انجمن کامپیوتر ایران

با رشد روز افزون داده‌ها لزوم استخراج الگوهای مفید از آن‌ها بیشتر حس می‌گردد. یکی از روش‌های کشف دانش که بسیار مورد استفاده قرار می‌گیرد خوشه‌بندی می‌باشد. خوشه‌بندی به روش‌های مختلفی از جمله سلسله مراتبی و تکراری انجام می‌گیرد. در الگوریتم‌های خوشه‌بندی تکراری یکی از مهم‌ترین مراحل، انتخاب خوشه‌های اولیه است زیرا تاثیر مستقیم بر خوشه‌های نهایی دارد. از آنجایی‌که هر خوشه شامل نقاطی نزدیک به هم و دور از نقاط خوشه‌های دیگر است، انتخاب خوشه‌های اولیه اهمیت زیادی دارد. در این مقاله روشی اکتشافی و تکراری افزایشی برای تعیین خوشه‌های اولیه در الگوریتم k-means طراحی نمودیم. در هر مرحله دو عنصر جدید را برای خوشه‌ها انتخاب می‌کنیم. در ابتدا با یک خوشه‌ که شامل یک عنصر می‌باشد کار خودر را آغاز کرده و در هر مرحله فاصله‌ی سایر عناصر با مرکز خوشه‌های تعیین شده را محاسبه می‌کنیم. این فاصله معیاری جهت تعیین عناصر خوشه‌های بعدی است. در این مقاله الگوریتم خود را بر روی چند مجموعه داده‌ی مختلف در اندازه‌های متفاوت اعمال کردیم. نتایج به‌دست آمده نشان می‌دهد روش ارائه شده باعث بهبود عملکرد الگوریتم k-means نسبت حالتی است که از خوشه‌های اولیه‌ی تصادفی استفاده شده است.

در سال‌های اخیر، روزنه کدشده به عنوان راه حلّی برای تغییر الگوی تابع تاری در دوربین‌های دارای لنز استفاده شده است. استفاده از این روزنه می‌تواند مسأله بدوضعیت تاری را به مسأله‌ای بازگشت‌پذیر تبدیل نماید که در نتیجه آن می‌توان تصاویر را با خطای کمتری رفع تاری‌ نمود. تا کنون روش‌های مختلفی برای طراحی روزنه ارائه شده است. اما در طراحی الگوهای موجود، به شرایط محیط تصویربرداری و ویژگی‌های دوربین توجه چندانی نشده است. همچنین در مقایسه الگوهای مختلف با روزنه دایروی معمولی نیز این شرایط به طور کامل مورد توجه قرار نگرفته است. در این مقاله، چند الگوی روزنه با توجه به شرایط نور محیط تصویربرداری، ویژگیهای سنسور دوربین و با هدف تأمین نرخ سیگنال به نویز قابل قبول، طراحی و معرفی می‌شوند. سپس عملکرد الگوهای طراحی‌شده و روزنه دایروی، در شرایط محیطی کاملاً یکسان مقایسه می‌شوند.

در اين مقاله، روشی بدون‌ناظر و بدون استفاده از فایل سوابق کاربران، جهت حل "مسئله دسته‌بندی پرس‌وجو" ارائه می‌گردد. هدف روش پیشنهادی، نگاشت تمامی اجزای مسئله به مفاهیم بابل‌نت و حل مسئله بر مبنای این مفاهیم است. بدین منظور سه فاز برون از خط، برخط و دسته‌بندی در نظر گرفته شده است. فاز برون از خط، فاز نگاشت دسته‌ها به مفاهیمی در بابل‌نت است در این فاز با استفاده از یک سیستم رفع ابهام، دسته‌ها به مفاهیمی در بابل‌نت نگاشت می‌شوند. در فاز برخط، بعد از غنی‌سازی پرس‌وجو، پیش‌پردازشی روی پرس‌وجوی غنی ‌شده انجام می‌شود و سپس با استفاده از یک سیستم رفع‌ابهام، به مفاهیمی در بابل‌نت نگاشت می‌شود. در فاز نهایی، با استفاده از بهبودهایی روی الگوریتم "احتمال ملاقات"، دسته‌بندی انجام می‌شود. جهت ارزیابی، از مجموعه آزمون KDD2005، که معتبرترین مجموعه‌ی موجود می‌باشد استفاده گردیده است. نتایج حاکی از آن است که روش پیشنهادی نسبت به بهترین روش بدون‌ناظری که از فایل سوابق کاربران استفاده نمی‌کند، در میزان امتیاز F1، بهبود 3% داشته و نسبت به بهترین روش بدون‌ناظری که از فایل سوابق کاربران استفاده می‌کند در میزان امتیاز F1، 10% کاهش داشته است.

در این مقاله یک روش مبتنی بر یادگیری ماشین با شبکه‌های عصبی مصنوعی برای محاسبه میزان شباهت معنایی میان دو جمله متنی پیشنهاد شده است و به طور مجزا برای دو زبان انگلیسی و فارسی مورد ارزیابی قرار گرفته است. برای یادگیری شباهت جملات، از یک دادگان موجود برای زبان انگلیسی بهره گرفته شده است که شامل زوج جملاتی هستند که میزان شباهت آنها توسط انسان امتیاز‌دهی شده‌اند. برای انجام این کاربرای هر دو جمله، مجموعه‌ای از ویژگی‌های آماری، نحوی و معنایی با استفاده از روش‌های پردازش زبان طبیعی و همچنین شبکه‌های واژگانی استخراج شده‌اند و میزان شباهت جاکارد ویژگی‌های استخراج شده برای دو جمله مختلف توسط یک شبکه عصبی یاد گرفته شده است. در این مقاله، علاوه بر تشابه‌یابی جملات انگلیسی، این کار به صورت مشابهی برای زبان فارسی نیز انجام شده است که بدین منظور ابتدا با الهام از دادگان انگلیسی موجود، یک دادگان مشابه برای زبان فارسی تهیه شده است. پس از یادگیری شباهت جملات توسط شبکه عصبی، کارایی روش پیشنهادی با استفاده از معیارهای میانگین مربعات خطا و درصد اختلاف بین پاسخ واقعی و پاسخ شبکه، مورد ارزیابی قرار گرفت که بهترین نتیجه برای جملات انگلیسی با این دو معیار، به ترتیب برابر با 0.0375 و %13 و برای جملات فارسی، به ترتیب برابر با 0.0399 و %14 می‌باشد. نزدیکی نتایج حاصل در دو زبان، بیانگر توان یادگیری روش پیشنهادی در تشابه‌یابی متون و قابلیت تعمیم آن برای زبان‌های مختلف است.

در این مقاله، روشی برای یافتن ارتباط بین فناوری‌ها ارائه شده است که هدف آن یافتن فناوری‌هایی است که بیشترین ارتباط را با یک فناوری خاص دارند. این موضوع از آن جهت اهمیت دارد که برای رشد یک فناوری در محیطی فناورانه، باید به فناوری‌های مرتبط با آن توجه نمود. در روش ارائه شده، ترکیبی از روش‌های وب‌کاوی و داده‌کاوی برای حصول نتیجه بکار گرفته شده است. هدف اصلی از این کار، ابداع روشی قابل تکرار توسط رایانه است تا بتوان با کمک آن، ارتباط فناوری‌ها را که به طور دائم در حال تغییر است، استخراج و روزآمد نمود. این روش از شش فاز تشکیل شده است که بجز فاز اول که تهیه داده‌های ورودی است و فاز آخر که تحلیل نتایج است، سایر فازها توسط الگوریتم‌های ابداع شده و به صورت خودکار انجام گرفته‌اند. تحلیل بیش از 8 میلیون عبارت بدست آمده نشان می‌دهد که روش پیشنهاد شده نتایج قابل قبولی ارائه می نماید. همچنین پیشنهادهای مختلفی برای بهبود روش قابل ارائه است که به برخی از آنها در مقاله اشاره شده است.

SCTP یک پروتکل قابل‌اطمینان لایه‌ی انتقال است که از ویژگی‌های برتر دو پروتکل TCP و UDP بهره می‌برد. در این مقاله پروتکل SCTP برای بهبود کارایی شبکه‌ی بی‌سیم موردی بکار گرفته‌شده و ویژگی‌هایی مانند Multi-homing و Multi-streaming موردبررسی قرار می‌گیرد. در این مقاله مقادیری مانند گذردهی و تأخیر بسته‌ها با استفاده از شبیه‌ساز NS-2 برای دو ویژگی ذکرشده محاسبه‌شده و عملکرد آن‌ها موردبررسی قرار می‌گیرد، سپس مقادیر مشابه به‌دست‌آمده برای پروتکل TCP بررسی‌شده و عملکرد این دو پروتکل مقایسه می‌شود.

طراحي فيزيکي يکي از دو مرحله اصلي طراحي مدارهاي کوانتومي است که لیست‌گره مدار را به عنوان ورودي دريافت کرده و چينش نهايي در يک تکنولوژي خاص را توليد مي‌کند. به دليل مشخصات مناسب تله يوني، در اين مقاله اين تکنولوژي به عنوان تکنولوژي هدف انتخاب شده است. روش‌هايي که تاکنون براي ايجاد چينش در تکنولوژي تله يوني ارائه شده‌اند محدود به قرار گرفتن حداکثر سه کيوبيت در يک مکان گيت مي‌شوند در صورتي‌که می‌توان با افزايش تعداد کيوبيت‌ها واقع در يک مکان گيت که توسط تکنولوژي فراهم شده است تعداد مکان‌هایی که باید لیزر به آن قسمت‌ها تابیده شود و تعداد مکان‌هایی که باید کیوبیت‌ها به آن نقاط انتقال یابند و مساحت را کاهش داد. با افراز کیوبیت‌ها به دسته‌های مختلف، گیت‌های دوکیوبیتی قابلیت اجرای همزمان پیدا می‌کنند که سبب کاهش تأخیر مدار می‌شود. با این انگیزه، در اين پژوهش هدف آن است تا قرار گرفتن بيش از سه کيوبيت در يک مکان گيت، مورد بررسي قرار گرفته و تاثير افزايش تعداد کيوبيت‌ها در مکان گيت بر روي تاخير و مساحت بررسی شوند. در اين مقاله روشي براي توليد چينش ارائه شده است که امکان قرارگيري بيش از سه کيوبيت در يک مکان را درنظر می‌گیرد. جهت ارزیابی، روش پیشنهادی بر روی تعدادی از مدارها با تعداد گیت‌های زیاد اجرا شد. نتايج تجربي نشان مي‌دهد که روش ‌پیشنهادی نسبت به بهترین روش موجود تأخیر میانگین را برای مدارهای آزمون حدود 39% بهبود داده است.

چارچوب کاری از مهمترین تکنیکهای مورد استفاده در مهندسی نرمافزار برای تولید سیستم‌های نرمافزاری است. جهت دستیابی به کیفیت، هزینه و زمانبندی مورد نظر، چارچوب کاری باید بر مبنای رویکرد مهندسی به شیوهای ساختار یافته، قاعدهمند و قابل اندازهگیری به کار گرفته شود. در این مقاله، یک چشمانداز جدید از بعد مهندسی بر روی چارچوب کاری نرمافزار پیشنهاد و مسائل مورد توجه در آن معرفی خواهند شد. برای این منظور، تعاریف موجود و پر ارجاع چارچوب کاری در مهندسی نرمافزار که میتوانند ویژگیها و عناصر مشترک یک چارچوب کاری را نشان دهد مورد بررسی قرار گرفتهاند. با تحلیل این عناصر و ویژگیها، یک فرامدل با استفاده از نمودار کلاس UML ارائه میگردد که مشخص کنندهی مفاهیم و ارتباطات عمومی چارچوب کاری در چشمانداز پیشنهادی میباشد. در نهایت، بر مبنای فرامدل تولید شده، چارچوب کاری صحتسنجی و اعتبارسنجی به عنوان نمونه بیان می‌شود.

Mixed-criticality systems are introduced due to industrial interest to integrate different types of functionalities with varying importance into a common and shared computing plat-form. Low-energy consumption is vital in mixed-criticality systems due to their ever-increasing computation requirements and the fact that they are mostly supplied with batteries. In case when high-criticality tasks overrun in such systems, low-criticality tasks can be whether ignored or degraded to assure high-criticality tasks timeliness. We propose a novel energy management method (called Stretch), which lowers the energy consumption of mixed-criticality systems with the cost of degrading service level of low-criticality tasks. Our Stretch method extends both execution time and period of tasks while preserving their utilization. This leads to degrading the task’s service level due to a period extension that is exploited by Stretch for energy management. Experiments show that Stretch provides 14% energy savings compared to the state-of-the-art with only 5% service level degradation in low-criticality tasks. The energy savings can be increased to 74% with the cost of 100% service level degradation in low-criticality tasks.

برای سیستم عامل آندروید به عنوان فراگیرترین سیستم عامل تلفن همراه، نرم افزارها و بدافزارهای زیادی توسعه داده شده اند. مدل امنیتی این سیستم عامل براساس مجوزها عمل می کند. ریسک امنیتی نرم افزارهای اندروید از طریق مجوزهایی که درخواست می کنند قابل اندازه گیری است. این ریسک می تواند در شناسایی یا اعلام هشدار در مورد استفاده از بدافزارها، مورد استفاده قرار گیرد. در این مقاله معیار جدیدی به منظور اندازه گیری ریسک امنیتی یک نرم افزار، در یک دستگاه تلفن همراه اندرویدی ارائه شده است. با استفاده از این معیار و تحلیل یک نرم افزار می توان قبل یا بعد از نصب، احتمال مخرب بودن آن را اندازه گرفت. آزمایش های صورت گرفته بر روی بدافزارهای شناخته شده، نشان دهنده کارایی معیار ارائه شده نسبت به معیارهای قبلی از نظر تخصیص ریسک امنیتی بالا به بدافزارهاست.

شبکه هوشمند برق نسل بعدی شبکه برق می‌باشد که با یک شبکه داده مجتمع شده است. در شبکه هوشمند برق از داده‌های خصوصی کاربران برای مدیریت بهینه شبکه به صورت بلادرنگ استفاده می‌شود. به همین دلیل حمله‌ کننده می‌تواند با استفاده از داده‌های در حال جریان شبکه هوشمند به حریم خصوصی کاربران نفوذ نموده و از آن‌ها سوء استفاده نماید. علاوه بر آن، جعل داده‌های کاربران می‌تواند مدیریت شبکه را مختل نموده و هزینه‌های زیادی را هم به مصرف‌ کننده و هم به تولید کننده برق وارد نماید. در این مقاله ما با استفاده از رمزنگاری هم‌ریختی و ECGDSA روشی برای حفظ حریم خصوصی کاربران ارائه و نشان خواهیم داد که داده‌های حساس کاربران در حضور حمله‌کنندگان امن و کارایی شبکه نسبت به روش‌های قبلی بهبود یافته است.

در این مقاله روشی جدید برای نشانه گذاری سیگنال های صوتی در حوزه تبدیل موجک ارایه شده است، که در آن بیت های نشانه به منظور ایجاد مقاومت در برابر حملات، در ضرایب موجک فرکانس پایین، به روش مقیاس گذاری درج می شوند. به منظور حفظ کیفیت سیگنال صوتی نشانه - گذاری شده، فاکتور مقیاس سیگنال را به صورت تطبیقی انتخاب کردیم. برای آشکارسازی نشانه، از آشکارساز بهینهML استفاده شده است. از آن جا که کارایی آشکارساز وابسته به مدل آماری استفاده شده برای ضرایب موجک سیگنال صوتی است، ابتدا به مدل سازی آماری این ضرایب می پردازیم. نشان دادیم که توزیع آماری ضرایب موجک، بسیار نزدیک به توزیع گوسی تعمیم یافته است. لذا از این توزیع آماری برای ضرایب موجک استفاده کرده و آشکار ساز بهینه ML را براساس این توزیع طراحی کردیم. آشکارساز پیشنهادی ما به صورت کور طراحی شده است. لذا برای آشکار سازی نیازی به سیگنال صوتی اولیه نیست. روش پیشنهادی ما یک بار بدون در نظر گرفتن هیچ گونه نویزی و بار دیگر در حضور نویز بررسی شده است. نتایج تجربی نشان می دهد که روش ما در هر دو مورد مقاومت خوبی در برابر حملات مختلف از خود نشان داده است و کیفیت سیگنال اصلی بعد از درج نشانه به خوبی حفظ شده است.

خوشه‌بندی یک روش ارتباطی در شبکه‌های حسگر بی‌سیم است. در خوشه‌بندی قابلیتی برای تغییر نقش کاربردی گره‌ها وجود دارد. در هر خوشه گره‌ای به نام سرخوشه تعیین می‌شود که مدیریت گره‌های دیگر موجود در خوشه را بر عهده دارد. خوشه‌بندی اهداف متعددی دارد اما بیشتر تمرکز روش‌های خوشه‌‌بندی که پیش از این ارائه شده، بر استفاده کارآمدتر از انرژی است و اهدافی مانند تحمل خطا و مقیاس‌پذیری شبکه کمتر مورد توجه می‌باشند. همچنین مسیریابی در اکثر روش‌های خوشه‌بندی ارائه نمی‌شود. در این مقاله برای دستیابی به اهداف استفاده کارآمدتر از انرژی، تحمل خطا و مقیاس‌پذیری شبکه، یک روش خوشه‌بندی و مسیریابی لایه‌ای با استفاده از گره‌های جانشین سرخوشه ارائه گردیده است. در این روش محیط عملیاتی به چندین لایه فرضی تقسیم می‌شود و گره‌ها نسبت به موقعیت لایه‌ای خود خوشه‌بندی می‌شوند. همچنین از گره‌های جانشین سرخوشه برای ایجاد مسیر انتقال داده‌ها از سرخوشه به ایستگاه پایه استفاده می‌شود. برای افزایش تحمل خطای شبکه می‌توان از جانشین سرخوشه بجای سرخوشه در زمان بروز مشکل استفاده کرد. نتایج شبیه‌سازی‌ها نشان‌دهنده عملکرد بهتر روش پیشنهادی در افزایش طول عمر، تحمل خطا و مقیاس‌پذیری شبکه نسبت به روش‌های موجود می‌باشد.

بسیاری از سیستم‌های اطلاعاتی را ‌می‌‌توان به شکل شبکه‌ای ناهمگن، شامل گره‌ها و یال‌ها از انواع مختلف، مدل کرد. برای مثال در پایگاهی حاوی اطلاعات مقالات چاپ شده، انواع گره‌ها نظیر نویسنده، مقاله و کنفرانس و ارتباطات مابین آن ها قابل تعریف است. جستجوی شباهت گره ها در شبکه‌های ناهمگن از موضوعاتی است که در سال های اخیر مورد توجه محققین در حوزه ی علوم شبکه قرار گرفته است. برای این منظور شباهت گره ها با در نظر گرفتن مسیرهای مختلف مابین آن ها در شبکه تعریف شده است. به طور مشخص با استفاده از مفهوم فرامسیر - مسیرهایی که گره ها را از طریق چند نوع رابطه به یکدیگر متصل می‌کنند - معانی مختلفی از شباهت را خواهیم داشت. تاکنون چندین معیار شباهت بر پایه چارچوب فرامسیر مطرح شده است. با این حال میزان اهمیت هر فرامسیر در این روش ها در نظر گرفته نشده است که باعث می‌شود بخشی از اطلاعات تاثیرگذار در شناسایی گره های شبیه از بین برود. در این مقاله، یک معیار شباهت مبتنی بر فرامسیر، به نام SimSim، پیشنهاد داده شده است که با توجه به شباهت گره های درون یک مسیر، اهمیت آن مسیر را در نظر می‌گیرد. آزمایش‌ها بر روی مجموعه داده ی واقعی، میزان موثر بودن و کارایی این روش را به خوبی نشان می‌دهد.

امروزه روش های رده بندی چندبرچسبی کاربردهای فراوانی در رده بندی متون و یادداشت گذاری روی تصاویر و ویدئوها دارد. از آنجایی که در دنیای واقعی بین برچسب ها ارتباطاتی وجود دارد، یافتن ارتباطات و استفاده از آن در مراحل آموزش و رده بندی در مطالعات جدید مورد توجه قرار گرفته است. در برخی کارهای اخیر در مرحله آموزش رده بند از قوانین انجمنی برای مدل سازی ارتباطات بین برچسب ها استفاده شده است. این قوانین در مرحله رده بندی، به منظور اصلاح برچسب هایی که رده بند پیش بینی نکرده است، مورد استفاده قرار می گیرند. در این مقاله روش جدیدی پیشنهاد کرده ایم که با استفاده از آن می توان در عملیات پس پردازش، علاوه بر اصلاح برچسب هایی که توسط رده بند پیش بینی نشده اند، برچسب هایی را که به اشتباه پیش بینی شده اند نیز اصلاح کرد. به این ترتیب که در روش پیشنهادی، علاوه بر ارتباطات مثبت بین برچسب ها، از ارتباطات منفی بین برچسب ها نیز در اصلاح نتایج رده بندی نمونه استفاده کرده ایم. آزمایشهای تجربی انجام شده روی دو مجموعه داده ی استاندارد و رایج در حوزه رده بندی چندبرچسبی نشان می دهند استفاده از ارتباطات منفی به همراه ارتباطات مثبت بین برچسب ها باعث بهبود معیارهای مهم ارزیابی رده بندها می شود.

محل‌یابی خطا یکی از طاقت‌فرساترین و زمان‌برترین فعالیت‌ها در توسعه نرم‌افزار است. بنابراین همواره خودکارسازی محل‌یابی خطا و کمینه کردن دخالت انسان در کشف محل خطا مورد توجه پژوهشگران بوده است. به بیانی دقیق‌تر می‌بایست زمانی که یک خطا گزارش می‌شود از طریق پردازش محتوای گزارش خطا، کد و غیره، مکان خطای گزارش‌ شده را تا حد امکان دقیق پیدا کرد. در این میان شناسایی توسعه‌دهندگانی که احتمال وقوع خطا در کد آن‌ها بیش از سایرین است، به شناسایی فایل‌های حامل خطا کمک خواهد کرد. در این مقاله روشی مبتنی بر بازیابی اطلاعات ارائه شده است که گزارش خطا را گرفته و با استفاده از کد، مخزن مدیریت نسخه و سوابق نویسندگان، فایل‌های احتمالی حامل خطا را به صورت مرتب‌شده بر اساس احتمال وجود منشأ خطای گزارش‌شده در آن‌ها به عنوان خروجی برمی‌گرداند. از طریق اجرای نسخه پیاده‌سازی شده این روش بر روی سه پروژه متن‌باز شناخته‌شده، ثابت کردیم که در نظر گرفتن مشارکت‌های پیشین افراد تیم در رتبه‌بندی فایل‌ها تأثیر مثبت خواهد داشت.

تحولات شگرف دهه های اخیر در حوزه های ارتباط رایانه ای، بی گمان گسترش تجارت الکترونیکی را به یک فرض حتمی بدل ساخته است. در حوزه تجارت الکترونیکی، بکارگیری سیستم های نرم افزاری قوی و تامین نیازهای کسب و کار برای بقای شرکت ها از جایگاه ویژه ای برخوردار است. متدهای چابک، تضمین کننده "تسریع زمان بازار"، "رضایت مشتریان" و "کیفیت بالای نرم افزار" است. انتخاب متد چابک مناسب، براساس تصمیم یپیچیده و چند معیاره استوار است که می تواند پیامدهای شگرفی بر موفقیت سیستم های تجارت الکترونیکی داشته باشد. در این مقاله برای مقایسه متدولوژی های چابک در فضای تجارت الکترونیکی، از روش تحليل سلسله مراتبي استفاده شد. از این رو ابتدا معیارها و زیرمعیارهای مهم تجارت الکترونیکی برای استفاده از متدهای چابک، درسه دسته معیار اصلی "ویژگی های مدیریتی کسب و کار"، "ویژگی های کیفی کسب و کار" و "ویژگی های تیم برنامه نویسی" تعريف شد. سپس معیارها به صورت مقايسه زوجي ارزیابی و وزندهي شد و در آخر نتايج با استفاده از اكسپرت چويس بررسي شد. سپس میزان اهمیت متدولوژی های چابک بر مبنای معیارهای مهم تر تجارت الکترونیکی، براساس نظر کارشناسان بررسی شد. نتایج مطالعه موید آن است که خبرگان، متد XP را نسبت به سایر متدها در تجارت الکترونیکی کارآمدتر می دانند.

با ظهور متدولوژی چابک تعاریف مختلفی برای آن عنوان شد و براساس این تعاریف و قوانین مربوط به این تعاریف، متدهای مختلفی به وجود آمد که نقطه اشتراک همه آن‌ها چرخه تکرار کوتاه، بازخورد سریع مشتری و یادگیری است. این متدها به علت تکیه بر میزان رضایت مشتری و ارائه راه‌حل با استفاده از تیم نرم‌افزاری خود سازمانده مورد توجه است. در سال‌های اخیر تفکر ناب که ابتدا در حوزه خودروسازی مطرح شده بود، وارد صنعت نرم‌افزار شد و به تنهایی یا به صورت ترکیبی با متدهای چابک مورد استفاده قرار گرفت. تفکر ناب به دنبال بالا بردن ارزش‌های تعریف شده در توسعه نرم‌افزاری و کاهش اتلاف‌های آن است. با توجه به تأثیر مثبت این تفکر بر روی متدهای چابک بررسی انواع اتلاف‌های این تفکر در این متدها مورد اهمیت است. ما در این مقاله به بررسی انواع اتلاف ناب و مقایسه میزان این اتلاف‌ها در پنج متد چابک می‌پردازیم تا میزان تطابق آن‌ها با تفکر ناب مشخص شود.

مدل‌های موضوعی بر مبنای هم رخدادی کلمات در یک سند عمل می‌نمایند ولی براساس اصل هم رخدادی کلمات، در بسیاری موارد مدل کردن هم رخدادی در واحدهای کوچکتر منجر به درک بهتری از ارتباطات میان کلمات می‌گردد. بر همین مبنا در اين مقاله، مدل جدیدی برمبنای مدل تخصیص پنهان دریکله (LDA) معرفی شده است که سعی می‌کند ارتباطات محلی در داخل یک سند را با استفاده از یک پنجره هم رخدادی وارد مدل LDA نماید. مدل LDA و مدل پیشنهادی بر روی پیکره 20newsgroups مقایسه شده‌اند و نتایج بدست آمده نشان می‌دهد که مدل پیشنهادی علاوه بر کاهش چشمگیر perplexity، تاپیک های دقیق‌تری نیز تولید کرده است.

رایانش ابری مسئله‌ای است که امروزه بیش از هر موضوع دیگری موردتوجه قرارگرفته است. با توجه به پیشرفت‌های مختلفی که در عرصه تکنولوژی به وجود آمده است، همه‌ روزه حجم بالایی از داده تولید می‌شود به‌طوری‌که داده‌های آنلاین موجود در جهان به طرز قابل‌ توجهی در حال افزایش هستند و موضوع داده‌های بزرگ پا به عرصه گذاشته است. در بحث داده‌های بزرگ علاوه بر مسائل ذخیره‌سازی و بازیابی، نیازمند آن هستیم که امنیت و حریم خصوصی آن‌ها را تضمین کنیم. در این راستا، در این مقاله با استفاده از روش نگاشت-کاهش روشی برای تضمین حریم خصوصی داده‌های بزرگ ارائه‌شده است و بعلاوه زمان اجرا و مقیاس‌پذیری روش موجود را بهبود بخشیده است.