انجمن کامپیوتر ایران

Fuzzy c-means يک موضوع مطالعاتي مهم در خوشه¬بندي داده¬ها در تکنولوژي داده کاوي است که کاربردهاي عملي در زمينه-هاي مختلف دارد. بزرگترين عيب اين الگوريتم خوشه¬بندي فازي، حساسيت آن به مقداردهي اوليه به تعداد خوشه¬ها و مراکز اوليه خوشه¬ها است. انتخاب نا¬مناسب مراکز اوليه خوشه¬ها در اين الگوريتم منجر به مينيمم محلي مي¬شود. اين مقاله نسخه¬اي بهبود يافته از الگوريتم FCM با رويکرد رفع برخي از مشکلات اين الگوريتم، ازجمله حساسيت به شرايط اوليه ارائه مي¬کند. الگوريتم پيشنهادي مي¬تواند راه¬حل¬هاي بهينه سراسري، از طريق يک قانون ساده و جديد براي انتخاب مناسب مراکز اوليه خوشه بدست آورد. روش پيشنهادي در مقايسه با الگوريتم FCM متداول دقت بالاتري دارد، براي مقايسه دو روش از داده¬هاي دو مجموعه داده حقيقي استفاده شده است.

چارت سازماني، يكي از نمودارهاي مهمي است كه معرف سلسله مراتب پست¬ها در يك سازمان است و ابزارهاي متعددي به صورت خودكار آن را توليد مي¬كنند. در اين مقاله، بهينه¬سازي مصرف كاغذ براي اين ابزارها، در قالبي رسمي بيان شده و به كمك كاهش مسائل به يكديگر، نشان مي¬دهيم كه اين مسئله از رده پيچيدگي محاسباتي NP-Complete است.

مسئله زمانبندي يك برنامه موازي بر روي يك سيستم چندپردازنده‏اي از مسائل رام نشدني محسوب مي‏شود. هدف از اين مسئله، توزيع پردازش‏هاي موازي بر روي پردازنده‏ها است، به‏طوريكه علاوه بر رعايت وابستگي‏هاي اجرايي بين پردازش‏هاي موازي، زمان اجراي كلي آن برنامه موازي نيز حداقل شود. در اين مقاله يك روش زمانبندي مبتني بر اتوماتاي سلولي تكاملي بر پايه الگوريتم ژنتيك پيشنهاد شده است. از آنجاکه توليد مجموعه قوانين يك اتوماتاي سلولي با توجه به نوع مسئله يك فرايند دستي و هزينه بر است، در اين مقاله از الگوريتم ژنتيك جهت پيداكردن مجموعه قوانين بهينه اتوماتاي پيشنهادي، استفاده شده است. زمانبند پيشنهادي با استفاده ازمجموعه قوانين بدست آمده به كمك الگوريتم ژنتيك، قادر به پيدا کردن زمان اجراي بهينه براي برخي از گراف‏هاي وظايف محبوب درحوزه زمانبندي، نظير tree15 و g18 مي‏باشد.

در اين مقاله يك مدل جهت جلوگيري و تشخيص عمليات افراد متقلب در شبكه‌هاي سلولي بي‌سيم ارائه مي‌نماييم. مدل ما با در نظر گرفتن تاريخچه و وضعيت فعاليت و تحرك فعلي كاربر پرونده‌اي تركيبي را براي هريك از كاربران تشكيل مي‌دهد. اين "پرونده تركيبي كاربر تمامي فعاليت‌ها وزنجيره ای از تحرك‌‌‌هاي جديد هريك ازكاربران را با پرونده قبلشان مقايسه وزني مي‌كند. تحليل رفتار كاربر از نظر فعاليت و تحرك بسيار اهميت داشته و حتی مي‌توان اين پرونده تركيبي را بعنوان " امضاء" كاربر در شبكه‌هاي سلولي در نظر گرفت. از آنجا كه هر يك از كاربران رفتارهاي متفاوتي دارند، ما در مدل پيشنهادي كاربران را به سه دسته كلي كاربران با رفتار منظم، نيمه منظم و نا منظم تقسيم بندي مي‌كنيم. اين امر موجب مي‌شود كه ميزان تشخيص اشتباه تقلب توسط سيستم كاهش ‌يابد. نتايج تست و آزمايش مدل مذكور بر روي داده‌هاي واقعي نشان مي‌دهد كه اين مدل قادر به تشخيص بخش عمده‌اي از تقلبات مي‌باشد. همچنين، ميزان هزينه كشف تقلب توسط مدل پيشنهادي نيز بررسي شده است.

پيشنهادی بر بصری‌سازی ابرها در استاندارد

در دو دهه‌ی گذشته، تکنیک‌های شبکه‌های عصبی به عنوان یک روش متکی بر داده به بلوغ رسیده‌اند و افق کاملاً جدیدی را در عرصه تشخیص خطا به‌وجود آورده‌اند. با گسترش سریع هر دو صنعت مدارهای آنالوگ و دیجیتال، مبحث تست در حال تبدیل شدن به موضوعی فوق العاده مهم است. استفاده از شبکه‌های عصبی روشی موفق در تشخیص خطا است. در این مقاله استفاده از شبکه‌های عصبی در تشخیص خطا در مدارهای mixed-signal و به عنوان نمونه یک ADC 3بیتی از نوعflash را بررسی می‌کنیم. سپس نتایج را با سه روشFFT ، هیستوگرام و sine fit مقایسه می‌کنیم. در نهایت به این نتیجه رسیدیم که روش شبکه عصبی می‌تواند نقش قابل توجهی در تشخیص خطا و تعیین محل وقوع آن داشته باشد.

خطا و عدم قطعیت یکی از همزادهای مجموعه‌های داده‌ای بوده و بطور همزمان در مرحله تولید و جمع‌آوری داده به‌وجود آمده و درمراحل بعدی استفاده از داده‌ها، انتشار یافته و رشد می‌نماید و نهایتاً نتایج و محصولات بدست آمده را متأثر می‌نماید. درسیستم‌های سنجش از دوری، به لحاظ نحوه عمکرد در آنها، بحث عدم قطعیت با شدت بیشتری مطرح می‌گردد. عدم قطعیت در داده‌های سنجش از دوری به طرق مختلف و توسط منابعی متنوع ایجاد می‌شوند. این عدم قطعیت محصولات تولید شده با استفاده از تصاویر سنجش از دوری، از قبیل نقشه موضوعی تولید شده در فرایند طبقه بندی را دچار خطا می‌نماید متصور سازی یا مدل سازی عدم قطعیت بسیار مناسب خواهد بود و می‌تواند فضای جدیدی را برای کاربران این تصاویر بکار گرفته شوند، بسیار مطلوب خواهند بود. از این رو در این مقاله سعی شده است، علاوه بر بررسی عوامل ایجاد کننده عدم قطعیت در نتایج طبقه‌بندی تصاویر سنجش از دوری، پارامترهایی برای اندازه‌گیری عدم قطعیت در نتایج طبقه بندی ارائه گردد. نتایج نشان می‌دهد که این پارامترها می‌توانند بعنوان معیارهای جدیدی برای ارزیابی طبقه بندی‌ها کننده ها علاوه بر صحت و اعتبار مطرح گردند.