خوشه¬بندی یکی از وظایف داده¬کاوی و شاخه¬های یادگیری بدون نظارت است و فرایند خودکاری است که در طی آن داده¬ها به دسته¬هایی که اعضای آن مشابه یکدیگر هستند، تقسیم می¬شوند. در این مقاله روشی جدید برای بهبود سرعت و عملگرد الگوریتم کلونی زنبورهای مصنوعی (ABC) معرفی شده است. همچنین از الگوریتم پیشنهادی برای خوشه¬بندی N شی در K خوشه استفاده شده است. در روش پیشنهادی، بجای انتخاب تصادفی عنصری از راه¬حل و تغییر آن برای تولید راه¬حل جدید که در الگوریتم ABC وجود داشت، با محاسبه فاصله اقلیدسی هر عنصر در راه¬حل و میانگین داده¬های متعلق به آن خوشه در آن بعد، از k اندیس کاندید در k مرکز خوشه، یک اندیس بصورت تصادفی برای تغییر و جایگزینی انتخاب شده¬است. به این ترتیب در الگوریتم ABC، استفاده از روش پیشنهادی جستجوی محلی و تولید نقاط جدید باعث شده¬است تا در هر تکرار، احتمال تولید راه¬حل¬های بهتر و تولید نقاطی با شایستگی بالاتر افزایش یابد که این امر نه تنها باعث افزایش سرعت الگوریتم در همگرایی به نقاط بهینه شده¬است بلکه منجر به تولید جواب¬هایی با میزان شایستگی بالاتر و در نهایت بالا رفتن دقت الگوریتم نیز شده¬است. این الگوریتم روی چندین مجموعه داده واقعی استاندارد آزمایش شده و با الگوریتم¬های فرامکاشفه¬ای معروف در خوشه¬بندی مانند ,GA ,TS ,SA ,ACO ABC و K-NM-PSO مقایسه شده است. نتایج عددی نشان می¬دهد که الگوریتم پیشنهادی نسبت به سایر الگوریتم¬های موجود عملکرد بهتری دارد و شبیه¬سازی¬ها نتایج بسیار امیدبخشی را برحسب کیفیت راه¬حل و زمان محاسباتی نشان می¬دهد.

تاکنون تحقیقات فراوانی در حوزه استخراج روابط معنایی از مستندات متنی صورت پذیرفته است که اغلب آنها سعی کرده‌اند تا با استفاده از روش‌های دسته‌بندی مثل SVM، راه‌حلی برای استخراج رابطه ارائه دهند. در این تحقیق، تلاش شده است تا با استفاده از روش‌ کاوش الگوهای ترتیبی، الگوهای متعلق به رابطه‌های مختلف مشخص شده و سپس با استفاده از این الگوها، روابط درون جملات تشخیص داده شوند. در واقع هدف این تحقیق این است که ترتیب بین کلمات یک جمله در فرایند استخراج رابطه شرکت داده شود و با استفاده از الگوهایی که می‌توان از نحوه‌ی چیدمان کلمات درکنار همدیگر بدست آورد، کارایی استخراج رابطه را افزایش دهیم. برای این‌کار ابتدا با استفاده از روش‌ کاوش الگوی CloSpan، الگوهای متعلق به هر نوع رابطه را پیدا کرده و سپس برای تعیین دسته نمونه‌های آزمایشی جدید، باید مشخص کرد که نمونه مورد نظر الگوهای کدام رابطه را بیشتر در خود جای داده است. نتایج بدست آمده نشان‌دهنده‌ی این مطلب است که ایده‌ی مطرح شده کارایی به مراتب بالاتری نسبت به روش‌های موجود دارد.

امروزه موتورهاي جستجو يكي از ابزارهاي قدرتمند دستيابي كاربران به اطلاعات تحت وب مي¬باشند. كيفيت نتايج و ميزان رضايت كاربران از نتايج ارائه شده توسط موتور جستجو از مهمترين معيارهاي سنجش عملكرد اين سامانه¬ها محسوب مي¬گردد. اين مقاله با هدف نشان دادن ميزان پاسخگوئي موتورهاي جستجوي به نياز كاربران فارسي زبان ارائه گرديده است. در اين خصوص به ارزيابي كيفيت نتايج و ميزان رضايت كاربران از يك موتور جستجوي فارسي در كنار موتورهاي جستجوي محبوبي مانند گوگل و بينگ پرداخته شده است. نتایج به دست آمده نشان میدهد که موتور جستجوی گوگل در معيارهاي سنجش كيفي نسبت به ساير موتورهای جستجوي مورد مقايسه عملکرد بهتری دارد و موتور جستجوی بینگ و موتور جستجوی بومی در رتبه¬هاي دوم و سوم قرار میگیرند. همچنين نتايج اين مقاله نشاندهنده عملکرد قابل قبول و نزديك موتور جستجوی بومی پارسی جو با موتور جستجوي بينگ مي¬باشد.

شبکه¬های تورین محاسباتی (گرید) مجموعه¬ای از سیستم¬های توزیع شده و ناهمگن است که امکان اشتراک، تبادل و انتخاب منابع مستقل را فراهم می¬کند. زمانبندی در شبکه¬های تورین محاسباتی (گرید) یک مساله¬ی NP_Complete است در نتیجه برای حل مساله¬ی زمانبندی، الگوریتم¬های اکتشافی و فرااکتشافی برای رسیدن به جوابی، نزدیک جواب بهینه استفاده می¬شوند. در این مقاله یک روش ترکیبی اکتشافی جدید برای زمانبندی در محیط شبکه¬های تورین محاسباتی (گرید) ارائه شده است که طبق نتایج، با استفاده از داده¬های آزمایشی براون، زمان اتمام آخرین کار بطور متوسط 8.45 درصد نسبت به الگوریتم مقایسه شده (Heuristic) و 7.68 درصد نسبت به الگوریتم MinMin کاهش داشته است.

باتوجه به فزونی متون و اسناد الکترونیکی در دسترس و روند رو به رشد آن¬ها، نیاز به سیستم¬های خلاصه¬سازی متن محسوس¬تر شده است، به همین خاطر در سال¬های اخیر سیستم¬های خلاصه¬ساز زیادی ارائه ¬شده¬اند. این سیستم¬ها بر اساس نوع خروجی به دو دسته گزینشی و چکیده ای تقسیم می گردند. در سیستم¬های خلاصه ساز گزینشی، انتخاب جملات خلاصه با توجه به برخی از ویژگی¬های آن جمله صورت می گیرد. سیستم خلاصه¬سازی که در این مقاله معرفی می¬شود، امتیاز محاسبه شده مبتنی بر پاراگراف و جملات را به عنوان ورودی شبکه عصبی RBF (Radial basis function network) درنظر می¬گیرد. جملات برگزیده خروجی شبکه عصبی، جمعیت اولیه الگوریتم ژنتیک را تشکیل داده و جهت تولید نسل¬های بهتر و خلاصه دقیق¬تر مورد استفاده قرار می¬گیرند. در نهایت ارزیابی انجام شده نشان می¬دهد که استفاده از این رویکرد ترکیبی جدید در سیستم¬های خلاصه¬سازی متون فارسی، علاوه بر افزایش پیوستگی جملات خلاصه، دقت خلاصه نهایی را نیز بهبود می¬بخشد.

تشخیص خودکار عناصر برنامه از پیچیده ترین فعالیتهای طراحی و ساخت نرم افزار بوده که تشخیص آنان گرچه با توصیه¬هایی در مهندسی نرم افزار همراه می¬باشد، ولی تعریف آنها به مهارتهای فردی سازنده نرم افزار بستگی دارد. دراین مقاله با ارائه¬ی روشی فرمال عناصر برنامه به طور خودکار تعریف شده تا طراحی به مطلوبترین شیوه و مستقل از توانائیهای و خلاقیتهای فردی پایان بپذیرد. اگرچه روش¬های متفاوتی برای جنبه¬کاوی ارائه گردیده ولی تاکنون هیچ روشی ارائه نگردیده که به طورخودکار و بدون نیاز به درگیری کاربر کانسرن¬های متقاطع را شناسایی نماید در این مقاله با استفاده از خصوصیات ماشین خودکار محدود شده¬ی کامل روشی برای پیدا نمودن کانسرن¬های متقاطع ارائه نموده¬ایم. هم چنین روش پیشنهادی در این مقاله محدودیت وابستگی به قواعد نام¬گذاری، محدودیت درگیری کاربر به منظور حذف کانسرن¬های پیشنهادی اشتباه را نیز از میان برداشته و قادر به شناسایی تمامی کانسرن¬های متقاطع نه برخی از آنها است و در پایان با استفاده از تئوری¬های ریاضی ثابت نموده که خروجی پیشنهادی، کانسرن¬های متقاطع هستند لذا نیاز به اتلاف زمان برای بررسی متقاطع بودن یا نبودن کانسرن پیشنهادی نیست.

زیرساخت شبکه‌های اجتماعی را گراف‌هایی تشکیل می‌دهند که گره‌های گراف، نماینده کاربران و یال‌های آن، بیان‌گر ارتباطات افراد با یکدیگر می‌باشند. با توجه به انگیزه هریک از افراد، گونه عملکرد آن‌ها می‌تواند متفاوت باشد به نوعی که بر اساس آن، گروه‌های فعالیتی کاربران شکل می‌گیرد. از طرف دیگر، رفتار کاربران براثر تحریکات اطلاعاتی می‌باشد که از سوی دیگر کاربران در شبکه رخ می‌دهد. اگر یک شبکه‌ اجتماعی را به مانند یک جامعه تصور کنیم، اتفاقاتی که در یک جامعه رخ می‌دهند و نحوه برخورد اعضای جامعه با آن وقایع را می‌توانیم الگوی خود برای مدل‌سازی عملکرد کاربران یک شبکه اجتماعی هنگام مواجهه با رویدادها قرار دهیم. بیماری‌های همه‌گیر از جمله مواردی است که اعضای یک جامعه همواره با آن روبرو بوده و نحوه رفتار افراد در مقابل آن‌ها، شیوه توسعه آن بیماری‌ها را شکل می‌دهد. نحوه شیوع این چنین بیماری‌هایی در یک جامعه را می‌توان به مانند توزیع اطلاعات در یک شبکه اجتماعی قلمداد کرد و با استفاده از ایده مدل‌های رفتاری افراد جامعه در برابر این بیماری‌ها، رفتار کاربران یک شبکه را در برابر انتشاراطلاعات مدل‌سازی نمود. در این مقاله با ایده گرفتن از مدل SIRS که گونه‌ای از الگوهای بیماری‌های همه گیری است، رفتار کاربران در برابر توزیع اطلاعات در یک شبکه را مدل‌سازی نموده‌ایم و پارامترهایی را برای ارزیابی مدل استخراج کرده‌ایم که نتایج شبیه‌سازی نشان دهنده صحت تقریبی فرض‌های انجام گرفته برای مدل می‌باشد.

به¬دست آوردن انتزاع شی در طبقه بندی اشیا اهمیت بسیاری دارد. یکی از روش¬های انتزاع شی، انتزاع شکلی آن است یعنی شکل¬های هندسی پایه که یک شی را می¬سازد تشخیص داده شوند. این مقاله، چارچوب¬ انتزاع کردن بخش¬های اشیا برپایه¬ی شکل¬های هندسی تحلیلی را بهبود می¬دهد. هدف اصلی، افزایش دقت بخش گزینش شکل¬های هندسی تحلیلی است. این کار با بهبود ملاک¬های ارزیابی شکل¬ها انجام شده است. ملاک ارزیابی بهبود یافته¬، به گزینش شکل برازنده¬تر کمک می¬کند. آزمون¬های انجام شده نشان می¬دهد که روش پیشنهادی می¬تواند شکل¬ مناسب¬تری را نسبت به روش¬ موجود برای داده¬های نویزی بیابد.

اکثر قریب به اتفاق مسائل واقعی ذاتا با جنبه‌های گوناگونی از عدم اطمینان مواجه هستند. یکی از رایج‌ترین جنبه‌های عدم اطمینان، پویایی یا غیر ایستا بودن مسائل واقعی است. الگوریتم‌های بهینه‌سازی در مواجهه با محیط‌های پویا علاوه بر یافتن بهینه‌ یا بهینه‌های محیط مکلف به تعقیب تنگاتنگ بهینه و یا بهینه‌های محیط و همچنین کشف بهینه‌های جدید ایجاد شده در محیط به دلیل تغییرات محیط هستند. الگوریتم‌های مبتنی بر جمعیت دارای توانایی اجتناب از همگرایی زودرس و گذر از برخی بهینه‌های محلی هستند، اما در سوی دیگر این الگوریتم‌ها قالبا از توانایی استخراج مناسبی برخوردار نیستند. الگوریتم‌های جستجوی محلی در مقایسه با الگوریتم‌های مبتنی بر جمعیت از توانایی اکتشاف کمتری برخوردار هستند ولی قالبا دارای توانایی استخراج مناسبی هستند. در این مقاله یک الگوریتم ترکیبی همکارانه از الگوریتم بهینه‌ساز گروه ذرات و جستجوگرهای محلی تحت عنوان جستجوی محلی هدایت شده توسط بهینه‌ساز گروه ذرات (PSOledLS) ارائه می‌شود. به منظور انجام جستجو محلی دو الگوریتم متداول جستجوی محلی به علاوه یک الگوریتم جستجوگر محلی پیشنهادی مورد استفاده قرار می‌گیرند. نتایج حاصل از آزمایش‌های انجام شده در محیط‌های پویای ایجاد شده توسط تولید کننده تابع محک قله‌های روان نشان دهنده کارایی بسیار مناسب الگوریتم پیشنهادی در مقایسه با بهترین الگوریتم‌های پیشنهاد شده برای محیط‌های پویا می‌باشد.

خودشبیهی مفهومی است که در دو دهه¬ی گذشته وارد ادبیات شبکه¬های کامپیوتری شده است و نقش به سزایی در مدلسازی ترافیک شبکه¬های کامپیوتری دارد. وجود خاصیت خودشبیهی در ترافیک شبکه اثبات شده است و مشخصات آن با مدل¬های ترافیک مبنی بر توزیع پواسون متفاوت است. مدل¬های ترافیک شبکه¬های کامپیوتری نقش به سزایی در بهبود کیفیت خدمات دارند. بنابراین، برای رسیدن به کیفیت خدمات بهتر باید ویژگی خودشبیهی در مدل¬های ترافیک شبکه لحاظ شود. در این مقاله، ما دو مجموعه ترافیک شامل ترافیک شبکه دانشگاه یزد و ترافیک گروه MAWI را تحلیل می¬کنیم. تاثیر شرایط مختلف مانند بار ترافیک و کیفیت زیر ساخت را بر میزان خودشبیهی بررسی می¬کنیم. همچنین، درجه خودشبیهی پروتکل¬های مختلف و دلایل وجود اختلاف بین آن¬ها مرور می¬شود. نتایج به دست آمده حاکی از وجود رابطه مستقیم بین بار شبکه و میزان خودشبیهی بود. همچنین، وجود رابطه بین کیفیت زیرساخت و شدت وابستگی بلند مدت مورد بررسی قرار گرفت و رابطه معنی¬داری مشاهده نشد.

از مهمترین ویژگی های شبکه های موردی متحرک خاصیت متحرک بودن گره¬هاست که نقش بسزایی در پارامترهای شبکه ایفا می¬کند. این شبکه ها هیچ زیرساخت از پیش تعریف شده ای ندارند اما بوسیله ساختارخوشه می توان برای آن یک ساختار ایجاد کرد. در این خوشه ها یک گره مرکزی و اصلی بنام سرخوشه وجود دارد که دارای نقش اساسی در نگهداری ساختار خوشه، مسیریابی و کارایی شبکه دارد. در این مقاله یک روش خوشه بندی جدید دو مرحله¬ای بر اساس وزن گره ها ارائه شده است. برای محاسبه وزن اولیه از پنج پارامتر چگالی، پایداری، تعداد گره های همگرا ، میانگین فاصله و انرژی استفاده شده است. وزن نهایی نیز بر اساس تحرک نسبی حال و پیش بینی تحرک نسبی آینده گره ها نسبت به همدیگرمحاسبه شده است. هدف این روش کاهش تعداد تغییرات سرخوشه ها و بیشینه کردن طول عمر شبکه است. با نتایج حاصل از شبیه سازی و مقایسه با روش¬های WCA ،MOBIC و Lowest-id مشاهده می کنیم که روش بیان شده اهداف ما را محقق می¬سازد.

فشرده سازي داده بدلیل کاهش حجم داده تاثیر زیادي بر روي سرعت انتقال اطلاعات و نیز کاهش هزینه هاي نگهداري اطلاعات دارد. فشرده سازي داده را می توان به دو دسته فشرده سازي بااتلاف و بدون اتلاف تقسیم نمود. در فشرده سازي بااتلاف بخشی از داده ها از دست می رود. از این روش برای فشرده سازي داده هایی که انسان با آن ها سر و کار دارند، استفاده می شود مانند تصویر، ویدئو و صدا دیجیتال. اما در فشرده سازي بدون اتلاف، داده بازسازي شده با داده اصلی کاملا یکسان است. فشرده سازي بدون اتلاف داده بر اساس سه روش اصلی انجام می شود؛ روش هاي آماري، روش هاي مبتنی بر دیکشنري و روش هاي مبتنی بر پیش بینی. ما در این مقاله روش فشرده سازي بدون اتلاف داده مبتنی بر دیکشنري را انتخاب نموده ایم. در روش فشرده سازي مبتنی بر دیکشنري، یک لیست از عبارات یکتا در متن نگهداري شده و از طریق آن عبارات تکراري در متن کد می شوند. سه الگوریتم مختلف و ساختار داده متفاوت را براي این روش پیشنهاد داده ایم و نهایتا الگوریتم هاي پیشنهادي، پیاده سازي شده و با یکی از محبوب ترین روش هاي فشرده سازي مبتنی بر دیکشنري بنام LZW مقایسه شده اند. نتایج عملی روي مجموعه داده هایCalgary نشان داد که روش هاي پیشنهادي نرخ فشرده سازي را بهبود می بخشند.

شبکه¬هاي حسگر داراي دو جز اصلي مي¬باشند؛ انبوهي از حسگرها و تعداد اندکي پايگاه. در بعضي از کاربردهاي شبکه حسگر، چند دامنه وجود دارد، همکاري در ارسال بسته بين اين دامنه¬ها طول عمر شبکه¬ها را افزايش مي¬دهد. در اين مقاله، ما بر روي شبکه¬هاي حسگر ناهمگن چند دامنه¬اي تمرکز کرده¬ايم، به اين معني که هر شبکه، دامنه¬اي مجزا دارد و اين دو شبکه ناهمگن به صورت تصادفي در يک قطعه زمين پخش شده¬اند. بديهي است طول عمر دو شبکه در صورت همکاري بالاتر خواهد رفت، و البته خودخواهي از ديد منطقي بودن در امر تصميم گيري براي ارسال بسته اجتناب ناپذير است، و همکاري به صورت اتفاقي صورت نخواهد پذيرفت. بنابراين ما استراتژي انطباق پذيري از TIT FOR TAT ارائه داديم. اين الگوريتم ابداعي با همکاري سخاوتمندانه براي تحريک همکاري در شبکه مقابل شروع و به تدريج با کم شدن انرژي گره¬ها، روي به حالت محافظه کارانه روي مي آورد. نتايج شبيه ¬سازي نشان دهنده دستیابی به طول عمر بیشتر در مقابل شبکه¬های دیگر و افزایش طول عمر شبکه دیگر به علت تحریک همکاری می-باشد.

خودوفق‌پذیری معماری سرویس‌گرا روشی برای سازگاری خودکار معماری سرویس‌گرا نسبت به تغییرات محیط است. از این مفهوم برای نگهداری و تضمین خصوصیات کیفی نرم‌افزار استفاده می‌شود و برای آن چارچوب، تکنیک و ابزارهای مختلفی معرفی شده است ولی تحقیقات کمی در زمینه‌ی ارائه‌ی فرایند خودوفق‌پذیری معماری سرویس‌گرا صورت گرفته است، در صورتیکه فرایند ترتیب به‌کارگیری اجزای چارچوب را نشان می‌دهد و از مهم‌ترین اجزای چارچوب هر نوع سیستمی محسوب می‌شود. این مقاله متدولوژی SOMA را به منظور تضمین خصوصیات کیفی توسعه داده و فرایندی دو لایه‌ای شکل می‌دهد که در آن نرم‌افزار توسط زیرفرایند خودوفق‌پذیری که در لایه‌ی مجزایی قرار دارد نگهداری می‌شود. با فرایند پیشنهادی می‌توان لایه‌ی زیرفرایند خودوفق‌پذیری را به سیستم‌های موجودی که با متدولوژی SOMA ایجاد شده‌اند، اضافه کرد. برای ارزیابی فرایند پیشنهادی از معیارهای ارزیابی فرایندهای سرویس‌گرا استفاده شده است زیرا فرایند پیشنهادی فرایندی سرویس‌گرا با تمرکز بر فعالیت نگهداری است. ارزیابی صورت گرفته در انتهای مقاله نشان می‌دهد که فرایند پیشنهادی فرایند توسعه‌ی قابل قبولی بر متدولوژی سرویس‌گرا است که قابلیت نگهداری خودکار کیفیت را فراهم می‌کند.

هدف از این پژوهش اعمال ماسک‌های مربوط به فیلتر مکانی بر روی یک توالی از تصاویر (ویدئو) است، به طوری که هم‌زمان با آمدن ورودی و با سرعت بالا، خروجی آماده شود. این نوع فیلتر‌ها در کاربردهای بی‌درنگبسیاری از قبیل قطعهبندی تصاویر، تهیه نقشه‌های هوایی، تشخیص الگو، کنترل توجه دیداری و تحلیل تصاویر پزشکیمورد استفاده قرار می‌گیرند. انواع مختلف این فیلترها برای استخراج خطوط و لبه‌های تصویر، هم‌چنین گرفتن مشتق و انتگرال از تصویر استفاده می‌شود. این روشبه صورت موازی و با حداقل هزینه بر روی سخت‌افزار برنامه پذیر پیاده‌سازی شده است و قابلیت تغییر ماسک و نوع فیلتر را در زمان اجرا دارد.این سیستم به مساحتی کمتر از 30 درصد بهترین پیاده‌سازی موجود نیاز دارد و با قابلیت پردازش حدود 130 میلیون نقطه در ثانیه، 30 درصد افزایش سرعت را نشان می‌دهد. از لحاظ حافظه‌ی مورد نیاز هم تنها به نگه داری دو خط از تصویر نیازمند است. نتایج کاربردی روی تصاویر نمونه عرضه شده است که نشان‌دهنده‌ی کیفیت و کارایی این روش در کاربردهای به هنگام است.

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.

امروزه با گسترش روز افزون مراکز داده مبتنی بر رایانش ابری و تقاضای استفاده از سرویس‌های ابری، یکی از مهمترین مشکلات پیش روی این مراکز داده رشد فزاینده مصرف انرژی است.کاهش مصرف انرژی در این مراکز داده مستلزم استفاده بهینه تر از منابع پردازشی موجود از جمله ماشین‌های مجازی و میزبان‌های فیزیکی است. استقرار ماشین‌های مجازی در میزبان‌های فیزیکی از دو جنبه قابل بحث است. جنبه اول استقرار اولیه آنها قبل از پردازش سیستم و جنبه دوم تغییر این چینش در حین پردازش سیستم به منظور متعادل‌سازی بار پردازشی بین میزبان‌ها است. در این تحقیق روش جدیدی برای استقرار اولیه ماشین‌های مجازی در میزبان‌های فیزیکی با استفاده از الگوریتم ژنتیک گروهی پیشنهاد شده است ونشان داده شده است که استفاده از این روش برای استقرار اولیه ماشین‌های مجازیو نیز بهره‌گیری از تکنیک "مهاجرت ماشین‌های مجازی" برای تغییر چینش ماشین‌های مجازی در حین پردازش سیستم، می‌تواند سبب کاهش مصرف انرژی در مراکز داده شود.

In this paper, a novel manner for unrestrained pose-invariant face recognition was proposed. Also, a novel and efficient method was proposed to reconstruct the 3D models of a human face from a single 2D face image with variety in facial expression using the Deformable Generic Elastic Model (D-GEM). Three generic models were em-ployed for modeling facial expression in the Generic Elastic Model (GEM) framework and a mixture of these three models by using computing distance around face lips. Par-ticularly, present method was tested on an available 2D face databases without facial expression images and a new synthesized sequences pose from gallery images and com-pared present synthesized results with target face images by performing face recognition using the rank-one recognition rate with the smallest cosine distance. Promising results were acquired for handling pose changes based on the proposed method compared to the GEM approach

Electrocardiogram (ECG) signals are widely used in healthcare systems for monitoring vital status of patients. Anomalous patterns in ECG of a patient might trigger an alarm for an emergency case; therefore anomaly detec-tion is a basic problem in health monitoring systems. In this paper, we propose a hidden Markov model (HMM) based novel anomaly detection framework, which uses SAX1-represented ECGs. According to basic investigations, typical HMM and SAX are not good candidates for anomaly detection, because of low resolu-tion of SAX. However, we contribute a threshold-based hidden Markov model which compensates for the SAX low-resolution problem. Furthermore, our pro-posed threshold reduces the dependency of the model to the distribution of hidden state by taking into account the likelihood probability of anomalous patterns. Re-sults of experiments demonstrate that the threshold based HMM labels samples with the accuracy of 96% and 99% in two datasets

Combining services to build compositions is a key concept in Service Oriented Architecture. In a service composition with transactional property, each service failure may impose a rollback cost on the composition due to the rollback of its dependent successfully ended services. Reducing the mean rollback cost of a composition is possible by applying Fault Tolerance (FT) patterns to each task in order to decrease the failure probability of the composition. Different FT patterns with different imposed cost and execution time overheads can be applied to each task within the composition workflow. In this paper we have formulated the problem of choosing FT patterns for a given transactional composition as an optimization problem and a NSGA-II genetic algorithm has been proposed to find a mapping of patterns totasks which satisfies conflicting objectives. The effectiveness of the proposed approach has been evaluated by applying the optimization process to different compositions