انجمن کامپیوتر ایران

نهان¬نگاري سيگنال صوتي ديجيتال به عنوان ابزاري جهت شناسايي صاحب¬اثر يا مالک حقوقي داده¬ي صوتي ديجيتال ارائه شده-است. در این مقاله یک روش نهان نگاری صوتی نامحسوس پیشنهاد شده است که بعلت سرعت بالای عملیات جاسازی و تشخیص واترمارک، قابل استفاده در کاربردهای بلادرنگ می¬باشد. الگوریتم پیشنهادی دارای ظرفیت بالاتری نسبت به روش¬های مشابه است که در نتیجه می¬توان داده¬ی بیشتری را درون سیگنال میزبان پنهان نمود. در این مقاله برای یافتن مکان بیت¬های واترمارک در سیگنال صوتی از یک روش همگام¬سازی در حوزه زمان استفاده می¬شود. در این تحقیق بیت¬های واترمارک را در ضرایبِ با اندازه¬ی بزرگFFTقرار می¬دهیم. بر خلاف روش¬های معمول واترمارکینگ که از جاسازی یک بیتی واترمارک استفاده می¬کنند، در این مقاله با ارائه¬ی تکنیک جاسازی دو بیتی، ظرفیت جاسازی در سیگنال در مقایسه با نمونه¬ی مشابه دو برابر شده است. نتایج حاصل از آزمایشات و حمله¬ها روی سیگنال¬های متفاوت نشان می¬دهد که این روش در مقایسه با الگوریتم¬های دیگر، دارای شفافیت بهتر و سرعت بالاتر بوده، همچنین در برابر حمله¬های نویز افزایشی، MP3، فیلتر پایین¬گذر، نمونه¬برداری مجدد و Requantizationمقاوم می¬باشد.

در سيستم هاي تصويري ديجيتال با دقت بالا، دنباله فريم ها به طريقي است، كه از فريم اول فقط خطوط فرد و از فريم بعدي فقط خطوط زوج ارسال مي شود؛ كه به اين كار درهم تنيدگي مي گويند. مسئله رفع در هم تنيدگي، كه همانا جبران خطوط غايب در هر فريم باشد، كليد اصلي بسياري از مسائل پردازش تصاوير ويدئويي ديجيتال مي باشد. بسياري از روش هاي به كار رفته در اين زمينه، سعي دارند براي حذف آثار ناشي از درهم تنيدگي، از اطلاعات موجود در حوزه‌ي زمان و مكان و بعضا از الگوريتم هاي جبران سازي حركت استفاده كنند. به دليل هزينه‌ي سنگين محاسباتي اين دسته از الگوريتم ها و همچنين پيچيدگي بيش از حد آنها،‌ بسياري از روش ها از به كارگيري جبران سازي حركت امتناع كرده اند.در اين مقاله، روشي براي رفع در هم تنيدگي مبتني بر تشخيص حركت، و بر پايه‌ي ميانگين گيري خطي، پيشنهاد شده است.روش پيشنهادي در مقايسه با برخي از روش هاي اخير، توانسته است به دقت خوبي دست يابد. علاوه براين، شبيه سازي ها نشان داده است؛ كه اين روش نتايج بصري قابل قبولي نيز توليد كرده است.

علم پيش¬بيني، يکي از شاخه¬هاي پرکاربرد در هوش‏مصنوعي است که در زمينه هاي گوناگون مورد استفاده قرار مي‏گيرد. از جمله يکي از موارد پيش‏بيني، مربوط به رفتار انسان‏ها در شرايط مختلف است.برپايه نظريه روان¬شناسان دستخط فرد، نوعي رفتار است. براين اساس دستخط هر فرد حاصل يک سيستم سازماندهي شده است و امکان تجزيه، تحليل و تعيين ماهيت افراد را ممکن مي¬سازد. امروزه اين علم به¬عنوان شاخصي قابل اعتماد از شخصيت و رفتار انسان‏ براي ارزيابي درسازمان‏هايي مانند: کلينک‏هاي روانشناسي، درمصاحبه‏هاي‏‏استخدامي، مورد استفاده قرار مي¬گيرد. در اين بررسي هدف طراحي سيستمي است تا بر اساس نمونه¬ دستخط‏هاي دريافت شده از افراد ويژگي¬هاي شخصيتي آنها را پيش‏بيني نمايد. دراين تحقيق درابتدا نمونه دستخط ازافراد مختلف جمع¬آوري شد. بعد ازطي مراحل پيش‏پردازش، پنج خصوصيت از متن دستخط استخراج شد که اين خصوصيات شامل: اندازه‏، شيب ، ميزان کشيدگي‏عمودي، ميزان‏پهناي‏افقي و فاصله‏خطوط است. بعد از استخراج خصوصيت‏ها از دستخط، بر اساس مشاهده‏هاي صورت گرفته از نمونه‏ها وهمچنين نتايج به‏دست آمده از پرسشنامه روان‏شناسي رابطه بين پنج خصوصيت دستخط با پنج ويژگي شخصيتي حاصل شد. ودر آخر با استفاده از شبکه عصبي و باکمک400 نمونه جمع‏آوري شده سيستم را آموزش و سپس آن را از لحاظ کارايي تست کرده و به کارايي98.35% رسيديم.

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.

در اين مقاله روش ترکيبي جديدي بر اساس سيستم ايمني مصنوعي براي کشف تقلب در حوزه کارت‌هاي اعتباري ارائه مي‌شود. روش ارائه شده از دو الگوريتم در حوزه سيستم ايمني مصنوعي تشکيل شده است. الگوريتم اول سيستم تشخيص ايمني مصنوعي نام دارد که يک الگوريتم دسته‌بندي است و سلول‌هاي حافظه را بر اساس انتخاب کلوني توليد مي‌کند. الگوريتم دوم، الگوريتم تشخيص الگوي خودي نام دارد که بر اساس داده‌هاي خودي کشف‌کننده‌هايي را براي تفکيک تراکنش‌هاي خودي از غيرخودي توليد مي‌کند. اين الگوريتم از نظريه الگوي خودي در سيستم ايمني بدن الهام گرفته شده است. اين مقاله با ترکيب دو الگوريتم فوق، دقت را بالا برده و به نتايج بهتري دست يافته است.

شناسایی مشتریانی که احتمال دارد به تبلیغات بازاریابی واکنش نشان دهند مبحث بسیار مهمی در بازاریابی مستقیم می باشد. برای اینکه بتوانیم تصمیم بگیریم تبلیغات برای کدام یک از مشتریان بایستی ارسال شود، مشتریان به دو گروه مشتریان پاسخگو و غیر پاسخگو تقسیم می شوند. شناسایی این دسته از مشتریان مزیت های بسیاری برای کسب و کار ها ایجاد می نماید به طور مثال با شناسایی مشتریان پاسخگو و ارسال تبلیغات تنها به این دسته از مشتریان، هزینه بازاریابی به طور قابل ملاحظه ای کاهش می یابد همچنین ارسال تبلیغات به این دسته از مشتریان باعث افزایش سودآوری شرکتها می شود ودر نهایت باعث می شود که مشتریان غیر پاسخگو از هجوم تبلیغات ناخواسته در امان بمانند.امروزه یکی از روشهای شناسایی مشتریان پاسخگو استفاده از روشهای داده کاوی می باشد.در این مقاله هدف ما این است که با مقایسه مدلهای مختلف داده کاوی بر روی یک مجموعه داده واقعی به بهترین مدلی دست پیدا کنیم که از دقت و کارایی بالاتری نسبت به بقیه مدلها برخوردار باشد بنابراین با اعمال مدلهای مختلف درخت تصمیم و شبکه عصبی بر روی مجموعه داده به مقایسه کارایی این مدلها پرداختیم ودر نهایت به این نتیجه رسیدیم که درختهای تصمیم بر روی این مجموعه داده از کارایی بالاتری برخور دار هستند.

در چند سال اخیر میکروب هليكوباكترپيلوري، توجه خیلی¬هارا به خود جلب کرده است. وجود این باکتری در معده سبباختلال در دستگاه گوارشی شده و در صورت درمان نشدن سبب زخم¬های گوارشی و سرطان معده می¬شود. تنها راه قطعی برای مشخص کردن ابتلای افراد به این بیماری، توسط آندوسکوپی و نمونه برداری از معده انجام می¬شود که استفاده از این روش برای کودکان سخت و دردآور است. در این مقاله با استفاده از الگوریتم¬های داده¬کاوی سعی در تشخیص بیماری در کودکان داشته¬ایم که با احتمال بالایی توانسته¬ایم این بیماری را درست پیش‌بینینماییم. با این کار می¬توانیم از انجام آندوسکوپیبرای کودکان جلوگیری کرده و در صورت احتمال وجود بیماری،آندوسکوپی انجام پذیرد.

گرید داده بستر مناسبی را برای مدیریت و دسترسی یکنواخت به منابع داده¬ای توزیع شده با حجم بالا فراهم آورده است. تکثیر داده سرویسی از گرید داده است که برای سهولت و تسریع در دسترسی به داده¬ها به وجود آمده است. اما در محیط وسیع گرید داده، نیاز به الگوریتم¬هایی برای حفظ سازگاری و تضمین یکسان بودن محتوای تکرارهای مختلف از یک فایل، اجتناب ناپذیر است. در این مقاله یک روش مفید و مؤثر برای حفظ سازگاری ارائه شده است. در این روش مسؤولیت برقراری سازگاری برعهده گره¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬ی حاوی نسخه تکرار قرار دارد. در هرگره نرخ به¬روزرسانی نسخه تکرار، بر اساس نرخ تغییر در فایل داده¬ی اصلی و نرخ تقاضای دسترسی به نسخه تکرار موجود در آن گره، محاسبه می¬شود. نتایج آزمایشگاهی با استفاده از شبیه¬ساز اپترسیم نشان دهنده¬ی این است که روش پیشنهادی در مقایسه با دو روش خوش¬بینانه و بدبینانه، با کاهش تأخیر دسترسی به فایل¬ها، موفق به کاهش میانگین زمان اجرای کارها شده است و از نظرکاهش اتلاف منابع شبکه¬ای بهتر از روش بدبینانه عمل می¬کند.

با توجه به توسعه روزافزون تکنولوژی گره های حسگر متحرک، فراگیر شدن آنها و چالش های امنیتی پیشروی این شبکه ها، در این مقاله یک رهیافت آشکارسازی حمله گره المثنی توزیع شده و مقاوم در برابر حمله مهاجم هوشمند برای آشکارسازی گره المثنی در شبکه های حسگر بی سیم متحرک پیشنهاد شده است. در اینجا با توجه به اینکه رهیافت های پیشنهادی تاکنون دارای سربار حافطه و زمان آشکارسازی بالایی می باشند، با معرفی مفهوم مکان شاهد، یک رهیافت آشکارسازی پیشنهاد شده است که آشکارسازی در یک دور اجرای پروتکل انجام و دارای سربار مخابراتی مناسبی نیز می باشد. بمنظور تحلیل عملکرد رهیافت پیشنهادی، آنالیز امنیتی و هزینه بر روی رهیافت پیشنهادی انجام شده است. در انتها بمنظور ارزیابی عملکرد رهیافت پیشنهادی، برای پیکربندی های مختلف شبکه، شبیه سازی های گسترده انجام و عملکرد آن تحلیل و نتایج بمنطور ارزیابی نقاط قوت رهیافت پیشنهادی نسبت به رهیافت های مبتنی بر برخورد، با آنها مقایسه شده است. از نتایج شبیه سازی مشاهده می شود که رهیافت پیشنهادی نسبت به رهیافت های پیشنهاد شده تاکنون، دارای سربار مخابراتی و زمان آشکارسازی کمتری می باشد.

امروزه دسترسی سریع به داده¬ها در سیستم¬های توزیع¬شده بزرگ به امری متداول تبدیل گردیده¬است. بدیهی است که با گسترش سیستم¬های توزیع¬شده تأخیرات ناخواسته¬ای که کاربران در دسترسی به داده¬ها با آن مواجه می¬گردند نیز به مراتب افزایش می¬یابد. یکی از راه¬حل¬های برون¬رفت از این مشکل، تکرارسازی اشیا داده¬ای است. در رابطه با تکرارسازی اشیا داده¬ای مسأله¬ای که بایستی به دقت مورد توجه قرار گیرد تعیین نمودن مکان نسخه¬های کپی است به گونه¬ای که ضمن کاهش هزینه¬های مربوط به ارتباطات شبکه¬ای، کارایی نیز تا حد امکان بهبود یابد.مسأله جای¬گذاری نسخه¬های کپی در سیستم¬های توزیع شده در دو حوزه ایستا و پویا قابل بررسی است. الگوریتم مربوط به جفت¬گیری زنبورهای عسل، الهام گرفته شده از فرایند جفت¬گیری و تولید مثل زنبورهای واقعی، یکی از الگوریتم¬های طراحی شده مبتنی بر رفتار جمعی حشرات است.در این مقاله با استفاده از این الگوریتم و یک جستجوی جامع در فضای پاسخ، تلاش می¬شود که پاسخی مقبول برای مسأله مورد بحث در حوزه ایستا ارائه گردد.آزمایشات عملی برتری این الگوریتم را نسبت به الگوریتم ژنتیک و الگوریتم حریصانه نشان می¬دهد.

تحقيقات علمي در زمينه¬هاي مختلف حجم زيادي از داده را توليد مي¬كنند؛ كه مديريت اين حجم انبوه داده به صورت متمركز، به علت تاخير دسترسي و بارگذاري زياد روي سرور مركزي بي¬نتيجه خواهد بود. براي حل اين مشكل استفاده از تكنولوژي‌هاي گريد پيشنهاد شده است. گريد داده، توزيع چنين داده¬هايي را در مكان¬هاي جغرافيايي مختلفت سهيل مي‌كند. یک تکنیک مهم برای مدیریت داده¬های انبوه به صورت توزیع¬شده تکرار داده¬ها است. ایده کلی تکرار داده¬ها، قراردادن کپی¬های داده¬ها در مکان¬های مختلف می¬باشد. درگرید¬های داده¬ای، اصولا كپي¬هاي متعددي از هر داده نگهداري مي شود و كاربران براي دسترسي به اطلاعات به در دسترس¬ترين،نزديك¬ترينوسريع¬ترينكپيهدايتمي¬شوند. تا كنون الگوريتم¬هاي زيادي براي تكرار داده¬ها ارائه شده است،كه به دو دسته كلي ایستا و پویا تقسيم می¬شوند. در این مقاله استراتژی اصلاح شده¬ای برای تکرار داده¬های پویا ارائه می¬گردد. این استراتژی بر مبنای استراتژیتکرار سلسله مراتبی پویا یا DHR می¬باشد، که با تعیینیک حد آستانه پویا جهت مشخص کردن مناسب¬ترین تعداد کپی برای فایل تقاضا شده، باعث کاهش زمان اجرای کارها و جلوگیری از اتلاف پهنای باند می¬شود و در نتیجه، عملکرد الگوریتم¬های موجود را بهبود می¬بخشد.

شبكه‌هاي حسگر بي‌سيم شامل تعداد زيادي گره‌ی حسگر كوچك مي‌باشند.این گره‌ها دارای محدويت منابع، از جمله حافظه، پهناي باند و باتري پايين هستند. در ارتباط‌هاي چند گامي بيشتر انرژي گره‌ها صرف ايجاد ارتباط با حسگرهاي ديگر مي‌شود، كه منجر به مصرف زياد انرژي در حسگرها مي‌گردد. با توجه به محدودیت منابع شبکه‌های حسگر، خوشه‌بندی يك روش موثر براي کاهش مصرف منابع این شبکه‌ها می‌باشد.