انجمن کامپیوتر ایران

تخمین حرکت قسمت بسیار مهم عملیات فشرده سازی ویدئو می‌باشد. برای تخمین حرکت نیاز به مقایسه بلاک‌های فریم مرجع و اصلی می‌باشد. معمولا تمامی پیکسل‌های دو بلاک با استفاده از معیار SAD مقایسه می‌شوند. با توجه به شباهت پیکسل‌های مجاور در یک فریم می‌توان تعداد مقایسه بین پیکسل‌ها را در SAD کاهش داد. در این مقاله چهار معیار جدید برای مقایسه بلاک‌ها پیشنهاد شده است و عملکرد آنها هم از نظر سرعت اجرا و هم از نظر کیفیت ویدئو با معیار SAD مقایسه شده است. دو معیار عملکرد بسیار مناسبی داشته اند که باعث افزایش سرعت عملیات فشرده سازی ویدئو می‌شود.

مبهم سازی در مفهوم کلی، تکنیکی است که باعث می‌شود تا خواندن و تحلیل کدهای یک برنامه سخت‌تر شود که باهدف امنیت نرم‌افزار موردنظر صورت می‌گیرد. برای مهندسی معکوس به‌طورمعمول از گراف جریان کنترلی استفاده می‌شود. درنتیجه می‌بایست این گراف جریان کنترلی را به طریقی مبهم نمود. در این مقاله گراف جریان کنترلی با استفاده از شبکه‌های پتری و چند نخی مبهم می‌شود. بحث اصلی بر سر تقسیم کدها به قسمت‌هایی می‌باشد به‌طوری‌که برنامه در نخ‌های جداگانه اجرا شود. این نخ‌ها می‌بایست توسط مدیر نخ، مدیریت شوند تا در اجرای آن‌ها مشکلی پیش نیاید. هر چه شبکه پتری که برای مدل‌سازی برنامه استفاده می‌شود پیچیده‌تر باشد، مهندسی معکوس آن نیز دشوارتر می‌شود.

تئوري مجموعه‌هاي فازي در برنامه‌هاي متفاوتي از کنترل گرفته تا مديريت پايگاه داده‌ها استفاده مي‌شود. در پايگاه داده‌هاي فعالي که از همگام سازي همزمان براي انتشار تغييرات از منبع به مقصد استفاده مي‌کنند اگر تعداد رويدادهايي که سبب انتشار مي‌شوند افزايش يابد آنگاه مجموع تاخيرات برنامه ممکن است افزايش يابد که غير قابل قبول است. در اين مقاله همتاسازي فازي را پيشنهاد مي‌کنيم که تاخير برنامه را کاهش مي‌دهد و از روش ماشه‌چکاني فازي استفاده مي‌كند. اين روش پياده‌سازي و ارزيابي شده است و در قياس با دو روش همتاسازي مشتاق و تنبل بهتر عمل مي‌کند.

در این مقاله یک روش جدید بر پایه ی ورونوی جهت تعیین معیار دوری و نزدیکی در خوشه بندی انواع داده پیشنهاد شده است. این روش برای تخمین فواصل دور یا نزدیک بطور کاملا خودکار قابل پیاده سازی است و در حوزه ی طبقه بندی داده ها و خوشه بندی بکار گرفته شده است. این امر یک روش خوشه بندی جدید را منجر شده که با تعیین تخمین هایی کاربردی، مفاهیم دوری و نزدیکی طبق خصوصیات محلی هر داده را بیان نموده و وابستگی الگوریتم های خوشه بندی را به پارامتر های ورودی از جمله تعداد خوشه، اندازه شعاعی و شکل آنها حذف کرده است. همچنین با داشتن مقاومت بالا در انواع داده، مزایای روش های مختلف خوشه بندی را به همراه دارد. نتایج حاصله از آزمایشهای مورد نیاز، کاربردی بودن آن را در داده های واقعی نشان می دهد.

اهمیت قابلیت اطمینان مدارها و خصوصاً اثر تشعشعات کیهانی و اشکالات ناشی از برخورد این ذرات به مدارات، با کاهش روزافزون ابعاد تکنولوژی و نیز ولتاژهای عملیاتی، به صورت چشمگیری افزایش یافته است. لذا امروزه، بکارگیری روش‌هایی جهت افزایش مقاومت کلی مدار نسبت به برخورد ذرات پرانرژی به یکی از چالش‌برانگیزترین مباحث مربوط به طراحی مدارهای دیجیتال تبدیل شده است. در این مقاله، یک لچ مقاوم در برابر خطای نرمِ ناشی از برخورد ذرات پرانرژی به سطح تراشه، جهت کاربرد در مدارهای با قابلیت اطمینان بالا معرفی می‌گردد. اساس روش پیشنهادی، استفاده از فیدبک‌های چندگانه به هنگام قرارگیری لچ در وضعیت نگهداری از داده است. شبیه‌سازی‌های انجام‌شده با نرم افزار HSPICE در تکنولوژی 65 نانومتر نشان می‌دهد، ساختار پیشنهادی قادر به حذف اثرات تک‌رخداد و نیز چندرخداد واژگونی بوده و در مقایسه با سایر مدارات مشابه، حداقل دارای کاهش حدود 13 درصدی پارامترهای تأخیر و توان مصرفی می‌باشد.

امروزه برنامه‌های کاربردی مبتنی بر سرویس به‌منظور کاهش تأثیر تغییرات محیطی نیازمند تطبیق در زمان اجرا هستند تا بدین ترتیب قادر به حفظ ویژگی‌های کیفی عملکردهای پایه باشند. این نیاز در برنامه‌های کاربردی تطبیق‌پذیر مبتنی بر سرویس، از طریق ایجاد سازوکارهای مناسب برای اعمال استراتژی‌های تطبیق مرتفع می‌شود. اما در این حوزه جداسازی دغدغه تطبیق‌پذیری از منطق برنامه‌ها و ایجاد خودتطبیقی در یک لایه مستقل از کاربردها و سرویس‌دهنده‌ها چالش مهمی محسوب می‌شود. این مقاله راهکاری را برای ایجاد سازوکار خودتطبیقی در برنامه‌های کاربردی مبتنی بر سرویس بر اساس مدل‌های معماری زمان اجرای مستقل از منطق برنامه‌ها ارائه می‌دهد. در این روش مدل‌های معماری زمان اجرا فضایی برای نمایش وظایف و نیازمندی‌های کیفی سیستم در سطح فرایند به همراه خصوصیات زمان اجرای سیستم فراهم می‌آورد. در این راستا، برای تعریف مدل‌های معماری زمان اجرا متامدلی ارائه شده است که بر اساس آن نحوه تبدیل استراتژی‌های تطبیق به مدل‌های زمان اجرا و نحوه اعمال آن بر سیستم تعریف می‌شود. بررسی روش ارائه شده بر روی یک نمونه موردی نشان می‌دهد که این روش می‌تواند امکان فراهم آوردن خودتطبیقی را بر اساس مدل‌های زمان اجرا و جدا از منطق برنامه‌ها فراهم سازد.

توصیف داده‌ها به کمک بردارهای پشتیبان (SVDD) روشی است مبتنی بر حقه هسته (kernel) که به جهت کسب نتایج مناسب در زمینه‌هایی از قبیل تشخیص داده‌های نویزی و پرت، دسته‌بندی تک کلاسه، طبقه‌بندی داده‌های نامتوازن در سال‌های اخیر مورد توجه قرار گرفته است. صحت و دقت طبقه‌بندهای مبتنی بر بردارهای پیشتیبان از تأثیر مخرب داده‌های نویزی و پرت رنج می‌برند. یکی از کارآمدترین روش‌های مقاوم‌سازی طبقه‌بندها حساس‌سازی آن‌ها به داده‌های ارزش‌مند‌تر است. از آنجایی که مجموعه فازی سخت (Rough fuzzy set) از پتانسیل مناسب جهت تشخیص داده‌های مرزی برخوردار می‌باشد. توصیف داده‌ها به کمک بردارهای پشتیبان مبتنی بر این مجموعه فازی به صحت و دقت بیشتری در طبقه‌بندی داده‌ها دست پیدا می‌کند. در آزمایشات از روش اعتبار سنجی ضرب‌دری k-folded cross validation استفاده شده‌است. نتایج آزمایشات نشان‌دهنده برتری روش پیشنهادی است.

گرافولوژی، علم مطالعه و بررسی شخصیت و خصوصیات فردی بر اساس نوشتن است. آگاهی از این علم می‌تواند موارد استفاده زیادی در جامعه داشته باشد. در این مقاله، یک پایگاه داده دست نوشته‌های فارسی برای گرافولوژی معرفی می‌شود. داده‌های جمع آوری شده شامل 140 نمونه دستخط از دو گروه دانشجویان دانشگاه جامع علمی کاربردی و مددجویان زندان شهر سمنان می‌باشد. ضمن اخذ دستخط، افراد شرکت کننده در این تحقیق، پرسشنامه شخصیتی MMPI 71 سوالی راتکمیل نمودند و 11 پارامتر روانشناختی استخراج شده از پرسشنامه مذکور در کنار دستخط هر فرد ارایه شده است. داده های این پایگاه داده در تحقیقات گرافولوژی دست نوشته‌های فارسی قابل استفاده می‌باشد.

کاوش مجموعه اقلام نقش مهمی در تمام زمینه‌‌های تحقیقاتی داده کاوی مانند: قوانین انجمنی، خوشه‌‌بندی و طبقه‌‌بندی ایفا می‌‌کند. کاوش تمام مجموعه اقلام مکرر منجر به تعداد گسترده‌‌ای از اقلام می‌‌گردد. این مسئله می‌‌تواند به مسئله یافتن مجموعه اقلام مکرر ماکسیمال (MFI) تبدیل شود. در این مقاله یک روش جدید برای کاوش تمام MFIها مبتنی بر تئوری گراف و بهبود سرعت آن به وسیله تئوری درخت پیشنهاد شده است. در روش ارائه شده ابتدا یک ماتریس مربعی وابسته به عناصر تراکنش‌‌های پایگاه داده ساخته می‌‌شود. سپس گراف ماتریس در نظر گرفته می‌‌شود و زیرگراف‌‌های کامل ماکسیمال (کیلیک بیشینه) که یک به یک متناظر با MFIها هستند پیدا می‌‌شوند. در این روش ابتدا فرض می‌‌شود گراف اولیه کامل است و در هر مرحله گراف شکسته می‌‌شود تا به تمامی زیرگراف‌‌های ماکسیمال برسیم. در این بین هر زیرگرافی که شکسته می‌‌شود در یک درخت نگهداری می‌‌شود. این درخت با مکانیزم خاصی برای بالابردن سرعت جستجو استفاده شده است. نتایج آزمایشات مزایای روش پیشنهادی شامل راندمان، سادگی، دقت، و حافظه مصرفی را تایید می‌‌کند. علاوه بر این روش پیشنهادی کارایی خوبی در پایگاه‌‌داده‌‌های بزرگ دارد.

سلول‌های سفید خون از اجزا مهم خون انسان هستند و شاخصی برای تشخیص برخی از بیماریها محسوب می‌شوند. قطعه‌ بندی سلول‌های سفید خون از روی تصاویر میکروسکوپی، گامی بسیار مهم در تجزیه و تحلیل دقیق اطلاعات مربوط به بیمارهای خون است. تمرکز ما در این مقاله بر روی قطعه بندی هسته ی سلول های سفید خون است. در روش پیشنهادی ما، برای قطعه بندی از ترکیبِ تجزیه فضاهای رنگ مختلف و خوشه بندی k-means استفاده شده است. برای ارزیابی روش قطعه‌ بندی پیشنهادی دو پایگاه داده از تصاویر میکروسکوپی خون مورد استفاده قرار گرفته و در نهایت عملکرد روش پیشنهادی با دو روش دیگر مقایسه شده است. در پایگاه داده اول دقتی برابر با 33/96 درصد و در پایگاه داده دوم نیز دقتی برابر با 84/95 درصد به‎دست آمده‌ است. نتایج به‌ دست آمده عملکرد بهتر روش پیشنهادی را در پایگاه‌های داده‌ی موجود نشان می‌دهد. همچنین نتایج به‌ دست آمده هم‌ تراز با نتایج پایگاه‌های داده‌ی است که در دسترس نبوده‌اند.

در روش های محلی تطابق تصاویر استریو تعیین اندازه بهینه ی پنجره در تخمین دقیق نقشه ی اختلاف دید تاثیر بسزایی دارد. در این مقاله روش محلی تطابق تصاویر استریو با استفاده از تبدیل جنسوس بر روی تصاویر رنگی بر پایه ی تعیین اندازه ی پنجره با استفاده از روش بهینه شده ی چرخش (45 درجه) ناحیه ی پیکسلی ارائه شده است. در مرحله ی تعیین اندازه پنجره پس از قطعه بندی تصویر و بدست آوردن پنجره ی اولیه، اندازه ی نهایی پنجره برای هر پیکسل با معرفی الگوریتم اصلاح شده ی چرخش ناحیه ی پیکسلی تعیین شده و سپس در مراحل بعدی با استفاده از تبدیل جنسوس بر روی تصاویر رنگی و بر پایه اندازه ی پنجره ی متغیر، سطح اختلاف دید اولیه را بدست می آوریم در مرحله ی آخر و مرحله ی تعیین اختلاف دید صحیح هر پیکسل از روش بهینه شده ی WTA استفاده خواهیم نمود. روش پیشنهادی در مقایسه با روشهای مشابه از دو جنبه بازدهی بیشتری دارد: اول در مرحله ی تعیین اندازه پنجره توانسته نقاط مشابه زیاد و بهینه تری تولید کند. دوم در مرحله ی تطابق تصاویر و انتخاب اختلاف دید هر پیکسل، میزان متوسط خطا کمتر شده و نقشه ی اختلاف دید کمترین نویز را دارد.

عدم وجود یک منبع قابل اعتماد مرکزی، باعث شده است تا سیستم های توزیع شده زیان های جدی را از حملات سایبیل متحمل شوند. در این گونه حملات یک شخص مخرب با جعل موجودیت‌های شبکه (گره) سعی دارد که کنترل سیستم را به دست گیرد یا خرابی هایی را ایجاد نماید. با بهره گیری از ارتباطات قابل اعتماد بین کاربران در دنیای واقعی، طرح های دفاعی بر اساس شبکه های اجتماعی پیشنهاد شده است تا وقوع حملات سایبیل را کاهش دهد. این راه حل ها اغلب پیچیدگی قابل توجهی دارند و با توجه به بالا بودن حجم اطلاعات در شبکه های اجتماعی قادر به ارائۀ عملکرد مناسبی نیستند. در این مقاله روشی نوین و سلسله مراتبی براساس سیستم های توزیعی ارائه می شود که با بهره گیری از ویژگی های شبکه های اجتماعی، قادر به کشف حملات سایبیل در برابر پیچیدگی‌های این نوع از شبکه ها است. آزمایشات صورت گرفته، روی داده های واقعی استخراج شده از مجموعه داده‌های فیس بوک است. نتایج حاصل شده نشان می‌دهد که روش پیشنهادی، کارایی بالاتری را نسبت به پارامترهای کارایی تعریف شده در برابر روش های مشابه قبلی دارد، با این توجه که سربار محاسباتی آن مشابه روش های پیشین می‌باشد.

انتخاب مناسب نوع و تعداد گره های کنترل شونده، نقش مهمی در بهبود کنترل پذیری و عملکرد شبکه های دینامیکی دارد. در این مقاله انتخاب گره های کنترل شونده بر اساس معیارهای مرکزیت گره ها در شبکه انجام شده است. برای هر معیار، کنترل پذیری و عملکرد حرکت همگام در شبکه های دینامیکی مورد مطالعه قرار گرفته است و کمینه تعداد گره های کنترل شونده به منظور دستیابی به عملکرد مطلوب، برای چندین مدل ساختاری شبکه ها بدست آمده است. نتایج بررسی کنترل پذیری گیره ایی در شبکه های دینامیکی تصادفی نشان می دهد که کمترین تعداد گره های کنترل شونده، برای معیار مرکزیت میانی است. مشابه همین نتیجه برای شبکه های جهان کوچک نیز برقرار است با این تفاوت که در شبکه های متراکم تر، تعداد گره های کنترل شونده افزایش می یابد. بررسی نتایج در شبکه های مستقل از مقیاس نشان می دهد که معیار مرکزیت نزدیکی انتخابی مناسب بوده و بخصوص در شبکه ها با تعداد گره های بالاتر، منجر به کاهش تعداد گره های کنترل شونده می شود. نتیجه مهم دیگر، کاهش تعداد گره های کنترل شونده برای یک عملکرد مطلوب و بهبود کنترل پذیری با افزایش ضریب همسایگی در شبکه های جهان کوچک است.

شناسايي و تعیین مختصات جغرافیایی مکان مراکز داده، براي سازمان‌ها داراي اهميت بسزايي است. ارزيابي،‌ شناسايي و تعيين مختصات به فاكتورها، معيارها و پارامترهاي مختلفي وابسته است كه این تنوع پيچيدگي، تصميم‌گيري براي مدیران سطح بالا را دوچندان مي سازد. این مقاله، لیست جامعی از معيارهاي تصمیم گیری برای میزبانی مراکز داده در ایران را با توجه به شرایط اقلیمی، سیاسی و اجتماعی تعیین کرده تا با تبيين گزینه های در دسترس بتوان به بررسی و ارزیابی آنها پرداخت. روش ارائه شده در اين مقاله، با بررسی و ارزیابی عوامل بالقوه در برپایی مرکز داده در ایران و ديگر فاكتورهاي مؤثر،‌ استان ها را به منظور تعيين مختصات جغرافیایی مراكز داده رتبه بندی می کند. برای ارزیابی در این روش معیارهای مختلف در قالب 4 دسته اصلی شامل آب و هوا، حوادث طبیعی، امکانات و حوادث غیرطبیعی در نظر گرفته شده است که در این مقاله به دسته امکانات شامل معیارهای بستر ارتباطی، تأمین انرژی، منابع انسانی و توسعه‌یافتگی پرداخته خواهد شد. فرآیند استنتاج این روش، با ادغام و وزن دهی به پارامترها و استفاده از رأی گیری اکثریت، با فرآيندي تطبيقي و انعطاف پذير تكميل می شود و به تفکیک استان ها، نواحی جغرافیایی مناسب را پیشنهاد می دهد.

امروزه با گسترش حجم داده ها و فراگير شدن اينترنت، داده هايی که يک موجوديت از دنيای واقعی را توصيف می کنند، بندرت تنها از يک منبع اطلاعاتی بازيابی می شوند. هدف اصلی يک سيستم يکپارچه سازی داده ها، ايجاد دسترسی يکسان روی منابع داده ای توزيع شده و ناهمگون است که به طور مستقل از هم و از طریق شاکله های مختلف و سطوح دسترسی متفاوت به داده ها ايجاد شده اند. يکپارچه سازی داده ها معمولا در سه سطح شاکله، نمونه، و مقادير انجام می شود. برای از بين بردن ناهمگونی در سطح مقادير از روش های همجوشی استفاده می شود. روش های همجوشی ارائه شده برای رفع ناهمخوانی ها در يکپارچه سازی به سه دسته آماری، ساختاری و بهينه سازی تقسيم می شوند که اکثرا علاوه بر داشتن مشکلاتی از قبيل لزوم پيش فرض های زياد در مورد توزيع داده ها، هزينه محاسباتی زياد فرآيند استدلال و استنتاج، عدم کارايی برای سناريوهای پيچيده و ... همجوشی سطح پايين محسوب می شوند. علاوه بر اين در اکثر روش های ارائه شده، برای هر موجوديت تنها يک مقدار صحيح در نظر گرفته می شود. در اين مقاله، راهکاری بر اساس شبکه منطق مارکوف و شبکه های اطلاعاتی ارائه شده است که با کشف روابط ميان موجوديت ها و استفاده از اطلاعاتی که از ارزيابی موقعيت موجوديت ها به دست می آيد، ناهمخوانی های موجود در سطح مقادير را رفع می کند. به کمک اين روش که همجوشی سطح بالا محسوب می شود، امکان تشخيص چند مقدار صحيح برای موجوديت ها وجود خواهد داشت.

زماني که اشياء به اينترنت متصل باشند، طيف وسيعي از داده مربوط به آن‌ها در شبکه‌ها بارگزاري مي‌شود. چگونگي کنترل کردن اين حجم عظيم اطلاعات که توسط اشيا به شبکه تزريق مي‌شوند و تکنولوژي‌هاي فيلتر کردن اين اطلاعات از مسائلي است که با آن مواجه هستيم. اين موضوع زماني اهميت بيشتري پيدا مي کند که امکان خرابي گره ها و از بين رفتن اطلاعات را نيز به آن اضافه نماييم. يکي از راه‌هاي جلوگيري از، از دست رفتن داده، کمتر شدن انتقال‌ها و در نتيجه بيشتر شدن طول عمر شبکه‌ها ذخيره کردن داده‌ها و تکثير آن‌ها در شبکه است. روش‌هاي زيادي براي تکثير داده‌ها مطرح شده است. در بسياري از روش‌ها داده به تعداد نامحدود در شبکه تکثير مي‌شود، که اين نيز سربار شبکه را بالا مي‌برد. در پروتکل جديد که در اين مقاله ارائه مي شود، روشي که ارائه مي‌دهيم تعداد تکثير شد داده در شبکه محدود بوده و در نتيجه نه تنها هزينه انتقال را کاهش و دسترس ‌پذيري را افزايش مي‌دهيم، بلکه سربار شبکه را نيز کم مي‌کنيم. اين روش از سه مرحله تخمين فرکانس دسترسي، محاسبه آنتروپي و ساخت فهرست کانديدها تشکيل شده است. نتايج ارزيابي انجام شده نشان مي دهد که دسترسي پذيري در روش پيشنهادي 29% افزايش و هزينه انتقال اطلاعات 15% نسبت به روش مشابه کاهش مي يابد.

به دنبال رشد سریع مجموعه داده و پردازش داده های حجیم، حافظه مورد نیاز افزایش یافته و درنتیجه کارایی عملیات به سرعت کاهش می یابد. چگونگی کسب سریع اطلاعات مهم از این داده ها یک مسئله بحرانی است. رایانش ابری راه حل های کارآمد و ارزانی را برای تحلیل و پیاده سازی الگوریتم های کاوش قوانین انجمنی در محیط های موازی ارائه دادهاست. چارچوب نگاشت/کاهش می تواند به عنوان یک مدل برنامه نویسی مناسب در رایانش ابری برای پردازش مجموعه اقلام خیلی بزرگ بر روی خوشه های مناسب مورد استفاده قرار گیرد. در این مقاله، یک الگوریتم Apriori موازی بهبود یافته تحت چارچوب نگاشت/کاهش ارائه می شود که در هر فاز اقلام غیرتکراری در هر تراکنش را از محاسبات تولید مجموعه اقلام کاندید هرس می‌کند. الگوریتم پیشنهادشده، با هدف بهبود الگوریتمk-phase و هرس اقلام غیرتکراری، اقلام کاندید زائد کمتری تولید کرده و در نتیجه حافظه مصرفی و زمان اجرا کاهش می یابد. نتایج آزمایش نشان می دهد الگوریتم ارائه شده برای پردازش داده های حجیم دارای کارایی مناسبی است که مقیاس پذیری الگوریتم را به یک خوشه بزرگ ترممکن می سازد.

تولید خودکار بردار آزمایش یکی از مسایل مهم در آزمون مدارات دیجیتال میباشد. الگوریتم های تولید خودکار بردار آزمایش مبتنی بر روش ارضای بولی طی دو دهه اخیر به دلیل پیشرفت‌های زیاد به عنصر اصلی و اساسی در مدارات دیجیتال تبدیل شده اند. در این مقاله روش ارضای بولی جهت مدلسازی مدار تشریح می شود. سپس یک روش جدید جهت آزمون خطاهای اتصال کوتاه غیربازگشتی در مدارهای ترکیبی بر اساس آن بیان می شود. در این روش با تزریق یک خطا در مدار و مقایسه آن با مدار اصلی می توان آزمون پذیر بودن آن را بررسی کرد. نتایج عملی آزمایش ها در انتهای مقاله نشانگر سودمندی و موثر بودن این روش در مدارات دیجیتال می باشد.

دراین مقاله روشی جدید جهت شناسایی چهره در حالت زاویه دار معرفی می گردد. در راهکار ارائه شده از الگوریتم کلاس بندی کننده ی علف هرز IWC به منظور طبقه بندی نقاط مختلف تصاویر ورودی و استخراج ویژگی های مشابه، همچنین ترکیب آن ها بر اساس میزان شباهت و گروهبندی این ویژگی ها به منظور شناسایی قسمت های چهره مورد بررسی قرار گرفته شده است. با استفاده از این روش که از ساختار کلی الگوریتم های تکاملی و خصوصا الگوریتم تکاملی علف هرز تبعیت می نماید نتایج قابل قبولی بدست آمده که در بخش نتایج به آن اشاره خواهد شد. این الگوریتم هیچگونه مشابه دیگری نداشته و می توان آنرا یگانه الگوریتم شناسایی چهره در حالت زاویه دار با استفاده از یک کلاسیفایر منحصر به فرد تهیه شده از الگوریتم بهینه سازی علف هرز دانست.

ادغام اینترنت اشیا و شبکه‌های اجتماعی، مفهوم جدیدی با عنوان اینترنت اشیاء اجتماعی پدید آورده است که بر طبق آن اشیا قادر هستند تا به‌صورت خودمختار و با در نظر گرفتن مالکشان، روابط اجتماعی ایجاد کنند. ممکن است مالکان و اشیاءِ مخرب بر اساس روابط اجتماعی که با دیگر اشیاء دارند، حملات زیان‌باری را انجام ‌دهند، ازاین‌رو ارزیابی اعتماد سرویس‌دهنده‌ها یک موضوع مهم برای شناسایی بهترین سرویس‌دهنده است. در این مقاله یک مدل مدیریت اعتماد جدید مبتنی بر چهار ویژگی اعتماد معرفی می‌شود. مدل با اکثر حملات اعتمادی معرفی‌شده مقابله کرده و همچنین برای سرویس‌های ارائه‌شده توسط هر گره، سطوح سرویس در نظر گرفته‌شده است. نتایج شبیه‌سازی نشان می‌دهد که مدل ارائه‌شده می‌تواند بهترین سرویس‌دهنده را برای مقابله با اکثر حملات مرتبط انتخاب کند.