انجمن کامپیوتر ایران

الگوریتم (system Artificial Immune Recognition) با استفاده از مجموعه داده های آموزشی و با الهام گرفتن از سیستم ایمنی بدن سعی در ساختن الگوهای نماینده ( یا سلول های حافظه ) دارد. در فاز عمومیت، به کمک الگوریتم k نزدیکترین همسایه (KNN) و با استفاده از الگوهای نماینده ی ساخته شده، طبقه بندی داده های ورودی جدید انجام می پذیرد . تحقیقات اخیر نشان داده است که کارایی این روش طبقه بندی تا حد زیادی به معیار فاصله مورد استفاده وابسته است؛ در این مقاله، نسخه ای از الگوریتم AIRS به نام (AD-AIRS)Adaptive Distance AIRS ارائه می شود که از یک نوع معیار فاصله وفقی استفاده می کند . الگوریتم AD-AIRS در مقایسه با الگوریتم AIRS نه تنها از دقت بهتری برخوردار است بلکه تعداد الگوهای نماینده ساخته شده توسط آن کمتر از الگوریتم AIRS می باشد این مسئله از این لحاظ حائز اهمیت است که باعث افزایش سرعت در فاز طبقه بندی می شود.

مخابرات سیار به نوعی از انتقال داده ها می پردازد که به کاربر امکان ارتباط برقرار کردن با سایر کاربران را هم در هنگام حرکت وهم در مواقعی که کاربر در مکان نامعلومی به سر می برد را می دهد . در طی عملیات طراحی شبکه های سلولی طبق محاسبات انجام شده تعداد محدودی سایت برای پوشش یک ناحیه در نظر گرفته خواهد شد در نتیجه جایگذاری صحیح این تعداد محدود در سطح منطقه باعث کاهش هزینه ها چه از نظر پوششی وچه از نظر گسترش شبکه در مراحل بعدی خواهد شد. در مقاله حاضر با طراحی یک الگوریتم ژنتیک راه حلی برای مسئله طراحی شبکه سلولی ارایه کرده ایم . مهمترین خصوصیت الگوریتم ارایه شده علاوه بر یافتن مکان آنتهای انتقال اطلاعات، یافتن تعداد این آنتن ها برای پوشش مناسب و حداقل کردن هزینه می باشد. بطوریکه الگوریتم ارایه شده توانایی یافتن تعداد آنتهای مورد نیاز برای هرنقشه واقعی را دارا می باشد.

بهينهسازي پرسوجو در شبکههاي حسگر، يکي از زمينههاي تحقيقاتي در حال رشد است. به دليل وجود مسائلي چون پهناي باند محدود، محدوديت در منبع تغذيه و سروکار داشتن با جريان دادهها، پردازش پرسوجو در شبکههاي حسگر، با چالشهاي متعددي روبروست. در اين راستا، محدوديت منبع انرژي را ميتوان به عنوان اصليترين چالش نام برد. در اين تحقيق، معماري جديدي جهت بهينه- سازي اجراي پرسوجوها بر اساس دادههاي تقريبي در شبکههاي حسگر، معرفي ميشود و الگوريتمي ارائه ميگردد که به مسئله سطح اعتماد پرسوجو در شبکه، تمرکز دارند. در شبکههاي حسگر بزرگ، انتظار اينکه نتايج پرسوجو، بازتابي دقيق از وضعيت جاري شبکه باشند، منطقي به نظر نميرسد. تکنيکهاي مديريت دادههاي تقريبي در شبکههاي حسگر، از اين حدود تحمل در مورد عدم دقت نتايج در کاربردهاي مختلف استفاده مينمايند تا به اين صورت بار ارتباطي و اکتسابي در شبکه را کاهش دهند. در اين مقاله جهت پاسخگويي به پرسوجوها از روش پيشبيني خطي استفاده ميشود. مهمترين ايده در طراحي الگوريتمهاي پيشنهادي براي کاهش مصرف انرژي و کمکردن هزينههاي ارتباطي از طريق کاهش تعداد پيغامهاي ارسالي ميان گره- هاي حسگر، انجام پردازشها به صورت محلي و با بهرهگيري از روش پيشبيني خطي است.

سيستم IFF يک سيستم الکترونيکي است که براي چکيده - سيستم تشخيص هواپيماهاي دوست از دشمن ، تعيين نوع هواپيما و ماموريت آن بکار مي رود. رادارهاي نظارتي ثانويه در خلال جنگ جهاني دوم شكل يافتند و از آن زمان تا كنون بطور گسترده اي گسترش يافته اند. در اين سيستم نظارتي به هر هواپيما يك كد خاص اختصاص داده شده كه اين كد مي تواند توسط ايستگاه زميني از هواپيما سوال شود. قابليت شناسايي هواپيماهاي خاص و همبسته كردن حركت آنها با نقشه هاي پرواز از قبل پر شده اساس سيستم كنترل ترافيك مدرن امروزي را تشكيل مي دهد در اين مقاله پياده سازي ديكدر يك سيستم رادار IFF با استفاده از يك كارت مبتني بر استاندارد PCI شرح داده شده است.

در طرح هاي برنامه نويسي چندنگارشي مبتني بر تنوع نرم افزار و راي گيري، مفاهيم درستي و توافق اكثريت با يكديگر متفاوتند. به عبارت بهتر اين روشها نمي توانند هيچ تفاوتي ميان توافق روي خروجي هاي نادرست يا درست قائل شوند و با كوچكتر شدن دامنه خروجي، احتمال توافق نادرست افزايش م ييابد. هدف اين مقاله ارائه طرحي براي بهبود الگوريتم راي گيري اكثريت با فضاي خروجي دودويي در فنون برنامه نويسي چندنگارشي در محي طهاي بدخواهانه و در شرايطي است كه بيش از نيمي از گره ها ممكن است به مصالحه درآيند. كاربرد اين طرح در سيست مها و نر مافزارهاي تحمل پذير نفوذ است.

گرید محاسباتی تکنولوژي جدیدي است که با هدف به اشتراك گذاشتن منابع و همکاري در سطحِ وسیع پدید آمده است. زمانبندي وظایف براي رسیدن به سطح کیفیت مطلوب، از جمله زمینههاي مهم و مطرح در محیط گرید است. هرچند کارهاي زیادي در مورد نحوهي زمانبندي و توزیع زیروظایف در محیط گرید و با هدف افزایش قابلیتاطمینان و کارآیی آن انجام شده، ولی در مورد ارائه تعریف صوري کارهاي زیادي صورت نگرفته و کارهاي موجود هر کدام به جنبهي خاصی از توزیع زیروظایف اشاره کرده یا در مورد مثالی خاص ارائه شدهاند. ما، در این مقاله، قابلیت اطمینان در سرویسهاي گرید را بررسی کرده و با استفاده از شبکههاي پتري رنگی، مدلی براي محاسبه آن ارائه نمودهایم.

تکامل شبکه هاي نورونی به کمک الگوریت م هاي تکاملی از جمله زمین ههاي تحقیقاتی گسترده اي است که در آن خودکارسازي بخش هاي مختلف یک شبکه نورونی مدنظر می باشد . از این میان، الگوریتم SANE به عنوان راهکاري مناسب جهت تکامل شبکه هاي نورونی به کمک الگوریت مهاي تکاملی مطرح است. هدف این مقاله ارائه راهکاري جهت بهبود کارائی الگوریتم SANE براي تکامل شبکه هاي نگاشت خودسازمانده است . ضعف الگوریتم مذکور، عدم توانائی در نزدیک کردن وزن اتصالات شبکه به ورودي آن است . راهکار حاضر شامل اعمال تغییرات در عملگرهاي تکاملی الگوریتم SANE شامل عملگر کراس اور و جهش بوده و نمودارهاي حاصل از شبیه سازي صورت گرفته، نشان از بهبود نتایج الگوریتم مذکور دارد. در شبیه سازي صورت گرفته از مجموعه داده هاي بیماري قلب، سرطان سینه، دیابت و همتائی هشت بیتی استفاده شده است . بهبود صورت گرفته شامل توانمند نمودن الگوریتم SANE در نزدیک کردن وزن شبک ه هاي نورونی به ورودي شبکه است.

در اين تحقيق استفاده از كانتورهاي IRAD به عنوان ويژگي هاي مستقل از زاويه، براي تخمين زاويه ي چهره در تصاوير سه بعدي پيشنهاد شده است. با استفاده از اين كانتورها و يك روش دقيق در تخمين موقعيت بيني به سيستمي براي تخمين زاويه ي چهره در تصاوير سه بعدي دست يافت هايم. اين سيستم نياز به هيچ نوع داد هي آموزشي ندارد و بدليل استفاده از داد ههاي عمق چهره نسبت به تغيير شدت روشهايي محيط مقاوم مي باشد. نتايج پياده سازي اين روش بر روي پايگاه داده ي FRAV3D نشان مي دهد كه روش پيشنهادي در تخمين زاويه داراي دقتي بين درصد 99%- 97% با خطاي 9 درجه در سه محور مختصات مي باشد.

در اين پژوهش ميزان اهميت زيرباندهاي مختلف سيگنال گفتار در بازشناسي گوينده سنجيده شده و بر اساس اين ميزان اهميت، يك ويژگي جديد براي بازشناسي گوينده از همجوشي اطلاعات زيرباندهاي مختلف سيگنال گفتار بدست آمده است. براي اين منظور نمونه هاي آموزشي و آزمايشي گفتار به كمك درخت تجزيه تبديل ويولت بسته اي، به 16 زير باند تقسيم شده و هريك از اين زير باندها بطور مستقل براي بازشناسي گوينده مورد استفاده قرار گرفت . با توجه به ميزان دقت بازشناسي گوينده بدست آمده براي هر زير باند، اين زير باندها به 4 رتبه اهميت براي بازشناسي گوينده رتبه بندي شدند . سپس بر اساس رتبه هر زير باند تعداد معناداري از ضرايب بردار ويژگي حاصل از همجوشي به زيرباند مربوطه اختصاص يافت. در انتها اين بردار ويژگي در يك سيستم بازشناسي گوينده مورد استفاده قرار گرفت . نتايج حاصل حاكي از موفقيت اين ويژگي در تمايز گويندگان مختلف مي باشد بطوريكه توانسته است 94 درصد / براي تصديق هويت 490 نمونه از 35 گوينده به دقت بازشناسي 5 دست يابد.

در سيستم هاي شناسايي زبان كه از اطلاعات سطح پايين زباني استفاده مي كنند، معمولا از يك پس پردازنده براي جداسازي بهتر زبان ها از هم استفاده مي شود. پس پردازنده هاي رايج از نوع مدل هاي مخلوط گوسي مي باشند كه نياز به دادگان وسيع توسعه اي دارند. از طرفي تصميم گيري روي بردارهاي خروجي هر فريم گفتاري براي شناسايي زبان، دقت را بسيار پايين مي آورد. براي رفع اين مشكل ابتدا توسط كرنل هاي دنباله اي، كل بردارهاي حاصل از يك گفتار را به يك بردار نگاشت مي كنند و سپس توسط ماشين هاي بردار پشتيبان، اين بردارها را از هم جدا مي كنند. ما در اين مقاله كرنل دنباله اي جديدي پيشنهاد كرده ايم كه نسبت به كرنل هاي دنباله اي مشابه كه بهترين راندمان را در كاربرد شناسايي زبان دارند و همچنين پس پردازنده هاي گوسي، راندمان سيستم شناسايي زبان را بالاتر مي برد. ما آزمايش هاي خود را روي دو دادگان 2003& 1996 NIST-LRE و OGI-TS 11و 22 زباني انجام داده ايم. نتايج نشان دهنده افزايش نسبي حدودا 4% راندمان شناسايي زبان با استفاده از كرنل دنباله اي پيشنهادي ما مي باشند.

كاوش داده هايي مانند ميكروآرايه ها كه ابعاد بس يار بالا يي دارند، باعث به وجود آمدن مشكلات جد ي بر اي اكثر الگور يتم ه اي كارآمد الگوكاوي موجود مي گردد و كارآ يي آنها را با چالش جد ي مواجه مي نمايد. در سالهاي اخير متدهاي جديدي ارائه شده كه مبتني بر شمارش سطرها هستند و با انجام يك جستجوي از پايين به بالا بر روي فضاي تركيب سطرها سعي در الگوكاوي كارآمد دارند كه با توجه به تعداد اندك سطرها در داده هاي ميكروآرايه اي، اين روش ها بس يار كارآمدتر از روش هاي مبتني بر شمارش ستون ها هستند. اما رويكرد از پايين به بالاي اين روش ها از يك سو و عدم امكان فشرده سازي مناسب اطلاعات از سوي ديگر سبب شده است كه روش هاي مزبور فاقد كارآيي كافي به منظور هرس نمودن فضاي جس تجو با توجه به مقدار حد آستانه مشخص شده توسط كاربر باشند و اين مساله منجر به طولاني شدن زمان اجرا و ايجاد فضاي سربار در حافظه مي گردد. در اين مقاله روش جستجوي جديدي به صورت كاوش از بالابه پا يين مبتني بر نمايش بيتي تراكنش ها بر روي ي ك درخت شمارش سطر ارائه مي گردد كه امكان استفاده كامل از قدرت هرس كردن توسط حد آستانه اي داده شده توسط كاربر را فراهم مي نمايد و به كوچك شدن شگفت انگيز فضاي جستجو مي انجامد . با استفاده از ا ين استراتژ ي جستجو، الگوريتم كاوشي به نام Clobimat طراحي شده است كه قادر به يافتن مجموعه كامل همه الگوه اي تكرارشونده بسته در مجموعه داده هاي با ابعاد بسيار بالاست. به علاوه روش جديدي براي تست بسته بودن الگوها ارائه شده است كه مانع از پويش چندين باره مجموعه داده مي گردد. مطالعات انجام شده نشان داده است كه الگوريتم ارائه شده در اين مقاله به لحاظ كارآيي برتري قابل ملاحظه اي نسبت به الگور يتم Carpenter كه يك الگور يتم جستجوي پايين به بالا ي فضاي سطرهاست- و الگوريتم FPClose كه يك الگوريتم مبتني بر جستجوي ستون هاست- دارد.

In recent years many researches have focused on ad-hoc networks, mainly because of their independence to any specific structure. These networks suffers from frequent and rapid topology changes that cause many challenges in their routing. Most of the routing protocols try to find a path between source and destination nodes because any path will expire, offer a short period, the path reconstruction may cause the network inefficiency. The proposed protocol build two paths between source and destination and create backup paths during the route reply process, route maintenance process and local recovery process in order to improve the data transfer and the fault tolerance. The protocol performance is demonstrated by using the simulation results obtain from the global mobile simulation software(Glomosim). The experimental results show that this protocol can decrease the packet loss ratio rather than DSR and SMR and it is useful for the applications that need a high level of reliability.

Blinded data mining is a branch of data mining technique which is focused on protecting user privacy. To mine sensitive data such as medical information, it is desirable to protect privacy and there is not worry about revealing personalized data. In this paper a new approach for blinded data mining is suggested. It is based on ontology and k-anonymity generalization method. Our method generalizes a private table by considering table fields’ ontology, so that each tuple will become k-anonymous and less specific to not reveal sensitive information. This method is implemented using protégé and java for evaluation.

This paper presents an efficient algorithm for adaptive binarization of degraded document images. Document binarization algorithms suffer from poor and variable contrast in document images. We propose a contrast independent binarization algorithm that does not require any parameter setting by user. Therefore, it can handle various types of degraded document images. The proposed algorithm involves two consecutive stages. At the first stage, independent of contrast between foreground and background, some parts of each character are extracted and in the second stage, the gray level of foreground and background are locally estimated. For each pixel, the average of estimated foreground and background gray levels is defined as threshold. After extensive experiments, the proposed binarization algorithm demonstrate superior performance against four well-know binarization algorithms on a set of degraded document images captured with camera.

Quantum Evolutionary Algorithm (QEA) is a novel optimization algorithm which uses a probabilistic representation for solution and is highly suitable for combinatorial problems like Knapsack problem. Fractal image compression is a well-known problem which is in the class of NP-Hard problems. Genetic algorithms are widely used for fractal image compression problems, but QEA is not used for this kind of problems yet. This paper uses a novel Functional Sized population Quantum Evolutionary Algorithm for fractal image compression. Experimental results show that the proposed algorithm has a better performance than GA and conventional fractal image compression algorithms.

Increasing the domain of locality by using treeadjoining- grammars (TAG) encourages some researchers to use it as a modeling formalism in their language application. But parsing with a rich grammar like TAG faces two main obstacles: low parsing speed and a lot of ambiguous syntactical parses. We uses an idea of the shallow parsing based on a statistical approach in TAG formalism, named supertagging, which enhanced the standard POS tags in order to employ the syntactical information about the sentence. In this paper, an error-driven method in order to approaching a full parse from the partial parses based on TAG formalism is presented. These partial parses are basically resulted from supertagger which is followed by a simple heuristic based light parser named light weight dependency analyzer (LDA). Like other error driven methods, the process of generation the deep parses can be divided into two different phases: error detection and error correction, which in each phase, different completion heuristics applied on the partial parses. The experiments on Penn Treebank show considerable improvements in the parsing time and disambiguation process.

In this paper we present a new approach for evolving an optimized neural network architecture for a three layer feedforward neural network with a mutation based genetic algorithm. In this study we will optimize the weights and the network architecture simultaneously through a new presentation for the three layer feedforward neural network. The goal of the method is to find the optimal number of neurons and their appropriate weights. This optimization problem so far has been solved by looking at the general architecture of the network but we optimize the individual neurons of the hidden layer. This change results in a search space with much higher resolution and an increased speed of convergence. Evaluation of algorithm by 3 data sets reveals that this method shows a very good performance in comparison to current methods.

اين مقاله مسئله جداسازي كور سيستمهاي طيف گسترده پرش فركانسي (FHSS) را با استفاده از يك المان آرايهاي بدون دانستن الگوي پرش و يا جهت سيگنال ورودي (DOA) براي كاربردهاي زمانحقيقي مورد بررسي قرار ميدهد. در اين مقاله الگوريتم مورد استفاده، الگوريتم تخمين و قطري سازي توام ماتريس كاميولنت (JADE) ميباشد. مزيت اين الگوريتم، سرعت بالاي آن ميباشد كه باعث شده است براي كاربردهاي زمان-حقيقي مناسب باشد. اما مشكل الگوريتم JADE رعايت نكردن ترتيب منابع يا جايگشت آنها به هنگام جداسازي است. براي حل مشكل جايگشت در اين مقاله، از ماتريس همبستگي استفاده ميكنيم.