انجمن کامپیوتر ایران

در اين مقاله يک الگوريتم کارای مبتني بر اتوماتاي يادگير براي يافتن همه مسیرها از یک راس به سایر راسهای یک گراف تصادفی با کمترین طول مورد انتظار را ارائه می‌دهیم. فرض می‌کنیم که وزن هر یال یک متغیر تصادفی با توزیع ناشناخته می‌باشد. در الگوریتم پیشنهادی که یک الگوریتم تکرار شونده می‌باشد شبکه ای از اتوماتاهای یادگیر برای حل مساله استفاده می‌شود. در هر تکرار همه اتوماتاهای یادگیر به طور همزمان فعال می‌شوند و یالهایی که باید از آنها نمونه گیری شود را مشخص می‌کنند. این روش نمونه گیری منجر به کاهش نمونه گیریهای زاید و در نتیجه باعث کاهش زمان اجرای الگوریتم می‌شود. نتایج آزمایشی نشان می‌دهد که الگوریتم پیشنهادی به طور معناداری کاراتر از الگوریتمهای موجود برای حل این مساله می‌باشد.

امروزه پیشرفت¬های قابل توجهی در سیستم آموزش الکترونیکی بوجود آمده است، با این حال امنیت، قابلیت اعتماد و احراز هویت کاربران از مهمترین و چالش برانگیزترین موضوعات مطرح است؛ به طوری که هیچ فرد غیرمجاز، اجازه شرکت در آزمون الکترونیکی را نداشته باشد. سیستم مدیریت یادگیری عاری از مشکلات نیست به عنوان مهمترین این مشکلات می¬توان به این مورد اشاره کرد که در این سیستم هیچ ضمانتی وجود ندارد که آیا واقعاً خود دانش آموز در کلاس درس مجازی حضور دارد یا نه و همچنین راهی برای ردیابی حضور دانش¬آموز به طور پیوسته در طول زمان کلاس وجود ندارد. در این مقاله به تحلیل روش¬های بایومتریک برای برقراری امنیت در سیستم های یادگیری الکترونیک و بررسی این¬که کدام ویژگی‌های بایومتریکی در یادگیری الکترونیکی پرکاربردتر مي¬باشد، پرداخته شده است.

کاربرد سيستم¬هاي الکترونيکي و تحت وب در آموزش در چند سال اخير گسترش روزافزون داشته است. جهت افزايش کارآيي اين گونه سيستم¬ها و بهبود آموزش، تکنيک¬هاي هوش¬ مصنوعي و طراحي سيستم بر اساس مدل دانشجو استفاده می¬شود. با استفاده از پیش¬بینی رفتار دانشجو می¬توان سیستم را برای فرد شخصی ¬سازی کرد. در اين مقاله روشي جهت پيش¬بيني رفتار دانشجو با استفاده از مدل مخفي مارکوف ارائه داده¬ایم. ورودي ما مجموعه اعمال انجام شده توسط کاربر در طول دوران آموزش در تعامل با سيستم الکترونيکي است. ابتدا با پيش¬پردازش بر روي داده¬هاي جمع آوري شده از يک سيستم آموزش الکترونيکي به تنظيم پارامترهاي مدل¬هاي مخفي¬ مارکوف مورد نظر پرداختيم. گام بعدي آموزش مدل مخفي مارکوف به کمک الگوريتم بام ولش با استفاده از داده¬هاي آموزشي بود. سپس جهت تشخيص رفتار کاربر جديد از الگوريتم پيش¬رو استفاده کردیم. ميزان درستي پيش¬بيني در روش ارائه شده در مقایسه با شبکه عصبي مصنوعي طراحی شده بهتر بود.

درخت پسوندی ساختار داده‌ای است که تمامی پسوندهاییک رشته را نمایش می‌دهد. به کمک تشکیل این ساختار می‌توان اعمالی نظیریافتنیک زیر رشته را در دنباله‌های طولانی مانندDNA انجام داد. برای دنباله‌های طولانی، دنباله ورودی و درخت پسوندی حاصل، در حافظه اصلی جای نمی‌گیرندکه منجر به دستیابی به دیسک و افزایش زمان ساخت درخت می‌شود. از طرف دیگر،بهره‌مندی از موازی‌سازی امکان افزایش سرعت ساخت یکچنین ساختار داده‌ای را فراهم می‌آورد. در این مقاله، الگوریتم موازی برای ساخت درخت پسوندی مربوط به دنباله‌هایDNA پیشنهاد شده است. انگیزه اصلی،مشاهده نتایج حاصل از بکارگیری و تجمیع محاسن روش‌های پیشنهادی پیشین بعلاوه استفاده از موازی‌سازی در جهت کاهش زمان اجرای ساخت درخت پسوندی می‌باشد. نتایج نشان می‌دهد که الگوریتم پیشنهادی، زمان اجرای الگوریتم CMPUTreeرا تقریباً به میزان 2% بهبود داده است.

جنگ الکترونیک یکی از رشته¬ی خاص در علوم نظامی دفاعی است. یکی از سیستم¬های بسیار مهم در جنگ الکترونیک¬، سیستم پشتیبان جنگ الکترونیک است. واحد پردازش اطلاعات این سیستم وظیفه شناسایی رادارهای فعال موجود در محیط را داراست و سیگنال¬های انتشار ¬یافته از رادارهای محیط را دریافت می¬¬کند. موضوع این مقاله، ارائه ی یک الگوریتم کاربردی بر اساس روش های داده کاوی می باشد که با استفاده از پارامترهای دریافتی از پالس¬های رادار، وظیفه جداسازی پالس های متداخل و تعیین پارامترهای هر رادار را به صورت جداگانه بر عهده دارد. در این مقاله سعی در بهبود الگوریتم قبلی ارائه شده را داشته و علاوه بر استفاده ازپارامترهای Doa ، Pw و Freq ، با ترتیب اثر دادن پارامتر PRI سبب حذف بعضی از محدودیت ها شده ایم.

در دهه‌های اخیر در پی جهانی شدن و کمرنگ شدن مرزهای کسب و کار، شرکتها وسازمان‌ها مجبور به مدیریت پروژه‌های توزیع‌شده و بزرگ شدند. برای مدیریت این پروژه‌ها که بخش‌های مختلف آن در نقاط مختلف جغرافیایی انجام می‌شود، سازمان-ها نیاز به ساختار جدیدی برای مدیریت پروژه‌ها دارند. امکان همکاری درسطوح بالا با سایر ذینفعان و بخش‌های درگیر در پروژه، از جمله مواردی است که باید به بهترین نحو در ساختار مدرن مدیریت پروژه لحاظ شود. امروزه پیشرفت‌های فناوری اطلاعات، شکل‌های نو و کارآمد همکاری را برای سازمان‌ها میسر ساخته است. در این بین، نرم‌افزارهای مدیریت پروژه‌ با رویکرد همکاری، امکان استفاده‌ی بهینه از تسهیلات فناوری اطلاعات و تسهیم کارآمد و مؤثر اطلاعات، را فراهم می کنند. تغییر در چارچوب مدیریت پروژه به دگرگونی معماری نرم‌افزارها و سامانه‌های مدیریت پروژه منجر می‌شود. برای برطرف کردن چالش‌های مدیریت پروژه‌ی مجازی، معماری نرم‌افزار مدیریت پروژه باید بستر لازم برای همکاری را فراهم کند. تبادل اطلاعات و همکاری بین بخش‌های مختلف پروژه می‌تواند در قالب‌های مختلفی صورت بگیرد. بنابراین معماری نرم‌افزار مدیریت پروژه‌ی مجازی باید ساختارها و قابلیت‌های خاصی برای برقراری ارتباط موفق داشته باشد. تا کنون معماری‌های مختلف با رویکردهای گوناگون برای نرم‌افزارهای مدرن ارائه شده است. در این مقاله ما تلاش کردیم تا با بررسی معایب مدل سنتی مدیریت پروژه، با تمرکز بر قالب‌های همکاری، معماری نوینی برای نرم‌افزارهای مدیریت پروژه معرفی کنیم. در این معماری تأکید ما بر قالب‌های داده‌ای ساختمند و شبه‌ساختمند همکاری در مؤلفه‌های مدیریت پروژه، درجهت فراهم‌سازی هرچه بهتر امکان مدیریت دانش در کنار حداکثرسازی همکاری بین ذینفعان پروژه است.

از شبکه¬ حسگر بی¬سیم (WSN) به عنوان انقلابی کوچک در دنیای تکنولوژی قرن 21¬ام یاد می¬شود. این شبکه¬ها به شدت دچار محدودیت انرژی می¬باشند و طولانی کردن عمر این شبکه¬ها مهم¬ترین چالش در شبکه¬های مذکور است. از اینرو راه¬حل¬هایی همچون خوشه¬بندی برای افزایش عمر شبکه پیشنهاد گردیده است. پروتکل LEACH یکی از پروتکل¬های انطباقی و محبوب خوشه¬بندی محسوب می¬شود. این پروتکل دارای معایبی در انتخاب سرخوشه ¬ها (CH) و ارتباط با ایستگاه اصلی (BS) می¬باشد. در این مقاله پروتکل پیشنهادی HDCH با پیشنهاد یک طرح مبتنی بر فاصله برای انتخاب CHها و یک طرح پیشنهادی سلسله-مراتبی جدید به نام ابرخوشه¬ای برای ارتباط دوگامه با BS، سعی بر بهبود پروتکل LEACH دارد. مجموعه¬ای از معیارها برای ارزیابی و مقایسه کارایی پروتکل HDCH با پروتکل LEACH مورد استفاده قرار گرفته است. نتایج شبیه¬سازی نشان می¬دهند پروتکل پیشنهادی HDCH پایداری ، عمر شبکه و تشکیل خوشه¬هایی بهتر در مقایسه با پروتکل LEACH دارد.

متن¬کاوی به دلیل حجم وسیعی از اطلاعات که به صورت متنی ذخیره شده¬، پتانسیل کاربردی بسیار بالایی دارد.یکی از مهم-ترین کاربردهای متن¬کاوی طبقه¬بندی متون به لحاظ موضوعی می¬باشد.در این مقاله سعی بر آن داشته¬ایم تا با توجه به روش-های مختلف طبقه¬بندی متون فارسي،روشی نوین در جهت افزایش دقت و کارآیی طبقه¬بندی متون ارائه دهیم.در این مقاله 5330 خبر از مجموعه داده¬های همشهری برای طبقه¬بندی استفاده شده است.در پیش پردازش متون برای حذف کلمات عمومی ،روشی جدید با استفاده از آنتروپی کلمات ارائه شده است.برای استخراج ویژگی،روش¬های فرکانس کلمات و Tf-idfبکار گرفته شده است.برای طبقه¬بندی متون نیز از الگوریتم¬های kنزدیک¬ترین همسایه، رده¬بندی بیزین و ترکیب طبقه-بندها با استفاده از روش طبقه¬بندی ترکیبیو اختلاط خبرگاناستفاده شده است.پیاده¬سازی روش پیشنهادی با ارائه آنتروپی در پیش پردازش و همچنین ترکیب طبقه¬بندها موجب بهبود 14درصدی نسبت به کارهای انجام شده قبلی بر روی همین مجموعه داده¬ها در نتایج کلی شده است.در بهترین حالت بازشناسی، اخبار دانش¬آموزان-اجتماعی با 93درصد بوده است.

امروزه، خوشه بندی نقش مهمی را در اغلب زمینه‌های تحقیقاتی مانند مهندسی، پزشکی، زیست‌شناسی و داده کاوی ایفا می‌نماید. در واقع خوشـه بندی به معنای قراردادن داده‌ها در گروه‌هایی است که اعضای هر گروه از زاویه خاصی شبیه یکدیگرند. در نتیجه شباهت بین داده‌های درون هر خوشه حداکثر و شباهت بین داده‌های درون خوشه های متفاوت حداقل می‌باشد.در این مقاله یک روش خوشه¬بندی با استفاده از بازخورد کاربر ارائه شده است. به این صورت که در ابتدا با استفاده از روش خوشه بندی k-Means داده¬های مرزی خوشه¬ها مشخص شده و از کاربر درخواست میشود که اطلاعاتو قیودی در رابطه با این دادههای مرزی مشخص نماید. سپس نتایج این بازخورد به الگوریتم خوشه¬بندیشبه¬ناظر داده می¬شود و مراحل خوشه¬بندی طوری هدایت می¬شود که بتوان بهترین مدل خوشه‌بندی را برای داده‌های موجود بدست آورد. روش ارائه شده بر روی مجموعه داده¬های استاندارد مختلفی اجرا شده و نتایج حاصل از آن نشان می¬دهد که این روش نسبت به روش¬های مشابه، خوشه¬بندی داده¬ها را با دقت و صحت بیشتری انجام می¬دهد.

اعتمادپذیری و عدم اعتمادپذیری دو شاخص عملکرد پرکاربرد در تحلیل شبکه¬های جریان تصادفی هستند. الگوریتم¬های متعددی برای محاسبه¬ی این شاخص¬ها در دهه¬های اخیر پیشنهاد شده¬اند. در این مقاله، یک شاخص عملکرد مناسب برای ارزیابی کارایی شبکه ارایه می¬شود. این شاخص، احتمال برابری ماکسیمم جریان شبکه از گره مبدا به گره مقصد با سطح تقاضای سیستم همراه با برقراری محدودیت بودجه¬ی سیستم است. این شاخص عملکرد را می¬توان بر اساس نقاط کرانه بالا تعیین کرد. این¬جا، با ارایه نتایج جدیدی در خصوص کاهش تعداد نامزدها، یک الگوریتم برای محاسبه¬ی همه¬ی نقاط کرانه بالا با برقراری محدودیت بودجه¬ی سیستم پیشنهاد می¬دهیم. سپس، چگونگی محاسبه¬ی شاخص مورد نظر به¬وسیله¬ی نقاط کرانه بالای تولید شده از الگوریتم را بیان می¬کنیم.

امروزه در بسياری از کاربردها، امنيت سخت افزار به يک دغدغه برای طراحان سيستم‌های سخت افزاری تبديل شده است. تحت کنترل نبودن پروسه ساخت تراشه‌های الکترونيکی آن‌ها را در برابر اعمال تغييرات آسيب‌پذير کرده است. در چند سال اخير تحقيقات زيادی در رابطه با روش‌های تشخيص و جلوگيری از درج اين‌گونه تغييرات که تحت عنوان اسب تروای سخت افزاری شناخته می¬شوند انجام گرفته است. در اين مقاله با استفاده از عامل انحراف سيگنال ساعت الگوريتمی برای جايابی سلول¬ها ارائه کرده¬ايم که امکان درج اسب تروای سخت¬افزاری را کاهش داده و همچنين در صورت وجود اين عامل نامطلوب، تشخيص آن را بهبود بخشد. نتايج آزمايش¬ها بالا رفتن ميزان امنيت سخت افزار را در قبال افزايش قابل قبول هزينه سربار نشان می‌دهد.

گستردگی و تنوع سرویس های فراهم شده توسط شبکه های IP سبب روی آوردن فناوری های مختلف به سمت یکپارچه و مجتمع سازی انواع شبکه های دسترسی و گرویدن به شبکه نسل آینده است. پروتکل SIP با توجه به امکاناتی چون متنی بودن، برقراری تماس انتها به انتها و استقلال از نوع داده انتقالی، انتخاب مناسبی برای پروتکل سیگنالینگ جهت برقراری ارتباط بین دو کاربر شبکه IP است. این مزایا موجب شده تا SIP به عنوان پروتکل سیگنالینگ در IMS که بستر سیگنالینگ پیشنهادی برای شبکه های نسل آینده است، در نظر گرفته شود. با همه این مزایا، پروتکل SIP فاقد مکانیزم مناسب برای مواجهه با اضافه بار می باشد. دراین مقاله مکانیزم کنترل اضافه بار مبتنی بر پنجره که نیازی به بازخورد صریح ندارد برروی پروکسی متن باز Asterisk توسعه ، پیاده سازی و ارزیابی شده است. نتایج پیاده سازی نشان می دهد که این روش در عمل می‏تواند باعث حفظ گذردهی در شرایط اضافه بار شود و تا آنجا که ما اطلاع داریم این تنها روش کنترل اضافه بار بدون استفاده از بازخورد صریح است که در یک بستر واقعی پیاده سازی شده است.

استفاده هم‌زمان از اطلاعات ساختاري و اطلاعات پيمايش كاربران يكي از چالش‌هاي مطرح در بهبود كارايي الگوريتم‌هاي شخصي‌‌سازي وب مي‌باشد.در اين مقاله معيار جدید وزن‌دهي"تاریخ" را به دو معیار قبلی که شامل "مدت زمان مشاهده صفحه" و "فركانس مشاهده صفحه" هستند، براي محاسبه وزن صفحات مشاهده ‌شده توسط كاربران افزودیم، كه به خوبي ميزان اهميت و علاقه كاربران را به آن صفحه نشان مي‌دهد. در این مقاله، بعد از بررسی رفتار کاربران، به این نتیجه رسیدیم که هر کاربر امکان دارد به چندین گروه از صفحات علاقه‌مند باشد و این مفهوم را با صورت فازی بیان کردیم.گروهی از کاربران را که دارای رفتار و علایق یکسانی هستند را خوشه‌بندی کرده و در ادامه به منظور مدل کردن رفتار کاربر از مدل‌های رسمی به علت پشتیبانی از ساختار و قابلیت نمایش رفتار کاربران را در وب دارند، استفاده نمودیم. نتایج بدست آمده میزان موفقیت استفاده از شبکه پتری فازی رنگی را در مقایسه با روش‌های پیشین نشان می‌دهد.در این مقاله، سعی شده به اهداف خود که شامل بهبود تعامل کاربران با وب، فراهم کردن تبلیغات متناسب با کاربران بدون درخواست صریح آنان وارائه یک مدل رسمی به منظور پيشنهاد تبلیغات به صورت هدفمند به كاربران ارائه شده است.

شبکه¬های تورین محاسباتی (گرید) زمینه‌ای را فراهم آورده است که بتوان از منابعناهمگن در نقاط مختلف جغرافیایی برای حل مسائل پیچیده علمی، مهندسی و تجارت استفاده کرد. عملیات زمانبندی نقش کلیدی در عملکرد گرید ایفا می¬کند.در این مقاله، یک روش جدید زمانبندی کارهای مستقل برروی منابع ناهمگن ارائه شده است. برای ارزیابی از معیار محک براون استفاده می‏کنیم که سه پارامتر زمان اتمام آخرین کار، مجموع زماناتمامکارها و درصد بهره¬وری منابع مورد توجه می¬باشد. نتایجپیاده¬سازی نشان می¬دهد که روش ارائه شده نسبت به الگوریتم¬های پیشین بطور متوسط، 17% بهبود در زمان اتمام آخرین کار، 11% بهبود در مجموعزماناتمام کلیهکارها و 3% بهبود در درصد بهره¬وری از منابع داشته است.

طراحی دیاگرام کلاس در سیستم‎‌های نرم‎‌افزاری وظیفه‎‌ی بسیار مهمی است که لازم است به نحو مطلوبی انجام شود. در این پژوهش از رویکرد مهندسی نرم‎‌افزار جستجو محور استفاده شده است که خود متکی بر روش‌های جستجوی فرامکاشفه‎‌ای است. در این پژوهش از روش بهینه‎‌سازی کلونی مورچگان چند هدفی استفاده شده است که علاوه بر سرعت همگرایی بالا، با ذات انتخابی بودن مسأله نیز سازگار است. ورودی روش پیشنهادی، مدل تحلیل یک سیستم است و خروجی آن به شکل چند دیاگرام کلاس پیشنهادی در اختیار متخصص قرار می‎‌گیرد تا وی بر اساس نیاز مسأله و محدودیت‎‌های موجود، بهترین طراحی را انتخاب کند. روش پیشنهادی با استفاده از یک مورد مطالعاتی مورد ارزیابی قرار گرفته است و نتایج حاصل نشان می‎دهد که خروجی این روش تفاوت اندکی با نظر متخصص دارد.

الگوریتم جستجوی هارمونی یکی از الگوریتم‌های تکاملی بوده که از موسیقی الهام گرفته شده است و مبتنی بر جستجوی تصادفی است. از کاربردهای آن می‌توان به بهینه‌سازی توابع خطی و غیرخطی، دسته‌بندی داده‌ها و حل مسائل بهینه سازی اشاره نمود. الگوریتم جستجوی هارمونی تا کنون برروی مسائل ایستا اجرا شده و نتایج قابل قبولی را ارائه داده است ولی اکثر مسائل در دنیای واقعی پویا بوده و تابع هدف، متغیرهای محیطی یا محدودیت های آندر طول زمان تغییر می‌کند که در نتیجه، راه حل بهینه بطور پیوسته در حال تغییر می‌باشد. از این‌رو لازم است که الگوریتم‌های بهینه سازی نیز متناسب با آن درحال تغییر باشند. در این مقاله از الگوریتم جستجوی هارمونی استاندارد برای بهینه‌یابی سراسری در کنار الگوریتم جستجوی هارمونی محدود شده به یک شعاع در بهینه‌یابی محلی بصورت همکارانه استفاده شده است. الگوریتم مذکور بر روی معیار قله‌های متحرک که از شناخته شده‌ترین معیارها در محیط پویا هستند ارزیابی شده و با نتایج حاصل از چندین الگوریتم معتبر مورد مقایسه قرار گرفته است. نتایج آزمایشات نشان دهنده صحت و کارایی روش ارائه شده می‌باشد.

Semantic Similarity is considered as an important component of many applications such as Natural Language Processing, Information Retrieval, Text Clustering and etc. This paper presents a new method for evaluating the semantic similarity of words based on ontology. Ontology development in many field and its structural features has led to be used as an effective knowledge-base in proposed method. In this paper, we introduce a hybrid method that computes similarity considering both structural features (shortest path between two nodes, neighbors, hyponym and etc.) and glosses of entity. Finally, we use WordNet and evaluate this work related to human similarity scores. The results are given to demonstrate the effectiveness of our approach against related work

پسوریازیس بیماری پوستی التهابی است. در این بیماری سیستم ایمنی مختل شده و سطح پوست با پلاک‌های قرمز پوشیده می‌شود. این بیماری درمان قطعی ندارد و تنها امکان کنترل با دارو وجود دارد. برای اندازه‌گیری میزان تاثیر داروها از شاخص PASI (Psoriasis Area and Severity Index) استفاده می‌شود که شامل چهار پارامتر وسعت، قرمزی (اریتم)، پوسته‌ریزی و ضخامت پلاک است. پزشکان پارامتر اریتم را به صورت تجربی و با چشم تخمین می‌زنند که نتایج آن در بین پزشکان متفاوت است. در مطالعات پیشین مدلی برای اندازه‌گیری خودکار پارامتر اریتم در استاندارد PASI (پاسی) ارائه شده که توسط پردازش کل پیکسل‌های پلاک تصویر انجام می‌شود. ولی پردازش کل پیکسل‌های پلاک کاری زمان‌بر است. هدف از این مقاله ارائه روشی جهت پردازش سریع پلاک تصویر با حفظ دقت اندازه‌گیری مطالعات پیشین است. برای این منظور با استفاده از نمونه‌گیری سیستماتیک، حجم بسیار کمی از پیکسل‌های پلاک انتخاب و پارامتر اریتم براساس آنها اندازه‌گیری شده است. نتایج نشان داده‌اند که تنها پردازش حدود 59 پیکسل پلاک برای اندازه‌گیری پارامتر اریتم در تصاویر با کیفیت‌های متفاوت کافی است و در دقت محاسبه خودکار درجه اریتم نسبت به الگوریتم پیشین تغییری ایجاد نمی‌شود.

این مقاله یک رویکرد نظارت شدۀ برای بهبود دقت طبقه‌بندیِ طیفی - مکانی تصویر ابرطیفی با ساختار طبقاتی و یادگیری فعال ارائه می‌دهد. الگوریتم پیشنهادی شامل دو مرحلۀ اصلی می‌باشد. در ابتدا، از رگرسیون لجستیکِ چندجمله‌ای (MLR) برای استنتاجِ توزیع‌های احتمال پسین کلاس استفاده می‌کنیم. این امر با استفاده از رگرسیون لجستیکِ لاگرانژیِ تقویتی (LORSAL) انجام‌گرفته است. در واقع، در این مقاله، روش LORSAL با استفاده از کرنل‌ها به حوزه ویژگی توسعه‌یافته است. سپس، اطلاعات حاصل از مرحلۀ قبل برای طبقه‌بندیِ طیفی - مکانی تصویر ابرطیفی استفاده می‌شود. به منظور کاهش هزینۀ دستیابی به مجموعه‌های آموزشیِ بزرگ، از یادگیری فعالِ مبتنی بر احتمالات پیشینِ MLR استفاده می‌کنیم. دیگر نوآوری این مقاله، معرفیِ رویکرد نمونه‌گیری فعال جدیدی است که پیوندهای شکنندۀ اصلاح‌شده (MBT) نامیده شده و نمونه‌گیری‌ای بدون بایاس ارائه می‌کند. همچنین، به منظور دستیابی به حداکثر طبقه‌بندیِ طیفی - مکانی، پس از یکنواخت سازی توسط میدان‌های تصادفی مارکوف از الگوریتم بهینه‌سازی گسترۀ آلفای عدد صحیح مبتنی بر min – cut استفاده می‌کنیم. عملکرد رویکرد پیشنهادی، با استفاده از مجموعۀ داده‌های طیفیِ واقعی در آزمایش‌های مختلف با نتایج سایر روش‌های تحلیل تصویر ابرطیفیِ ، مقایسه شده است.

در این مقاله یک سیستم توصیه‌گر مبتنی بر روشی ترکیبی متشکل از رویکردهای یادگیری با ناظر و بدون ناظر توسعه داده شده است. بخش تحت ناظر آن توسط یک شبکه عصبی ساخته شده است. مشکل اصلی در هنگام استفاده از شبکه عصبی تنظیم پارامترهای آن و تعیین ساختار شبکه است که بیشتر به صورت تجربی و با سعی و خطا به دست می-آید، در این تحقیق با استفاده از الگوریتم رقابت استعماری یک شبکه عصبی بهینه طراحی شده است. سیستم توصیه‌گر بر روی داده‌های استاندارد محک زده شده است. نتایج حاصل نشان می‌دهد که با استفاده از شبکه‌های عصبی در الگوریتم ترکیبی تحت ناظر و بدون ناظر می‌توان به دقت بالاتری رسید. این مقاله با استفاده از یک مدل مبتنی بر شبکه عصبی با 4 خوشه سطری و 4 خوشه ستونی به مقدار 72/0 برای سطح زیر منحنی ROC دست یافته است.