در دسترس، هزینه سرویس، نیروی سیگنال دریافتی و سرعت حرکت کاربر را برای بهبود کارایی جابجایی از شبکه WiMAX به شبکه WiFi در نظر می‌گیرد. در این روش برای دست‌یابی به اطلاعات شبکه‌های مجاور از استاندارد IEEE 802.21 استفاده می‌شود. روش رایج برای انتخاب شبکه در جابجایی میان شبکه‌های ناهمگن، از نیروی سیگنال دریافتی و نوع واسط شبکه استفاده می‌کند؛ در حالی که در روش پیشنهادی، گره سیار علاوه بر تخمین مدت زمان اقامت در شبکه WiFi، شرایط کیفیت سرویس این شبکه را نیز مورد بررسی قرار می‌دهد. بر اساس نتایج شبیه سازی با استفاده از نرم افزار شبیه‌ساز NS-2، تعداد جابجایی‌ها در روش پیشنهادی نسبت به روش رایج، %30 کاهش یافته، نسبت بسته‌های حذف شده به کل بسته‌ها %21 کم شده و %17 به گذردهی سیستم افزوده شده است.

به دلیل عدم وجود کنترل مرکزی یا اطلاع کافی از مکان اشیاء در شبکه¬های نظیربه¬نظیر غیر¬ساخت¬یافته، طراحی یک روش جستجوی کارا در این¬گونه شبکه¬ها بسیار مورد توجه است. در روش k-قدم¬های تصادفی، به عنوان یکی از روش¬های جستجو، تعیین مقدار k به طور تصادفی، می¬تواند بر معیارهای کارایی شبکه تاثیر قابل توجهی داشته باشد. در این مقاله، یک روش جستجوی توزیع¬شده خودتطبیق با بهره¬گیری از اتوماتای یادگیر ارائه شده است تا این چالش را برطرف کند. در این روش، نیازی به تعیین مقدار k به طور تصادفی از قبل نیست، بلکه هر نظیر، می¬تواند همسایه خود را به صورت تطبیقی بیابد. با به¬کارگیری اتوماتای یادگیر برای هر گره، همه همسایه¬هایی که دارای بالاترین احتمال جستجوی موفق در مراحل قبلی جستجو هستند، به صورت تطبیقی انتخاب می¬شوند. سابقه جستجو برای هر گره، در جداولی ذخیره می¬شود که در زمان جستجو، بر اساس مقادیر احتمالی موجود در آنها، تصمیم¬گیری برای انتخاب همسایه¬ها انجام خواهد شد. شبیه¬سازی¬ها نشان می¬دهد که روش جستجوی پیشنهادی، برخی ویژگی¬ها را مانند میانگین تعداد همسایه¬ها به ازای هر درخواست، میانگین تعداد پیام¬های تولید شده، تعداد اشیاء کشف¬شده به ازای هر درخواست و همچنین میزان موفقیت در جستجو در مقایسه با روش k-قدم¬های تصادفی، بهبود می-بخشد.

شناسایی رفتارهای پیچیده انسان تحلیل خودکار فعالیت­های انجام شده توسط انسان در ویدئو است. یکی از رویکردهای شناسایی رفتارهای پیچیده رویکرد توصیفی مبتنی بر گراف است. این رویکرد برای مدل­سازی رفتارهای پیچیده به همراه زمان شروع و پایان و محل انجام زیررفتارها مناسب­تر است. به منظور شناسایی رفتار رویدادی در ویدئو باید عمل انطباق گراف با رفتارهای مدل شده بر گراف صورت گیرد. در این مقاله نحوه مدل کردن رفتارهای پیچیده بر روی گراف ارتباط ویژگی و همچنین روشی برای اجرای انطباق گراف با استفاده از معیار EMD مطرح شده است. عمل انطباق گراف در دو مرحله انجام می­شود. در مرحله اول EMD میان دو گره بر مبنای ماتریس فاصله ایجاد شده از فاصله زوج گره­ها و لبه­های میان آن­ها محاسبه می­شود. مولفه های این ماتریس بیانگر عدم تشابه گره­ها و لبه­های هردو گراف رفتاری است. با اعمال مجدد EMD بر روی ماتریس فاصله حاصل، "ماتریس جریان" تشکیل می‌شود که از آن می­توان نگاشت دو گراف را بدست آورده و عمل شناسایی رفتار را انجام داد. نتایج حاصل از ارزیابی این روش بر روی مجموعه داده Rochester که شامل رفتار های پیچیده می باشد، میزان دقت 6/90 درصد را نشان می­دهد.

خودشبیهی مفهومی است که در دو دهه¬ی گذشته وارد ادبیات شبکه¬های کامپیوتری شده است و نقش به سزایی در مدلسازی ترافیک شبکه¬های کامپیوتری دارد. وجود خاصیت خودشبیهی در ترافیک شبکه اثبات شده است و مشخصات آن با مدل¬های ترافیک مبنی بر توزیع پواسون متفاوت است. مدل¬های ترافیک شبکه¬های کامپیوتری نقش به سزایی در بهبود کیفیت خدمات دارند. بنابراین، برای رسیدن به کیفیت خدمات بهتر باید ویژگی خودشبیهی در مدل¬های ترافیک شبکه لحاظ شود. در این مقاله، ما دو مجموعه ترافیک شامل ترافیک شبکه دانشگاه یزد و ترافیک گروه MAWI را تحلیل می¬کنیم. تاثیر شرایط مختلف مانند بار ترافیک و کیفیت زیر ساخت را بر میزان خودشبیهی بررسی می¬کنیم. همچنین، درجه خودشبیهی پروتکل¬های مختلف و دلایل وجود اختلاف بین آن¬ها مرور می¬شود. نتایج به دست آمده حاکی از وجود رابطه مستقیم بین بار شبکه و میزان خودشبیهی بود. همچنین، وجود رابطه بین کیفیت زیرساخت و شدت وابستگی بلند مدت مورد بررسی قرار گرفت و رابطه معنی¬داری مشاهده نشد.

Hill Cipher (HC) is a polygraph symmetric data encryption method which is based on matrices. In 2011, Desoky et al.proposed the Bitwise Hill Crypto System (BHC) which is based on bit arithmetic. In this paper,weanalyze BHC and show that it is insecure. Then, we propose a new modification using chaotic map which provides better security

دسته بندی‌کننده بیزساده یکی از روش‌های دسته‌بندی متداول مبتنی برنظریه بیزین می‌باشد که در حوزه داده‌کاوی و یادگیری ماشین بطورکارآمد مورد استفاده قرارگرفته است. با این وجود، فرض پایه این دسته بندی‌کننده که استقلال مشروط بر دسته ویژگی‌ها می‌باشد، اغلب در مسائل کاربردی مطرح در دنیای واقعی نقض و منجر به کاهش کارایی دسته بندی‌کننده می‌شود. دراین مقاله یک روش جدید انتخاب ویژگی مبتنی بر الگوریتم جستجوی هارمونی باینری که از روش‌های فرا اکتشافی نوظهور می باشد برای غلبه بر این مشکل و بهبود عملکرد این دسته بندی کننده پیشنهاد شده است. نتایج پیاده‌سازی‌ها در خصوص سه مساله دسته بندی «مجموعه داده بیماری دیابت»، «مجموعه داده یونسفر» و «مجموعه داده سونار» به عنوان مسائل متداول تشخیص الگو با ابعاد ویژگی کم، متوسط و بالا نشان می‌دهد که دقت دسته‌بندی‌کننده بیز پیشنهادی از دسته‌بندی‌کننده بیز ساده و دسته بندی کننده‌های بیز وزن‌دار مبتنی بر گسسته سازی ویژگی‌ها بهتر می‌باشد. همچنین نتایج آزمایشات از غلبه روش پیشنهادی بردسته بندی‌کننده بیز مبتنی بر الگوریتم ژنتیک از نظر زمان لازم برای آموزش مدل و دقت دسته بندی در مسائل با ابعاد متوسط و بالا حکایت می‌نماید.