انجمن کامپیوتر ایران

تامين هزينه و انرژي موردنياز براي ارائه سرويس در شبكه¬هاي همكاري به عهده كاربران شبكه است. از سوي ديگر، كاربران شبكه¬هاي همكاري عامل¬هايي مستقل بوده و هدفشان بيشينه كردن بهره¬¬ايست كه از شبكه به دست مي¬آورند. بنابراين، در حالت عادي، كاربران شبكه انگيزه كافي براي همكاري با ساير اعضا ندارند. استفاده از مکانيزم هاي انگيزشي روشي مرسوم براي اعمال همکاري در چنين شبکه¬هايي است. در اين مقاله، يك مکانيزم انگيزشي براي شبكه¬هاي همكاري با استفاده از سيستم شهرت مرکزي و مبتني بر نظريه بازي‏ها ارائه مي¬شود. به نظر مي¬رسد بازي نظيريابي تصادفي براي مدل کردن خصوصيات پايه¬اي شبكه¬هاي همكاري مناسب باشد. از اين روي، ابتدا تعاملات بين گره¬ها به عنوان يك بازي نظيريابي تصادفي مدل شده و سپس يك پروفايل استراتژي، شامل قانون تنبيه براي بازيكن متخلف، پيشنهاد مي¬شود. اثبات مي¬کنيم كه اين پروفايل استراتژي يك تعادل زيربازي¬ـ¬كامل است. به اين ترتيب، مکانيزمي که در اين مقاله ارائه مي¬شود در تشويق گره¬ها به همکاري موفق خواهد بود.

در این مقاله روش جدیدی برای استخراج و انتخاب بردار ویژگی در یک سیستم تشخیص ارائه و سپس عملکرد آن مورد آزمایش و ارزیابی قرار گرفته است. هسته‌ی اصلی ایده عبارت است از ایجاد ترکیبی خطی از ویژگی‌های اولیه بنحوی که اولاً بردارهای جدید ایجاد شده متعامد باشند ثانیاً پراکندگی بردار ویژگی نمونه‌های هر کلاس کمتر گردد. بدیهی است وجود این دوخاصیت اولاً باعث کاهش شدت محاسبات و ثانیاً بالا رفتن دقت سیستم تشخیص می‌گردد. عملیات پیشنهادی برای کار روی بردار ویژگی عبارت است از بکارگیری روش آنالیز واریانس روی بردار اولیه ویژگی و استخراج بردارهای متعامد، سپس بر اساس ویژگی های جدید مکانیزم انتخاب صورت می‌گیرد و آنگاه ویژگی‌های انتخاب شده و بردارهای متعامد نهایی استخراج می‌گردد.جهت ارزیابی، موضوع تشخیص نفوذ به شبکه‌های کامپیوتری در نظر گرفته شده است، نتایج بدست آمده با بکارگیری روش نزدیکترین همسایه نشان می‌دهد اولاً دقت سیستم تشخیص بالاتر رفته است و ثانیاً سرعت محاسبات به میزان چشمگیری افزایش یافته است.