انجمن کامپیوتر ایران

نویز اسپکل به طورکلی بر کیفیت تصاویر سونوگرافی تاثیر می گذارد و باعث کاهش وضوح و کنتراست در این تصاویر می‌شود، در نتیجه، دقت تشخیص را پایین می‌آورد. در این مقاله، فیلترمیانگین غیرمحلی بیزی بهبود یافته (EBNLM) بمنظور حذف نویز اسپکل در تصاویر سونوگرافی پستان پیشنهاد شده است. میانگین غیرمحلی (NLM) یک فیلترموثر در حذف نویز است. فیلتر(EBNLM) توسعه یافته الگوریتم (NLM) است، که یک چارچوب کلی احتمالی برای حذف نویزتصویر فراهم می‌کند که می ‌تواند با نویز غیرگوسی مطابقت کند، و همچنین پارامترسازی آن بهتر از فیلتر (NLM) است. علت استفاده از فیلتر میانگین غیرمحلی بیزی بهبود یافته محافظت بیشتر از جزئیات تصویرمی‌باشد، که این کار را با اضافه کردن طیف سیگما به عملیات پیشین تصویر انجام می‌دهد. نتایج برروی تصاویر سونوگرافی پستان نشان می‌دهد که روش پیشنهادی در فرآیند حذف نویز بطور موثر نویزاسپکل رابدون مات کردن لبه‌ها از بین می‌برد، و همچنین قادر به حفظ دقیق لبه ها وجزئیات ساختاری تصویر است.

نازک‌سازی، یک نوع پیش‌پردازش روی تصویر کاراکترها است که طی آن عرض تمام بخش‌های هر کاراکتر به یک پیکسل کاهش می‌یابد. در این مقاله روشی برای نازک سازی حروف تایپی فارسی ارائه شده است که از طریق تکرارهای متوالی کار نازک سازی را انجام می دهد، این کار به کمک حفر سطوح و حذف پیکسل‌های دندانه‌ای انجام می‌شود. این مقاله قصد دارد با استفاده از الگوریتم های پایه ریخت شناسی به نازک سازی کاراکترهای تایپ شده فارسی به گونه‌ای بپردازد که تشخیص بصری کاراکترهای زبان فارسی را آسان سازد. با توجه به زیاد بودن تعداد نقاط دندانه‌ای در اطراف کاراکترها، این روش از سرعت بالایی برخوردار است. نتایج حاصل از پیاده سازی نشان داد که این روش علاوه بر حفظ پیوستگی، نازک‌سازی در حد یک پیکسل و بهبود سرعت قادر به صاف نمودن منحنی‌های افقی و عمودی در شکل کاراکترها همراه با حفظ دندانۀ حروف می‌باشد. این موضوع کمک مؤثری به تشخیص بصری کاراکترها می‌کند. اگرچه کارایی بصری این روش نسبت به روش ژانگ-سوئن اندکی ضعیف تر است، اما زمان مورد نیاز در این روش نسبت به روش ژانگ-سوئن بسیار کمتر است.

هرس تجمیع یکی از مؤثرترین عملیات برای افزایش عملکرد پیش‌بینی و کاهش سربار محاسباتی روش‌های تجمیعی در حیطه یادگیری ماشین است. این عملیات که یکی از مسائل NP-Complete می‌باشد، توجه محققان زیادی را در این حیطه به خود جلب کرده است. در این مقاله، یک روش هرس دسته‌بند تجمیعی جدید پیشنهاد می‌شود که با استفاده از انتخاب پیشروانه الگوریتم‌های جستجوی ممنوعه، بهترین مدل‌ها را به صورت گام به‌گام از تجمیع اولیه انتخاب می‌کند تا در انتها بهترین زیرمجموعه از آن به دست آید. به علاوه در این روش، یک استراتژی جدید و اثرگذار با نام "فراموشی دوره‌ای" که خاص لیست ممنوعه است، پیشنهاد می‌شود. روش پیشنهادی با دو روش پیشرفته مشابه برای هرس یک تجمیع اولیه ناهمگن و روی 10 مجموعه داده استاندارد، مورد مقایسه و ارزیابی قرار می‌گیرد. این آزمایش‌ها براساس معیار دقتِ تجمیع هرس شده، اندازه آن و میانگین زمان اجرا تحلیل می‌شوند. نتایج آزمایش‌ها نشان می‌دهد که روش پیشنهادی در مقایسه با دو روش مشابه، به طور میانگین منتهی به 069/3% بهبود دقت می‌شود. به علاوه، روش پیشنهادی در کاهش اندازه تجمیع اولیه و یافتن مدل‌های دقیق‌تر آن، موفق‌تر است که یکی از دلایل این امر می‌تواند وقت بیشتری باشد که برای جستجوی مدل‌ها صرف می‌کند.

کاوش استفاده از وب که از شاخه‌هاي وب کاوي می‌باشد به پیشبینی صفحه بعدي کاربر و همچنین شناسایی رفتار کاربر می‌پردازد. یکی از چالش‌هاي این حوزه، تشخیص شیوه رفتاري کاربر جهت پیش‌بینی دقیق‌تر صفحه بعدي مورد نظر وي است. آنچه کار مهم است، صحت پیش‌بینی به همراه کاهش زمان مورد نیاز براي پیش‌بینی می‌باشد. ما در این مقاله از مدل خوشه‌بندي کامیانه استفاده کرده و توسط یکچارچوب جدید قابل گسترش، به پیش‌بینی صفحه بعدي کاربر می‌پردازیم. هدف ما در این مقاله ارائه راهکاري براي افزایش صحت و کاهش زمان پیش‌بینی برخط صفحه بعدي کاربر می‌باشد. نتایج حاکی از افزایش صحت پیش بینی و کاهش زمانی پیش‌بینی برخط به میزان قابل ملاحظه‌اي می‌باشد.

يكي از تكنيك‌هاي ارائه شده براي زمانبندي در واسطه‌های توري، زمانبندي اقتصادي می‌باشد كه يكي از مهمترين آنها الگوريتم زمانبندي مبتني بر محدوديت زمان و هزينه است. در اين الگوريتم‌ها زمان‌بندی بر اساس دو محدوديت زمان و هزينه براي اجراي كارها که توسط کاربر اعلام می‌شود، انجام مي‌گيرد. يكي از چالش‌هاي مهم اين روش‌ها، عدم قطعیت اجراي يك كار روي يك منبع توري است كه باعث تفاوت در رويه اجراي كارها و تفاوت با پيش‌فرض‌های زمانبندي مي‌شود. اين كاستي، تاثير منفی روي نسبت اتمام كارها گذاشته و ميزان از دست رفتن سرمايه را افزايش مي‌دهد. در اين مقاله، هزينه و زمان به صورت يك توزيع احتمالي در يك چارچوب تئوري تصميم‌گيري در نظر گرفته شده و سپس با گسترش الگوريتم‌هاي اقتصادي، تكنيك‌هاي جديد زمانبندي مبتني بر محاسبات احتمالي ارائه شده است. الگوريتم‌هاي ارائه شده در اين كار انتخاب كاربر را در نوع انجام كارها افزايش داده و باعث بالا رفتن نسبت اتمام كارها شده است. شبیه‌سازی نشان می‌دهد که روش‌های مبتنی بر توزيع احتمالي زمان اجرا در صورت استفاده از تخمين اوليه كاربر عملكرد بهتري از خود نشان مي‌دهند. الگوريتم‌ها اقتصادي مبتني بر مدل بيزين ارائه شده در اين مقاله (الگوريتم 3-2)، به طور میانگین، در زمان 12 درصد، در نرخ اتمام كارها 9 درصد و در هزینه كل 8 بهبود نشان داده است.

در این مقاله، قبل از هر چیز، یک پروتکل ساده در قالب مراحل قابل اجرا توسط هر یک از سیستم‌های توزیع شده معرفی و Trace می‌شود. سپس پروتکل‌های توافق خطی و غیرخطی را برای شبکه‌های عامل پویا معرفی می‌کنیم. این پروتکل به عامل‌ها این امکان را می‌دهد تا به‌صورت توزیع شده و با همکاری یکدیگری به توافق برسند. مواردی از قبیل شبکه‌های دارای تاخیر زمانی در ارتباطات و یا کانال‌هایی که داری اثر فیلترینگ هستند نیز در نظر گرفته می‌شوند. کران بالای مناسبی برای حداکثر تاخیر زمانی قابل تحمل در شبکه شناسایی شده است. نشان داده می‌شود که ارتباطات شبکه کلید اصلی در دستیبای به توافق مورد نظر است. همچنین تابع لیاپانُف به منظور تعیین یک کمیت قابل اندازه‌گیری برای عدم توافق کلی، معرفی می‌شود. در نهایت نیز نتایج شبیه‌سازی‌های انجام شده برای پروتکل‌های توافقی در این مقاله معرفی می‌شوند، نشان داده می‌شود.

مهندسی نرم افزار مبتنی بر عامل در سالهای اخیر به یکی از موضوعات مورد بحث در مهندسی نرم افزار تبدیل شده است. نیاز به معماری های باز دلیلی است که سبب تولید و استفاده برنامه های عاملگرا می شود. علت این امر تغییر و تکامل پیوسته این گونه معماری ها است، یعنی با هر بار اجرای جدید برنامه نیاز مندی های جدیدی تولید می شود. هدف از ساخت نرم افزار های عاملگرا ساخت متدولوژی و ابزارهایی است که توسعه و نگهداری نرم افزارهای عاملگرا را به صورت ارزان، انعطاف پذیرتر و دارای کار کردی ساده و راحت امکان پذیر نماید. بیشتر این نرم افزارها بسیار قوی، مستقل و فعال می باشند. همچنین برنامه های عاملگرا باید توانایی تشخیص پیچیدگی ها را در مراحل اولیه را دارا باشند. لذا تولید نرم افزاری بدون خطا هدفی مهم، در پیشروی مهندسین نرم افزار است. در این مقاله به بیان راهکاریی در جهت رسم نمودارهای موجود در یکی از متدولوژی های عاملگرا به نام تروپوس می پردازیم. ما برای رسیدن به این هدف از سیستم های انتقال گراف و ابزار AGG استفاده می نماییم. سرانجام در پایان کار به بحث راستی آزمایی متامدل تعریف شده توسط یک مثال می پردازیم.

چارچوب‌های نرم‌افزاری شیءگرا به دلیل داشتن مزایایی چون ایجاد یک بستر استاندارد برای طراحی و پیاده‌سازی سامانه‌های نرم‌افزاری، کاهش هزینه‌ها، کاهش زمان توسعه‌ی سیستم، استفاده مجدد از کد، و افزایش قابلیت مراقبت و نگهداری به صورت گسترده توسط برنامه‌نویسان مورد استفاده قرار می‌گیرند. ولی این چارچوب‌های نرم‌افزاری مشابه هر نرم‌افزار دیگر به دلیل مطرح شدن نیازمندی‌های جدید و یا رفع‌ کردن خطاها در طول زمان دچار تغییر و تحول می‌شوند. این تغییرات موجب می‌شوند برنامههایی که با استفاده از این چارچوب‌های نرم‌افزاری نوشته شده‌اند دچار مشکل شده و به درستی کار خود را انجام ندهند. بنابراین همراه با به‌روزرسانی و تکامل چارچوب‌های نرم‌افزاری، این برنامه‌ها نیز نیازمند به‌روزرسانی و تکامل می‌باشند. در این مقاله روشی ارائه شده است که تکامل یک چارچوب نرم‌افزاری شیءگرا را با استفاده از تحلیل تکامل مفاهیم یا وظیفه‌مندی‌های عرضه شده توسط آن چارچوب در بین نسخه‌های مختلف آن می-سنجد، و قوانین تغییری برای فرآیند تکامل مفاهیم چارچوب‌های نرم‌افزاری شیءگرا استخراج می‌کند که برنامه‌نویسان با استفاده از این قوانین تغییر می‌توانند برنامه‌های خود را به‌روزرسانی کنند. دستاورد این مقاله، روشی نیمه‌خودکار و با دقت و قابلیت‌بازیابی قابل قبول جهت کشف قوانین تغییر مورد نیاز برای به‌روزرسانی برنامه‌ها می‌باشد. برای بررسی و شفاف-سازی این روش نمونه‌ی عملی از آن نیز پیاده‌سازی شده است. در نهایت برای سنجش کارایی روش پیشنهادی، تکامل تعدادی چارچوب نرم‌افزاری با استفاده از این روش تحلیل شده و نتایج بدست آمده با نتایج روش‌های پیشین مقایسه گردیده است.

یافتن بهینه سراسری توابعی از دسته مسائل NP-hard، در سال های اخیر، بسیار مورد توجه قرار گرفته است. بسياري از مسائل بهينه‌سازي در مهندسي، پيچيده‌تر از آن هستند كه با روش‌هاي مرسوم بهينه‌سازي نظير روش های تحلیل رياضي قابل حل باشند. بنابراین برای اینکه بتوان در فضای پیچیده این گونه توابع، بهینه سراسری را یافت، بایستی از روش های ترکیبی یا فرامکاشفه ای استفاده کرد. در این مقاله یک روش بهینه سازی جدید ارائه می شود که در آن پارامترهای الگوریتم بهینه سازی گروه میگوها توسط اتوماتای یادگیر، به صورت بهینه تنظیم خواهد شد. الگوریتم ترکیبی ارائه شده، به روشی کارا و مناسب برای حل مسائلی نظیر بهینه سازی تابع آزمون Griewank، در شرایطی که تعداد ابعاد تابع بسیار بالا است، می انجامد. آزمایشات انجام شده نشان داده اند که روش پیشنهادی می تواند بهینه سراسری تابع Griewank را تا 200 بعد بیابد، در صورتی که روش های دیگر تنها در 20 یا 40 بعد موفق به یافتن بهینه سراسری این تابع شده اند. لازم به ذکر است که تعداد مینیمم های محلی تابع، با افزایش ابعاد، بطور نمایی زیاد می شود و این امر پیچیدگی فضا را برای بهینه سازی، صد چندان می نماید.

در این مقاله از الگوریتم مرکب نهان‌نگاری در حوزه DWT و DCT با یک نهان‌نگاره با الگوی تکرار شونده استفاده شده، که نهان‌نگاره با خاصیت تکرار شوندگی در زیرباندهای مختلف درج می‌شود. در این الگوریتم برای‏ استخراج نهان‌نگاره از روش حداکثر نسبت Maximum Ratio Combining(MRC) استفاده شده است. الگوریتم ارائه شده شامل دو مرحله می‌باشد: در مرحله اول، چندین نهان‌نگاره باینری یکسان در زیرباندهای مختلف درج می‌شود، بدین نحو که تصویر تا دو سطح توسط تبدیل DWT تجزیه و سپس هر زیرباند به بلاک‌های 4×4 تقسیم می شود، سپس بیت‌های نهان‌نگاره در ضرایب میانی بلاک‌هایی که تحت تبدیل DCT قرار گرفته‌اند، درج می‌گردند. در مرحله دوم، در هنگام استخراج، روش حداکثر نسبت، بهترین نهان‌نگاره را از بین نهان‌نگاره‌های درج شده، با روش بیشترین میانگین وزن هر بیت، استخراج می‌کند. نتایج تجربی نشان می‌دهد که این الگوریتم دارای شفافیت بالا و همچنین مقاومت بالاتری در برابر تکنیک‌های پردازش تصویر مانند فشرده‌سازی JPEG، نویز فلفل نمکی، تغییر مقیاس و برش است و در مقایسه با الگوریتم‌های فعلی مبتنی بر DWT وDCT، مقاومت بیشتری در برابر حملات دارد.

در پردازش تصاویر دیجیتالی، دستیابی به تصویری با کیفیت مطلوب و تباین مناسب، همواره اهمیت زیادی داشته، و فعالیت‌های فراوانی نیز در این خصوص انجام شده است. متعادل‌سازی هیستوگرام ، یکی از روش‌های پرکاربرد برای افزایش تباین در تصاویر دیجیتالی است. هدف اصلی از انجام این عملیات، رسیدن به تصویری است که همه سطوح شدت روشنایی را به تعداد مساوی داشته باشد. در اين مقاله، روشی برای متعادل‌سازی هیستوگرام ارائه شده است که تصویر را به گونه‌ای تغییر می‌دهد که هیستوگرام آن کاملاً یکنواخت می‌شود. اما این روش، نسبت به روش اصلی متعادل-سازی هیستوگرام، نیاز به محاسبات پیچیده‌تری دارد. پیاده‌سازی و مقایسه نتایج حاصل از الگوریتم پیشنهادی، نشان می‌دهد که هیستوگرام تولید شده با این روش، همه سطوح شدت روشنایی را دارا بوده، و ظاهری کاملاً یکنواخت دارد. در حقیقت، ایده اصلی این روش، استفاده یکسان از تمامی سطوح شدت روشنایی است و برای رفع تراکم‌های احتمالی، از روش رتبه‌بندی نقاط تصویر، بر اساس میانگین مقادیر همسایگی آنها، استفاده شده است. البته تصاویر خروجی با این روش، از نظر دیداری نیز، تباین مطلوبی دارند.

با گسترش روز افزون شبکه های کامپیوتری، ارسال و دریافت داده ها افزایش یافته است. در شبکه های سیار اقتضایی، با توجه به متحرک بودن گره ها و محدود بودن منابع، بر اثر ازدحام، بسته های داده از بین می روند. ارسال مجدد این بسته ها نیازمند صرف وقت و هزینه مجدد می باشد. این هزینه ها شامل مصرف انرژی و پهنای باند می باشد و موجب عدم استفاده بهینه از پهنای باند می شود. این شبکه ها نیازمند کنترل ازدحام جهت صرفه جویی در منابع هستند. روش های زیادی جهت کنترل ازدحام ارائه داده شدند. روشی که ما ارائه کردیم، کنترل ازدحام مبتنی بر عامل متحرک است که به کمک عامل متحرک به جمع آوری اطلاعات ازدحامی پرداخته و داده ها را با تاخیر نسبی ارسال می کند. نتایج شبیه سازی نشان می دهد که این روش اگرچه برای تعداد گره های زیاد نسبت به روش مورد مقایسه تاخیر بیشتری دارد، اما در حالت ازدحامی میزان تحویل داده هایش بیشتر است.

بشر براي حل مسائل خود، همواره به دنبال راه‌حلي بوده كه هزينه كمتري داشته باشد. از این‌رو مسائل بهینه‌سازی، توجه محققان را به خود جلب نموده‌اند. از مهم‌ترين روش‌های برخورد با این مسائل، الگوریتم‌های تکاملی هستند كه بيشتر آن‌ها از طبيعت الهام گرفته شده‌اند. الگوريتم جستجوي گرانشي يكي از الگوريتم‌های تکاملی مي‌باشد كه در برخورد با مسائل تك‌مدي كارايي خود را نشان داده است. براي موفقیت اين الگويتم در مسائل چند‌مدي، آن را با يكي از تكنيك‌هاي جايگاه‌يابي به نام K-means و تکنیک نخبه‌گرايي جديد loop in Loop تركيب نموده‌ایم. کارایی این الگوریتم ترکیبی در بخش نتایج آزمایشگاهی مشاهده می‌شود.

امروزه یکی از پرکاربرترین روش‌های تصویربرداری پزشکی، روش تصویر‌برداری پرتونگاری مقطعی (CTA) است. این روش به عنوان یک روش غیر مهاجم برای نمایش قلب و عروق کرونری شناخته شده‌است. با استفاده از این تصاویر وجود، بزرگی و نوع پلاک در محل گرفتگی رگ‌ها قابل تشخیص است. به منظور استفاده کلینیکی از این تصاویر و همچنین کاهش میزان خطا و زمان تشخیص، الگوریتم‌های تشخیص مراکز عروق کرونری می‌توانند بسیار مفید باشند. هدف این مقاله طراحی یک الگوریتم کاملا خودکار برای استخراج مراکز عروق کرونری در تصاویر سی‌تی‌ای است. در این الگوریتم، برای مکان‌یابی دقیق نقاط شروع عروق کرونری سمت چپ و راست از فیلتر فرانگی (Frangi) استفاده شده است. در ادامه نیز برای ردیابی ساختار‌های سه بعدی رگ از یک الگوریتم ردیابی درختی استفاده می‌شود. این الگوریتم با استفاده از پایگاه داده استاندارد روتردام (Rotterdom) ارزیابی شده‌است. معیار میانگین داخلی و میانگین درصد همپوشانی در الگوریتم ارائه شده به ترتیب 25/0 میلی‌متر و %24/85 است. همچنین، الگوریتم پیشنهادی در این مقاله توانسته است عملکرد مناسبی را نسبت به دیگر الگوریتم‌های ارائه شده در این حوزه از نظر دقت و سرعت داشته باشد.

در تفسیر تصاویر سنجش از دور امکان دارد تصاویری که توسط سنجنده‌های مختلف تهیه می‌شوند در همان حالت اولیه قابل درک نباشند یا نتوان اطلاعات زیادی از آنها استخراج کرد. برای آن که بتوان درک بصری خوبی از تصویر به دست آورد، لازم است تا در ابتدا یک سری از پیش پردازش ها و تصحیحات اولیه و سپس یک سری از پردازش های اصلی جهت تحلیل دقیق‌تر روی تصویر انجام شود. روش‌های متفاوتی برای پردازش وجود دارند که وابسته به نوع تصویر سنجش از دور، متفاوت‌اند. روشی که قصد داریم در این مقاله به آن بپردازیم، استفاده از رنگ‌های طبیعی یک تصویر اپتیکی به منظور اضافه کردن رنگ به تصویر سیاه و سفید ماهواره‌ای است و ما را قادر می‌سازد تا تصویر سیاه و سفید مربوط به باند با بالاترین وضوح سنجنده OLI ماهواره لندست8 را بهتر مشاهده نماییم. ویژگی مهم این روش استفاده از یک درون‌یابی آماری جهت بهبود کیفیت رنگ در کنار حفظ وضوح بالا در تصویر رنگی شده است و در عمل نیز شباهت قابل قبول برای رنگ‌های خروجی به‌دست آمده است.

هدف اصلی در این مقاله، ارائه تکنیکی جهت فشرده‌سازی پیام‌های کوتاه فارسی است. نیاز به کاهش داده‌های ارسالی و صرفه‌جویی در پهنای باند، فشرده‌سازی را به امری مهم تبدیل نموده است. در اين مقاله، فشرده‌سازی متن کوتاه فارسی مورد بررسی قرار گرفته و روشی بر مبنای الگوریتم B64pack به همراه الگوریتم‌های فشرده‌سازی معروفی از جمله Gzip و bzip2 که همگی از الگوریتم‌های فشرده‌سازی بدون اتلاف هستند پیاده‌سازی شده و از لحاظ میزان و سرعت فشرده‌سازی با هم مقایسه شده‌اند. لازم به ذکر است از این الگوریتم‌ها در فشرده‌سازی متون لاتین استفاده شده و نتایجی از آن در فشرده‌سازی متون کوتاه فارسی در دست نیست. نتایج بدست آمده نشان می‌دهد روش پیشنهادی با توجه به عدم نیاز به استفاده از هدر فایل سرعت اجرای بیشتری را داراست و در صورت استفاده از واژه‌نامه در این فشرده سازی میزان نرخ فشرده‌سازی آن نیز به نحو مطلوبی افزایش خواهد یافت. با توجه به حجم بالای ارسال انواع پیام‌های کوتاه (برای مثال پیامک و چت)، فشرده‌سازی پیام‌های کوتاه می‌تواند صرفه جویی بالایی را در پهنای باند شبکه به ارمغان آورد.

با توجه به اینکه امنیت از اهداف اولیه طراحی اینترنت نبوده است، در سال‌های اخیر ایمن سازی این شبکه‌ها در برابر حمله‌ها از اهمیت بسیاری برخوردار شده است. در حال حاضر امنیت سیستم‌ها از ابزارهای امنیتی متفاوتی از جمله دیواره آتش و سیستم‌های تشخیص نفوذ(IDS) در شبکه‌ها استفاده می‌کنند. روش‌های که IDS بر اساس آن کار می‌کند به دو دسته تشخیص الگو و تشخیص ناهنجاری تقسیم می‌شوند. روش تشخیص الگو بر اساس الگوی حمله‌های شناخته شده کار می‌کنند و دارای نرخ تشخیص بالایی هستند اما توانایی تشخیص حمله‌های جدید را ندارند. در مقابل روش‌های تشخیص ناهنجاری توانایی شناسایی حمله‌های جدید را دارند اما نرخ هشدار غلط در انها بالا است. تشخیص ناهنجاری دارای ویژگی‌های زیادی می‌باشد، بعضی از این ویژگی‌ها تاثیر چندانی در تشخیص نفوذ ندارند و ممکن است باعث انحراف در تشخیص نفوذ گردند. لذا انتخاب ویژگی‌های بهینه می‌تواند نرخ تشخیص را افزایش دهد. در این مقاله سیستم تشخیص نفوذ سبک وزنی با انتخاب ویژگی‌های بهینه توسط الگوریتم رقابت استعماری و دسته بندی درخت تصمیم ارائه شده است. روش پیشنهادی روی مجموعه داده KDD99 آزمایش شده که نشان دهنده افزایش نرخ تشخیص و کاهش نرخ هشدار غلط می‌باشد.

حمله کرم چاله در میان سایر حملات، حمله‌‌ای شدید در شبکه‌های سیار موردی است. راهکارهای موجود برای تشخیص حملات کرم چاله شامل packet Leash، SECTOR، DELPHI، RTT-TC، TTM و غیره است. این راهکارها به سخت افزار خاص یا همزمانی نیاز داشته و یا سربار زیادی دارند. در این مقاله روشی برای تشخیص حملات کرم چاله با استفاده از جدول همسایگی خوشه‌ها و اندازه‌گیری RTTارائه کرده‌ایم. این کار را در دو مرحله انجام می‌دهیم. مرحله اول، اندازه گیری RTT بین گره‌های متوالی و تعیین لینک‌های مظنون به کرم چاله و در مرحله دوم، با استفاده از جدول همسایگی خوشه‌ها لینک‌های مظنون را با دقت بررسی می‌کند. الگوریتم پیشنهادی به کمک شبیه ساز NS2 بر روی پروتکل CBRP پیاده سازی و ارزیابی شده است. طبق تحلیل‌های انجام شده روش پیشنهادی عملکرد تشخیصی بالایی دارد ضمن اینکه سربار زیادی اضافه نمی کند.

تطابق متن‌های نوشته شده در یک زبان با دستورالعمل‌های گرامری آن زبان، یک مسئله‌ی مهم برای زبان‌شناسان و محققین علوم کامپیوتر است. فرآیند تعیین و تشخیص صحت متن‌های نوشته شده در یک زبان بر اساس گرامر آن زبان، نیازمند پردازش‌های پیچیده در سطح لغت و نحو است. دستور مستقل از متن (آماری)، رایج‌ترین سیستم ریاضی برای مدل‌سازی ساختار سازه‌ای در زبان طبیعی است. عدم توانایی این مدل در بیان وابستگی ساختاری کلمات از یک سو و نبود بانک‌های درختی فارسی حجیم مبتنی بر این نظریه از سوی دیگر موجب شده است تا تجزیه‌گر مستقل از متن آماری زبان فارسی، کارایی پایینی را از خود نشان دهد. فرض استقلال ضعیف، یکی از مشکلات مربوط به دستورهای مستقل از متن آماری است که سعی شده است تا با تزریق وابستگی‌های ساختاری از طریق نشانه‌گذاری گره‌های پدر و فرزند در بانک درخت فارسی مرتفع گردد. نتایج حاصل از این پژوهش نشان می‌دهد که استفاده از نشانه‌گذاری فرزند راست در دستورهای مستقل از متن آماری می‌تواند به میزان قابل توجهی کارایی این نوع تجزیه‌گر را افزایش دهد.

امروزه سیستم‌های شناسایی گوینده کاربردهای بسیار گسترده‌ای دارند. یک سیستم شناسایی گوینده مقاوم نیاز به یک سیستم تشخیص‌دهنده گفتار از غیرگفتار با کیفیت خوب دارد. این سیستم تشخیص‌دهنده با حذف قسمت‌های غیرگفتار، ورودی معتبر را برای سیستم شناسایی گوینده فراهم آورده و کارایی آن را افزایش می‌دهد. سیستم تشخیص‌دهنده گفتار از غیرگفتار پیشنهادی در این مقاله بر مبنای استفاده از ویژگی‌های ضرایب کپسترال فرکانس بارک و انرژی می‌باشد. در این سیستم‌ با استفاده از الگوریتم k-means ، فریم‌های گفتار و غیرگفتار آموزش می‌بینند. سپس با استفاده از تست نسبت لگاریتم احتمال و یک آستانه انرژی، همه فریم‌های موجود شناسایی و برچسب‌گذاری می‌شوند. جهت مقایسه کارایی روش‌ پیشنهادی از ویژگی‌های ضرایب پیش‌بینی ادراکی خطی نیز استفاده شده است. روش‌های مطرح شده روی دادگان گفتاری استاندارد فارس‌دات تست شده‌اند. نتایج نشان داده‌اند که ضرایب کپسترال فرکانس بارک هنگامی که نسبت سیگنال به نویز کاهش می‌یابد، نسبت به روش ضرایب پیش‌بینی ادراکی خطی کارایی بهتری دارند.