امروزه سیستمهای نهفته به میزان زیادی در کاربردهای قابل حمل استفاده میشود. کاهشتوان در این گونه از سیستمها بسیار مورد توجه است. در این مقاله سعی شده است با بررسی روشهای کاهش توان در سیستمهای نهفته اثرات آنها را بر کاهش تغییرات سیگنال و در نتیجه کاهش توان پویا مورد ارزیابی قرار دهیم. تغییرات سیگنال بر روی نودهای خارجی و بخصوص گذرگاهها نقش مهمی در توان مصرفی در یک تراشه خواهد داشت لذا بررسی تکنیکهایی که این تغییرات را کاهش دهند در حوزهی کاری ما قرار دارد. تکنیکهای مختلف توسط سیمولاتور simplescalar مورد ارزیابی قرار گرفتهاند. در این آزمایش این تکنیکها بر روی دو معماری Alpha و Arm پیاده سازی شده اند. همچنین از برنامه های Spec2000 به عنوان ورودی تست استفاده شده است.

در سال‌های اخیر تشخیص ناهنجاری در تصاویر فراطیفی، به یکی از کاربردهایمهم آشکارسازی اهداف در سنجش از دور تبدیل شده است. در بسیاری از کاربردها علاوه بر دقت الگوریتم‌ها، ‌سرعت اجرای آن‌ها نیز از اهمیت بالایی برخوردار است. در این مقاله به کمک تبدیل فوریه سریع،روشی ارائه شده است که به عنوان عمليات پيش‌پردازش کاهش بعد براي الگوريتم‌هاي تشخيص ناهنجاري عمل مي‌کند و سرعت و دقت آن‌ها را بهبود مي‌دهد. در روش پیشنهادی ابتدا تصویر با استفاده از تبدیل فوریه سریع به حوزه فرکانس برده می‌شودو سپس عملیات پردازش روی دو باند از ماتریس «اندازه تبدیل فوریه»، که چکیده رفتار تصویر را در خود دارد، انجام می‌شود. نتایج اعمال روش پیشنهادی روی دو سری داده فراطیفی سنجنده‌ی AVIRIS نشان می‌دهد که این روش کارایی الگوریتم‌های Local RX، DWRX و DWEST را از لحاظ سرعت به حدی بالا برده است که از آن‌ها می‌توان در کاربردهای بی‌درنگ استفاده کرد. به علاوه، این روش کارایی تشخیص الگوریتم‌های Local RX و DWRX را تا حد زیادی افزایش داده است. علت این امر، افزایش اختلاف طیفی بین پیکسل‌های هدف و پس‌زمینه با استفاده از روش پیش‌پردازش کاهش بعد است.

مؤثرترین روش ارتباط افراد ناشنوا زبان اشاره است. اما معمولاً افراد غیرکر و لال آشنایی لازم را با این زبان نداشته و به خصوص در مواقع ضروری قادر به ارتباط با این افراد نیستند. ضرورت دیگر، تسهیل ارتباط ناشنوایان در فضای اینترنت با استفاده از زبان اشاره می‏باشد. بنابراین طراحی یک سیستم مترجم برای ترجمه کردن زبان اشاره به زبان‌های طبیعی لازم به نظر می‏رسد. یکی از پایه‏های اصلی زبان اشاره، اشارات ایستا هستند که تنها با حالت دست مشخص می‏شوند. برای بازشناسی این دسته از اشارات، این مقاله ضمن استفاده از روش‏های غیر خطی مبتنی بر کرنل مانند آنالیز مؤلفه‌های اساسی کرنلی (KPCA ) و آنالیز متمایز کننده کرنلی ( KDA) ، روش‏هایی را نیز برای مناسب سازی آن‏ها برای کاربرد‏های بهنگام‏ ارائه می‏کند. یک روش برای کاهش زمان روش‏های کرنلی استفاده از روش‏های کرنلی سریع می‏باشد. علاوه بر این در این مقاله یک روش هیبرید مبتنی بر روش‏های خطی و غیر خطی، ( HKPCA) و ( HKDA)، برای کاهش زمان روش‏های کرنلی پیشنهاد می‏شود که بر ویژگی‏های حاصل از آنالیز مؤلفه‌های اساسی دوطرفه (BDPCA ) اعمال می‏شود. نتایج شبیه‏سازی نشان می‏دهد که کاربرد روش‏های پیشنهادی علاوه بر کاهش زمان پردازش، به بهبود نرخ بازشناسی نیز منجر می‏شود.

الگوریتم کرم شب¬تاب یک مدل متاهیوریستیک و برگرفته شده از طبیعت می¬باشد. کاربرد عمده این الگوریتم درحل مسائل بهینه سازی می باشد. در این مقاله، برای افزایش قدرت جست وجو و دقت الگوریتم و بهبود نتیجه حاصل از آن، یک الگوریتم کرم شب¬تاب با رویکرد همکارانه پیشنهاد شده است. همچنین برای بهبود کارایی این الگوریتم تغییراتی در چگونگی حرکت کرم های شب¬تاب نیز پیشنهاد شده استدر الگوریتم پیشنهادی چندین دسته مختلف از کرم های شب¬تاب وجود دارند که هریک از دسته ها مولفه خاصی از بردار راه حل را به صورت همکارانه بهینه سازی می¬کنند. این الگوریتم برای بهینه سازی پنج تابع استاندارد شناخته شده آکلی، اسفیر، راستریجین، ژین شی یانگ و استپ در فضای 10 ، 20و 30 بعدی اجرا شده است. نتایج آزمایشات نشان می¬دهد که الگوریتم پیشنهادی از دقت خوبی برای یافتن نقطه بهینه بر خوردار است و توانسته جست¬و¬جوی سراسری الگوریتم را افزایش دهد.

در اين مقاله ، ابتدا به معرفي اجمالي يک فيلتر تطبيقي بهينه بر مبناي نُرم هاي فازي جهت کاهش نويز جمع شونده گوسي تصاوير پرداخته و در ادامه با انجام اصلاحاتي روي ساختار اين فيلتر سعي در بهبود عملکرد آن در کاهش نويز در عين حفظ جزئيات تصاوير خواهيم داشت. اين اصلاحات شامل تنظيم مناسب پارامتر آزاد ω و اصلاح رابطه ضريب وزن دهي β براي نواحي داراي تغييرات زياد در تصوير مي باشد. جهت تخمين بهتر خروجي، از فيلتر تطبيقي وينر در ساختار فيلتر استفاده شد و همچنين روش تکرار متوالي در تخمين نهايي خروجي اعمال گرديد. عملکرد فيلتر پيشنهادي با تعدادي از فيلترهاي تطبيقي فازي و غير فازي مقايسه گشته است. نتايج حاصل از اين مقايسه نشان دهنده قابل رقابت بودن فيلتر پيشنهادي با فيلترهاي مذکور مي باشد.

این مقاله به ارائه يك مدل تراز بندی جدید برای ساخت پیکره‌های موازی دو‌زبانی انگليسي-فارسي پرداخته است. در حالت کلی چارچوب پيشنهادي، غیر وابسته به زبانهاي مبدا و مقصد بوده و از آن می توان برای تولید پیکره موازی، برای هر جفت زبان ديگري نيز استفاده کرد. نتايج بدست آمده از پياده‌سازي‌ها نشان داده است که بکاربردن ویژگیهای زبانی و غیر زبانی به صورت توامان، عملکرد سیستم را تا حد قابل قبولی بهبود خواهد بخشید. در اين مقاله اين بررسي نيز صورت ميگيرد كه توجه به وي‍ژگي‌هاي طولي، ترجمه تحت اللفظي و شباهت دستوري به صورت مستقل يا تركيبي چه اثری بر روي كيفيت نتايج مي‌گذارد. همچنين بكارگيري طبقه‌بندهاي چند گانه در تشخيص نوع ترازبندي به عنوان يكي از شاخص‌هاي اصلي سيستم مطرح است. از ويژگيهاي ديگر اين روش، قابليت ارتقاء مدل از طريق گنجاندن خصوصياتي (در بدنه بردارهاي ورودي) مي باشد كه ممكن است در آينده براي تشخيص بهتر نوع ترازبندي مورد توجه قرار گيرند. با اين حال، چالش اساسي مدل ما و بسياري از روشهاي پيشين وجود سلايق متنوع در ترجمه متون است كه سبب توليد جملاتي مي‌گردد كه مشابهت آنها با متن اصلي درحد معنا بوده و تنها قابل درك و تشخيص براي انسان مي‌باشد اين مساله كار را براي استخراج جفت عبارات معادل، بسيار سنگين مي‌نمايد.

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.

امضای افراد از دو مشخصه متضاد برخوردار است از یک سو دارای ساختار پایدار بوده و از سوی دیگر دو امضای یک فرد نیز کاملا یکسان نیست. تفاوتهای سطحی امضای افراد در تکرارهای متوالی در اندازه، سرعت و تغییرات غیرخطی محور زمان است. این مسائل طبقه‌بندی امضاهای حقیقی و جعلی را مشکل می‌سازد. به منظور کاهش این خطاها استفاده از ویژگیهای محلی که دقت بالاتری نسبت به ویژگیهای کلی دارند، می‌تواند راهکار موثری باشد ولی به دلیل یکسان نبودن طول ویژگیهای محلی استفاده از یک الگوریتم سریع و مقاوم در برابر اعوجاجات محلی اهمیت اساسی دارد. در این مقاله با بهره‌گیری از الگوریتم کمترین فاصله گستره سعی در تعیین نقاط متناظر واقعی می‌شود. آزمایشهای انجام شده بر روی یک پایگاه امضای گسترده حاکی از عملکرد بهتر الگوریتم MLD نسبت به روش مشهور DTW است که خطای طبقه‌بندی را در حدود 3/8% کاهش می‌دهد. همچنین نتایج نشان داد با استفاده از طبقه‌بندی کننده پنجره پارزن، شاخص EER برابر 94/0% و 78/1% به ترتیب برای گروه جاعل تصادفی و ماهر است.

تعداد افراد سالمند که به تنهایی زندگی می‌کنند، در بسیاری کشورها در حال افزایش است. یکی از مهمترین خطراتی که این افراد را تهدید می‌کند، زمین خوردن است که احتیاج به رسیدگی سریع دارد. دوربین‌های نظارتی وسیله مناسبی برای تشخیص خودکار آن هستند. این دوربین‌ها با استفاده ازالگوریتم‌های بینایی کامپیوتر ویژگی‌هایی را از دنباله تصاویر ویدئویی استخراج می‌کنند و سپس بوسیله طبقه‌بندی آنها به طور خودکار زمین خوردن را تشخیص دهند. ویژگی‌های رایجوابسته به جهت دید دوربین هستند. برای حل این مشکل از چندین دوربین استفاده می‌شود که پیچیدگی سیستم را افزایش می‌دهد. ما در این مقاله پیشنهاد می‌کنیم که از مساحت سیلوئت بدست آمده از یک دوربین به عنوان یک ویژگی مقاوم به جهت دید دوربین استفاده شود. نتایج تجربی نشان می‌دهد که ترکیب دو ویژگی مساحت و نسبت طول به عرض مستطیل محیطی خطایی کمتر از %2 در تشخیص زمین خوردن روی یک مجموعه داده در دسترس ایجاد می‌کند.

بسیاری از مسائل دنیای واقعیپویاهستند.برای حل یک مسئله بهینه¬سازی پویا نیاز به الگوریتمی داریم که علی رغم پیدا کردن بهینه در محیط، بتواند بهینه¬های در حال تغییر را دنبال کند.تاکنون الگوريتم‌هاي تکاملي مختلفي براي بهينه‌سازي در محيط‌هاي پويا پيشنهاد شده است. در یک محیط پویا پس از روی دادن تغییر در محیط، الگوریتم نياز به تنوع کافي جهت جستجوي دوباره محیط دارد، درعین حال استفاده از اطلاعات جستجوهای پیشین روند جستجو را سریع¬تر می¬کند. مشکل اصلی الگوريتم‌هاي تکاملي معمول در حل مسائل بهینه‏سازی پویا، همگرايي زودرس و کاهش تنوع جمعيتي در طول زمان است. بنابراین، در مواجه با مسائل بهینه¬سازی پویا نیاز به رویکردهایی است که تنوع را در طول زمان حفظ کنند. در این مقاله یک الگوریتم کلونی مورچه سلولی برای حل مسائل بهینه سازی پیوسته و پویا ارائه می¬شود . ايده¬ی اصلي الگوریتم براي حفظ تنوع ، تقسيم‌بندي فضاي جستجو با استفاده از اتوماتای سلولی است. جهت ارزیابی الگوریتم پیشنهادی، از تابع محک قله¬های متحرک استفاده می‏شود.

در سيستم‌هاي كاوشگر کلمات به طور متداول از يك واحد بازشناس گفتاري مبتني بر مدل مخفي ماركوف (HMM) براي تعيين كليدواژه‌هاي كانديد شده و محاسبه اندازه اطمينان آن‌ها استفاد ميشود. فرايند تصميم گيري براي قبول و يا رد كليدواژه‌هاي كانديد شده بر مبناي مقايسه مقدار به دست آمده از اندازه اطمينان با يك مقدار آستانه ثابت انجام مي‌گيرد. از اينرو محاسبه مطمئن اندازه اطمينان تاثير مستقيمي بر روي عملكرد اين سيستم ها دارد. از آنجا كه به طور متداول اندازه اطمينان از امتياز درست نمايي نرماليزه شده به دست آمده از مدل توليدي HMM براي هر كليد واژه محاسبه مي شود، در اين مقاله روشي معرفي مي‌شود كه در آن امتياز اطمينان بر اساس احتمال پسين وزن دار شده خروجي مدل تمايزي شبكه عصبي به دست خواهد آمد. روش وزن‌دهي پيشنهادي در اين مقاله بر مبناي صحت بازشناسي واجي به دست آمده از مدل بازشناس واجي مبتني بر شبكه عصبي است. نتايج به دست آمده نشان مي‌دهد كه استفاده از روش وزن‌دهي پيشنهادي منجر به بهبود 5/2 درصدي معيار FOM نسبت به روش غير وزن دار خود خواهد شد.

سیستم¬های بازشناسی گفتار دارای کاربردهای مختلفی هستند که یکی از این کاربردها استفاده در طراحی نرم¬افزارهای آموزشی کودکان است. در این پژوهش یک سیستم بازشناسی گفتار کودکان برای استفاده در طراحی یک نرم¬افزار گفتاردرمانی مورد بررسی قرار گرفته و برای ایجاد این سیستم بازشناسی گفتار، از روش مدل¬های مارکوف پنهان استفاده شده است. هدف این سیستم، بازشناسی کلماتی است که بسیار مشابه هم هستند و تنها در یک یا دو واج تفاوت دارند. این کلمات شامل 47 واژه به همراه همسان¬های مربوط به هر واژه است که اختلالاتی مثل جایگزینی یک واج با واج دیگر، جابه¬جایی یک واج با واج کناری و حذف یک واج در آن¬ها درنظر گرفته شده است. برای آموزش و آزمون سیستم بازشناسی از نمونه¬های جمع¬آوری شده مربوط به38 کودک در محدوده سنی 5 تا 9 سال استفاده شده است که داده¬های آموزش 1300 جمله و داده¬های آزمون 2500 واژه می-باشد. تمام مراحل آموزش و آزمون سیستم بازشناسی با استفاده از ابزار HTK انجام شده و دقت بازشناسی سیستم ایجاد شده 56/71% است.

الگوریتم‌های تکاملی کوانتومی، ترکیبی از الگوریتم‌های تکاملی و محاسبات کوانتومی می‌باشند که با توجه به کارایی بالای آنها در حل مسائل بهینه سازی ترکیبی مورد توجه خاصی قرار گرفته است. ایده اصلی در ترکیب این دو دسته از الگوریتم‌ها، افزایش گوناگونی در الگوریتم تکاملی می‌باشدکه این کار را با تعریف کوانتوم بیت بجای بیت کلاسیک انجام می‌دهد. هر کوانتوم بیت توزیعی آماری از بیت‌های صفر و یک را در بر دارد که در نتیجه می‌تواند با احتمالاتی که از توزیع حاصل می‌شود می‌تواند هر یک از دو مقدار صفر و یک را اختیار کند. در این مقاله با استفاده از بروزرسانی و تمایل دادن کروموزوم‌های کوانتوم بیتی با توجه به مقدار تابع ارزیابی برای بهترین کروموزوم بیتی مشتق شده از آن، همگرایی در جواب را سرعت بخشیده و بهبود قابل توجهی در کارایی آن نسبت به نسخه اصلی این الگوریتم حاصل کرده است. همچنین با اعمال این تغییر، از خاصیت احتمالی الگوریم کاسته نشده و الگوریتم همچنان توانایی خروج از اکسترمم‌های محلی را دارد. برای اثبات این مدعا، مقایسات بر روی مسئله n-وزیر انجام گرفته که در این میان نیز تغییراتی برای هرچه بیشتر هماهنگ کردن الگوریتم تکاملی کوانتومی با مسئله n-وزیر به منظور دستیابی جواب بهتر، اعمال گردیده است.

در این مقاله یک روش جدید ترکیبی برای ادغام تصاویر چند طیفی سنجنده TM با دقت تفکیک مکانی۳۰متر را با تصویر تک رنگ سنجندهSPOTبا دقت تفکیک مکانی 10مترارائه شده است. در روشپیشنهادی با استفاده از یک فرایند پسخور کنترل شونده، مزایای تبدیلهای تحلیل مولفه اصلی (PCA) و تبدیل فیلتر بالا گذر (HPF)، تبدیل موجک(WT)، تبدیلگرام اشمیت(GST)و تبديل IHSحفظ و از معایب آنها اجتناب شده است. معمولاًدر فرایند ادغام، اطلاعات طیفی تصاویر چند طیفی مغشوش می شود و اطلاعات مکانی تصاویر تک رنگ مورد تخریب قرار می گیرند. حفظ هم زمان این اطلاعات (مکانی و طیفی) در تصویر حاصل از فرایند ادغام نشان دهنده توانایی یک فرایند در ادغام می باشد. در این روش با استفاده از یک پسخور مناسب کیفیت فرایند ادغام بهبود می یابد. برای ارزیابی بهبود کیفیت ادغام از معیار های توام همبستگی مکانی ومعیار همبستگی طیفی استفاده شده است.نتایج روشپیشنهادی در مقایسه با روشهای متداول بهبود یافته است.

نهان¬کاوی فراگیر تصاویر، کشف پیام مخفی در تصویر، مستقل از روش تزریق پیام مخفی است. محتوی تصویر به کار گرفته شده می¬تواند نقش مهمی در موفقیت نهان¬کاوی داشته باشد که تاکنون در تحقیقات انجام شده توجه چندانی به آن نشده است. اساسی¬ترین ویژگی هر تصویر بافت¬نگار آن است. اگر برای هر تصویر، یک تصویر معادل با تعداد رنگ کاهش یافته m ایجاد شود، بافت¬نگار آن بافت¬نگار کوانتیزه شده به m رنگ نامیده می¬شود. مقایسه بافت¬نگارهای کوانتیزه شده به تعداد رنگ مختلف می-تواند تغییرات جزئی حاصل از تزریق پیام به تصویر را آشکار سازد. در این مقاله اثر اختلاف واریانس جفت بافت¬نگارهای کوانتیزه بر نهان¬کاوی فراگیر بررسی شده است. نتایج نشان می¬دهد که در تصاویری که اختلاف واریانس بافت¬نگارهای اصلی و کوانتیزه آنها بیشتر است، احتمال شکست نهان¬کاوی فراگیر افزایش می¬یابد. این شکست در تصاویر حامل پیام مخفی مشهودتر است. با افزایش این اختلاف واریانس، مقادیر معیارهای ارزیابی نهان¬کاوی نسبت به یکدیگر واگراتر خواهد شد. این بدین معنی است که تأثیر عوامل دیگر مستقل از اختلاف واریانس در تصاویری که اختلاف واریانس زیاد است، بیشتر است. این تحقیق روی تصاویر خاکستری JPEG صورت گرفته است.

طرح های سنتی ایران شامل مجموعه ای از نقش های اصیل و هندسی پایه است که از حیث تعداد و تکرار قابل تغییر می باشند. خلق یک اثر هنری توسط هنرمند عموما بر اساس بکارگیری یک یا چند نقش پایه و سپس استفاده از ذوق هنری در نحوه چینش و تکرارآنها است که از این طریق قادر به خلق نقوشی با تنوع و گستردگی فراوان خواهند بود. به دلیل کثرت و گستردگی نقوش و همچنین به دلیل ظرافت بالای نقش های خلق شده، فرآیند ارزیابی و رتبه بندی نقوش سنتی ایران مستلزم دقت بالا در کنار صرف زمان بسیار زیاد می باشد. لذا ارائه یک روش خودکار و کارآمد جهت رتبه بندی زیبایی نقوش خلق شده از اهمیت بسزایی برخوردار است. در این مقاله از مهمترین ویژگی زیبایی شناسی نقوش سنتی ایران یعنی تقارن برای تدوین یک روش کارآمد جهت ارزیابی کمّی آنها استفاده شده است. صحت عملکرد روش تدوین شده با استفاده از رتبه کیفی شخص خبره (استاد نگارگری) جهت امتیاز دهی به مجموعه ای از نقوش و مقایسه نتایج حاصله با نتایج حاصل از روش ارائه شده مورد بررسی قرار گرفته است. بررسی نتایج و مقایسه آنها نشان دهنده قابلیت اطمینان روش ارائه شده می باشد.

در سال¬های اخیر، حاشیه نویسی خودکار تصاویربه دليل تأثیر آن روی بازیابی و جستجوی تصاویر مورد توجه بسياري از پژوهشگران بوده است. حاشیه نویسی تصاویر اگر چه برای انسان کار پيچيده‌اي نمي‌باشد اما براي ماشين مسئله ا¬ی سخت و چالشی محسوب می‌شود. هرچنداز روش¬های طبقه‌بندي مختلفي می¬توان برایيادگيري حاشیه نویسی استفاده کرد،در این مقاله از الگوریتم kNN وزن دار به عنوان طبقه بند پایه استفاده شده است. در چارچوب پیشنهادی با تغييرات در تعداد و تنوع تصاوير آموزشي و واژه‌ها، نيازي به يادگيري مجدد طبقه بند نمي‌باشد.در این مقاله جهت کاهش شکاف معنايي از تلفيق ویژگی¬های محلی و سراسری استفاده شده است. آزمایش¬ها روی مجموعه داده¬ی Corel 5k عملکرد مطلوب روش ارائه شده را در مقايسه با روش‌هاي موجود نشان می‌دهد.

امروزه حجم بسیار بالای اسناد بایگانی شده سبب گشته، بسیاری از اسناد به صورت الکترونیکی در پایگاه های داده، ذخیره شوند. لوگوی یک متن، معرف مالکیت آن متن است و بوسیله آن می توان متون مختلف را دسته بندی کرد، به همین دلیل روش های مختلفی جهت استخراج لوگو ارائه شده است. متد های ارائه شده قبلی، دارای مشکلاتی از قبیل،خطادرتشخیصلوگوو سرعت پایین تشخیص است. روشپیشنهادیاینمقالهازدوبخشتشکیلشدهاست،دربخشاول، توسطساختاردرختیهرمیوتجزیه و تحلیلعمودیوافقی،موقعیتدقیقلوگوشناساییمیشودودربخشدوم، توسطالگوریتمگسترشمرزچهارگوشویژگی،لوگواستخراجمیگردد. روش ارائه شده در این تحقیق، دارای دقت و سرعت بالاتری نسبت به متد های قبلی ارائه شده می باشد.

مسأله‌ی زمانبندی پروژه به معنی تعیین زمانبندی مناسب برای تخصیص منابع به فعالیت‌هاست به گونه‌ای که زمان تکمیل و هزینه‌ی کلی پروژه متعادل شوند. این مسأله با در نظر گرفتن زمان مشخص و نامشخص برای اجرای فعالیت‌ها مورد مطالعه قرار گرفتهاست. درزمانبندی پروژه با زمان مشخص اجرای فعالیت‌ها، زمان اجرای هر فعالیت از قبل معلوم بوده؛ در حالی که زمان اجرای فعالیت‌ها در حالت نامشخص، یک متغیرنامعلوم است. برای حل هر یک از مسائل زمانبندی پروژه از روش‌های بهینه‌سازی مختلفی مانند الگوریتم ژنتیک استفاده شده است. در این مقاله،برای حل مسأله‌ی زمانبندی پروژه با زمان نامشخص اجرای فعالیت‌ها، یک استراتژی جستجوی محلی پیشنهاد شده که در صورت اضافه شدن به الگوریتم ژنتیک،همگرایی زودتر به جواب بهینه برای این مسأله تضمین می‌شود.

خلاصه¬سازی خودکار متن یکی از جنبه های مهم در بازیابی اطلاعات می¬باشد. در این مقاله، یک روش جدید خلاصه¬سازی خودکار متون فارسی پیشنهاد شد. در این روش، در مرحله پیش¬پردازش ریشه کلمات را با استفاده از یک روش مبتنی بر فرهنگ واژگان بدست می¬آوریم. مجموعه ترادف جملات موجود در متن از طریق همین فرهنگ واژگان بدست می¬آید. این کار منجر به یک زنجیر لغوی قوی می¬شود. در مرحله پردازش، با استفاده از زنجیر لغوی و روش تحلیل معنایی پنهان، ارتباط بین جملات مهم بدست می¬آید تا جملات مرتبط با هم گزینش و در خروجی قرار گیرند. نتایج ارزیابی نشان می¬دهد که روش ارائه شده خلاصه قابل قبول و منسجمی ارائه می دهد.