انجمن کامپیوتر ایران

انتخاب يک ترتيب منا سب براي عملگر پيوند در پرس و جوهاي پايگاه داده اي يک مسئله NP-Hard است. استفاده از يک الگوريتم ژنتيکي طراحي گرديده است که کروموزومهاي بکار رفته در آن بصورت آتاماتاي يادگير مهاجرت اش ياء م ي باشند . نشان داده شده است که استفاده از اين الگوريتم ژنتيکي در بهبود جواب ها بسيار مؤثر مي باشد و علاوه بر افزايش سرعت الگوريتم در رسيدن به جوابهاي مناسب، از بدام افتادن آن در بهينه هاي محلي جلوگيري ميکند.

الگوریتمهای ژنتیک در سالهای اخیر به عنوان روشهایی با توانایی بالا در یافتن جواب مسئله های بهینه سازی شناخته شده اند . یکی از این مسائل بهینه سازی مسئله خوشه بندی می باشد . خوشه بندی در حقیقت پردازشی است که یک مجموعه از داده های ورودی را دریافت کرده و آنها را به چندین زیر گروه تقسیم می کند یکی از روشهای متداول در این زمینه، روش خوشه بندی ترکیبی است . در مقاله حاضر یک روش خوشه بندی ترکیبی بر اساس الگوریتمهای ژنتیک ارایه شده است. مهمترین خصوصیت الگوریتم ارایه شده یافتن تعداد خوشه ها برای مجموعه داده ورودی می باشد. نتایج ارزیابی روش ارایه شده بر روی چندین مجموعه داده متداول نشانگر کارایی مناسب الگوریتم ارایه شده می باشد.

طبقه بندی خودکار تصاویر روشی است که به کمک آن یک تصویر به یکی از کلاس های از پ یش تعری ف شده قبل ی نسبت داده می شود. طبقه بندی تصاویر یکی از مهمترین مراحل در ی ک سیستم بازیابی تصویر براساس محتوا است. وجود این مرحله باعث کاهش زمان بازیابی تصویر بوسیله کاهش فضای جستجو در این سیستم ها می شود. در این مقاله، از یک ساختار سلسله مراتبی برا ی طبقه بند ی تصاو یر پزشک ی استفاده می شود. در ای ن ساختار با پیشنهاد یک روش خوشه بندی تحت عنوان نقشه ادغام، کلاس هایی که دارا ی همپوشان ی قابل توجهی هستند، در یکدیگر ادغام می شوند. در این نقشه با استفاده از سه معیار صحت طبقه بندی، نرخ دسته بندی اشتباه و معیار شباهت، به نوعی یک روش خوشه بندی غیرنظارتی مدل می شود. در هر سطح ساختار سلسله مراتبی پیشنهادی، تصاویر براساس محتوی ات شکلی و بافتی بوسیله طبقه بند شبکه عصبی پرسپترون چند لای ه طبقه بند ی می شود. ساختار پیشنهادی با یک پایگاه داده بزرگ از تصاویر اشعه x شامل ۹۱۰۰ تصویر در ۴۰ کلاس ارز ی ابی شد . صحت طبقه بند ی 9/88% برای یک مسأله ۲۵ کلاسه در سطح اول ساختار بدست آمد. اگر سه تا از نزدیکترین کلاسها به عنوان کلاس صحیح در نظر گرفته شود این مقدار به 5/94 % افزایش می یابد.

در اين مقاله دو مرحله اصلي از هر سيستم بينايي ماشين مبتني بر حركت يعني تقطيع حركت و رديابي اشياء (GMM) مورد بررسي قرار مي گيرند. ما از مدل تركيب گاوسي بعنوان روش پايه برا تقطيع حركت استفاده كرده و توابع بروزرساني جديد برا بهبود سرعت و دقت اين روش پايه ارائه م يدهيم. ضمنا مراحل پس پردازشي حذف نويز، كاهش سايه و تحليل مولفهها متصل به خروجي GMM اعمال مي شود. رديابي نيز با توجه به نوع مد لساز حركتي و ظاهر اشياء انجام مي شود. ويژگي ها حركتي و ظاهر شيئ در يك چارچوب ساده برا ايجاد تناظر بين مشاهدات شيئ در فريم ها متوالي استفاده مي شوند. الگوريتم ها ارائه شده بررو تصاوير فيلم بردار شده در محي طها سرپوشيده و سرباز و نيز بررو ويدوئوها استاندارد PETS و Terrascope آزمايش شده و نتايج بسيار خوبي ارائه كرد هاند.

در سالهاي اخير بسياري از محققين به استفاده از سيگنالهاي آشوب براي نهان نگاري در تصوير رو آورده اند. در اين مقاله يك روش جديد براي نهان نگاري در تصوير ارائه شده است كه در آن از دو سيگنال آشوب براي مشخص نمودن محل قرار دادن بخش ه اي مختلف متن در تصوير استفاده شده است. در اين روش از ي ك كلي د 80 بيتي براي به دست آوردن مقادير اوليه دو سيگنال آشوب استفاده مي شود. از مزاياي اين روش مي توان به امن ي ت بالا ي اين روش به دليل استفاده از س يگنال آشوب و مقدار بالا ي PSNR (4206) به دست آمده اشاره نمود.

در دو دهه قبل توانايي هاي فني بشر براي توليد و جمع آوري داده ها به سرعت افزايش يافته است.بطور كلي استفاده همگاني از وب و اينترنت ما را مواجه با حجم زيادي از داده و اطلاعات مي كند. اين رشد انفجاري در داد ههاي ذخيره شده، نياز مبرم وجود تكنولوژي هاي جديد و ابزارهاي خودكاري را ايجاد كرده كه به انسان ياري رسانند تا اين حجم زياد داده را به اطلاعات و دانش تبديل كند. داده كاوي به عنوان يك راه حل براي اين مسائل مطرح مي باشد. داده كاوي را مي توان عمل استخراج اطلاعات پنهان در يك پايگاه داده ي بزرگ تعريف كرد. داده كاوي به تحليلگران براي پيدا كردن الگوها و روابط بين داده ها كمك مي كند. يكي از مهمترين زمينه هاي داده كاوي كشف قوانين وابستگي يا Association Rules mining مي باشد كه هدف از آن يافتن قوانين والگوهاي پنهان در بين حجم زيادي از داده ها است.همچنين چگونگي كاوش در بين داده هايي كه حاوي اطلاعات زماني هستند به عنوان يك مساله مهم در امر داده كاوي مطرح است.

بسياري از کاربردهاي کامپيوتر در ارتباط انسان و ماشين و بيومتري نياز به پايگاه داده اي براي آزمون ايده ها و مقايسه آنها دارند. از جمله اين کاربردها مي توان بازشناسي احساس انسان؛ بازشناسي گفتار؛ مدلسازي چهره براي يافتن يا بازشناسي آن را نام برد . گرچه پايگاه داده هاي متعددي در دنيا تهيه شده و برخي از آنها به صورت عمومي در دسترس است؛ تاکنون، پايگاه مناسبي به زبان فارسي بدين منظور ارائه نشده است. در اين تحقيق پايگاه داده مناسبي تهيه شده که مي توان از آن براي کاربردهاي ياد شده و ديگر کاربردهاي مشابه بهره گرفت. پايگاه حاضر؛ تصاوير ويديويي چهره ١٢ نفر را در هنگام بروز احساس هاي مختلف در بر مي گيرد. از هر صحنه همزمان بوسيله چهار دوربين در زواياي مختلف تصوير برداري شده و صدا هم با کيفيت مناسبي بوسيله ميکروفن ويژه اي ضبط شده است.

مبحث ذخيره سازي داده امروزه به مسأله بسيار مهمي در مراكز داده اينترنتي و سيستم هاي محاسبات فو ق سريع تبديل شده است. چرا كه هرساله حجم داده هاي ذخيره شده در دنيا تقريبًٌا دو برابر مي شود و در يك سيستم محاسباتي ممكن است متجاوز از يك پتابايت ١ باشد. از جمل ه ي چنين سيست م هايي در سازما ن هاي هواشناسي و پايگاه هاي نظامي ممكن است يافت شوند. اين مقاله روشي جديد ارائه مي كند كه بر اساس آن در يك سيستم محاسباتي كلاستري، زمان مورد نياز براي نقل و انتقالات داده در مجموع كاهش م يياب د. روش پيشنهادي جديد عبارت است از مهاجرت پردازش هاي درحال اجرا بر روي گره هاي پردازشي با استفاده از فن آوري جديد مجازي سازي كه به منظور توازن بار در شبكه استفاده مي شود. نتايج حاصله از شبب ه سازي نشان مي دهد كه اين روش جديد كاهش قابل ملاحظه اي در زمان مورد نياز سيستم محاسبات ي جهت انجام پردازش داده در مقاط ع زماني مشخص ايجاد مي كند.

نكته حايز اهميت در تشخيص خودرو استفاده از تكنيكهاي پايدار در برابر تغييرات است . در اين نوشتار، به منظور تشخيص خودروها از ويژگي تقارن استفاده شده كه اين ويژگي در برابر تغييرات نور پايدار است. همچنين روشي موثر براي برخورد با مشكل همپوشاني خودروها است. براي يافتن خط تقارن خودروها از روش تشخيص سريع خط تقارن استفاده نمودهايم. اين روش به كمك تبديل هاف و استفاده از پيكسلهاي لبه، خط تقارن هر شي را بدست مي آورد. همچنين الگوريتم بهبود تشخيص سريع خط تقارن به منظور رفع خطاهاي ناشي از عمق تصوير ارايه گرديده است كه الگوريتم تشخيص سريع خط تقارن قادر به رفع آن نبوده است. به منظور رديابي خودروها از فيلتر كالمن استفاده شده است. آزمايشات انجام شده نشان داده است كه روش پيشنهادي قادر است با دقت 96.52 % تعداد زيادي خودرو را در يك جاده رديابي كند.

تعیین بیشترین زمان اجراي برنامه که اصطلاحاً WCET نامیده می شود، گام مهم و ضروري در فرایند توسعه و تایید صحت سیستمهاي بی درنگ سخت میباشد. یکی از روشهاي تحلیل WCET روش تحلیل ایستا میباشد. در این روش باید اطلاعات زمانی از کد برنامه استخراج گردد. تعداد تکرار حلقهها, پارامترهاي ورودي و خط لوله از عواملی هستند که بر زمان اجراي برنامه تاثیر دارند. براي داشتن ابزاري که تخمین مناسبی از بیشترین زمان اجراي برنامه ارائه دهد, نیاز به در نظر گرفتن و پیاده سازي همه مسائل مطروحه میباشد. در این مقاله نمایشی از کد منبع مبتنی بر XML1ارائه گردیده که اطلاعات زمانی کد برنامه براحتی در آن درج گردیده و میتوان بر اساس اطلاعات درج شده در این ساختار زمان اجراي برنامه را محاسبه نمود. همچنین زمینه استفاده از نمایش مبتنی بر XML براي استخراج اطلاعات در پژوهشهاي بعدي فراهم گردد.

شبکه عصبی بیزین تک لایه، همانند شبکه عصبی تک لایه پرسپترون داراي محدودیت تفکیک پذیري خطی می باشد. بطور کلی طراحی این نوع دسته بندي کننده مربوط به زمانی است که فرض استقلال ویژگی هاي ورودي از یکدیگر را داریم . در این مقاله مدل اولیه شبکه عصبی بیزین را با بکارگیري دو ساختار متفاوت در لایه پنهان به مدل یک شبکه عصبی بیزین چندلایه توسعه می دهیم بطوریکه این لایه اضافه شده، شبکه را از فرض استقلال میان ویژگی هاي ورودي رها سازد. سپس با انجام شبیه سازي بروي چندین مجموعه داده، کارایی بیشتر این مدل توسعه یافته با هر یک از این دو ساختار را در مقایسه با مدل اولیه ، در دسته بندي داده ها نشان خواهیم داد.

Intrusion detection can no longer satisfy security needs of an organization solely. Recently, the attention of security community turned to automatic intrusion response and prevention, as the techniques, to protect network resources as well as to reduce the attack damages. Knowing attack scenarios enables the system administrator to respond to the threats swiftly by either blocking the attacks or preventing them from escalating. Alert correlation is a technique to extract attack scenarios by investigating the correlation of intrusion detection systems alerts. In this paper, we propose a new learning-based method for alert correlation that employs supervised and transductive learning techniques. Using this method, we are able to extract attack scenarios automatically.

Optimal tasks allocation is one of the most important problems in multiprocessing. Optimal assignment of tasks to a multiprocessor is an NPhard problem in general cases, and precedence task graph makes it more complex. Many factors affect optimal tasks allocation. One of them is cache reload time in multiprocessor systems. These problems exist in real-time systems, too. Due to high sensitivity of ‘time’ in real-time systems, scheduling with respect to time constraints becomes very important. This paper proposes a suboptimal scheduler for hard realtime heterogeneous multiprocessor systems considering time constraints and cache reload time simultaneously, using multiobjective genetic algorithm. In addition, it tries to propose a generalized method for real-time multiobjective scheduling in multiprocessor systems using genetic algorithms.

The embedded systems usage in different applications is prevalent in recent years. These systems include a wide range of equipments from cell phones to medical instruments, which consist of hardware and software. In many examples of embedded systems, fault occurrence can lead to serious dangers in system behavior (for example in satellites). Therefore, we try to increase the fault tolerance feature in these systems. Therefore, we need some mechanisms that increase the robustness and reliability of such systems. These objects cause the on-line test to be a great concern. It is not important that these mechanisms work in which level (Hardware level, Software level or Firmware). The major concern is that how well these systems can provide debugging, test and verification features for the user regardless of their implementation levels. Background Debug Module is a real time tool for these features. In this paper we apply an innovative way to use the BDM tool for fault injection in an embedded system.

We address, in this paper, the problem of estimating the input sequence of a known, non-minimum phase, FIR system, when a large number of its roots are located near or on the unit circle. This issue cannot be solved by conventional methods known to date. Recently, algorithms based on spectral factorization are considered as possible solutions of inversing nonminimum phase systems but, these techniques cannot prohibit the instability of the systems whose roots are located on the unit circle. We propose an alternative method based on adaptive filtering resulted from a new point of view of the deconvolution problem that avoids inversing the system. The LMS adaptive filter is used to meet our objective while faster implementation than optimization-based techniques, be it gradient based or genetic, is achieved. Moreover, the technique is validated by experimental results, in simulated cases, which are mainly focused on large sequence of signals in noisy conditions.

In this paper, a fuzzy inference system by which reliability of features can be measured is designed. The reliability determines discriminative power of a feature in separating target from background. We focus our attention on design of membership functions. With a rational explanation on available information over a particle filter-base tracking process, we infer a coarse estimation of membership functions. It follows with a fine-tuning stage by using genetic algorithm. Color, edge, texture and TED are used in current work but the extension to a wider number of features is straightforward.

Particle Swarm Optimization (PSO) is an optimization method that is inspired by nature and is used frequently nowadays. In this paper we proposed a new dynamic geometric neighborhood based on Voronoi diagram in PSO. Voronoi diagram is a geometric naturalistic method to determine neighbors in a set of particles. It seems that in realistic swarm, particles take Voronoi neighbors into account. Also a comparison is made between the performance of some traditional methods for choosing neighbors and new dynamic geometric methods like Voronoi and dynamic Euclidean. In this comparison it is found that PSO with geometric neighborhood can achieve better accuracy overall especially when the optimum value is out of the initial range.

PEnT1 is an automatic English to Persian text translator. It translates simple English sentences into Persian, exploiting a combination of rule based and semantic approaches. It covers all the twelve tenses in English in both passive and active verbs for indicative, negative, interrogative sentences. In this paper, introducing PEnT1, we propose a new WSD method by presenting a hybrid measure to score different senses of a word. We also discuss prototyping some linguistic resources to test our methods.

The dynamic nature of service-oriented architecture (SOA), leads to a need for special attention about the turbulence of the quality attributes (or non-functional requirements) of software during the dynamic changes. If there exists a method for monitoring the whole quality of a service-oriented software, the service selector component of the architecture, which has the responsibility of choosing the best candidate service at runtime, can be aware of the quality state of the whole software at any moment of decision. In this paper, we have focused on the overall quality of an architecture which consists of multiple independent services and present a new method for tracing quality attributes in service oriented architecture based on Graph Transformation System (GTS) as a formal approach.