انجمن کامپیوتر ایران

لزوم کوچک کردناندازه¬ی ترانزیستور¬هادرابعادنانو،و بروز مشکل در صنعتترانزیستورهایاثرمیدانی نیمه¬هادی، پژوهشگران را به سوی جايگزینی فناوری¬های جدید سوق می¬دهد. ازاینروفناوری سلول¬های کوانتومی، به عنوان یکی از فناوری¬های جایگزیندر نظر گرفته شده¬ است.در بسیاری از تحقیق¬ها و پژوهش¬ها، طراحی و بهبود انواع گیت¬های منطقی پایه، مورد بررسی واقع شده است. در این میان، می¬توانبه گیت XOR، که یک گیت پرکاربرد در طراحی مدارهای دیجیتال است، اشاره نمود. در این مقالهنیز به بررسی، معرفی و مقایسه¬یانواع طراحی گیت¬XOR پرداخته شده، انواع طراحی¬های گیت XOR جمع آوری، و در نرم¬افزار QCADesigner پياده¬سازی شده است. همچنین ما توانسته¬ایم یک طراحی جدید از گیت XOR ارايه دهيم که نسبت به بهترین طراحی ارايه شده در سال 2012، تعداد سلول¬های کوانتومی را حدود 63درصد، فضای اشغالی را حدود 65درصد و کلاک را حدود 20درصد کاهش مي¬دهد. این طراحی بر اساس حالت متقارن معکوس¬کننده¬ها در منطق گیتXOR،و حالت صليبی¬شکل گیت اکثريت بدست آمده است.این طرح، بدون افزايش هيچ¬گونه گيت معکوس¬کننده و تنها با تغيير پلاريته¬های ثابت در پايه¬های گيت¬های اکثريت، می¬تواند گيت XNOR را با همان میزان کاهش تعداد سلول،فضای اشغالی و تعداد کلاک ارايه نمايد.

بسياري از مسائل دنياي واقعي ماهيتي پويا دارند، به اين مفهوم كه موقعيت و مقدار بهينه¬سراسري آنها در طول زمان تغيير مي¬كنند. یکی از این مسائل معروف در بهينه¬سازي محيط¬هاي پويا، مسئله تابع محك قله¬هاي متحرك یا ماکزیمم¬های در حال تغییر می¬باشد، كه رفتاري شبيه به مسائل پويا در دنياي واقعي را دارد. در این مقاله يک رويکرد ممتيکي مبتني بر بهينه‌سازي ازدحام ذرات براي بهینه‌سازی محیط¬های پویا ارائه شده است. در روش پيشنهادي، الگوریتم ممتیک-ازدحام ذرات فازی برای حل این مسئله مطرح شده است، که به نوعي ترکیبی از الگوریتم¬های تکاملی و هوش تجمعی می¬باشد که در اين حالت الگوريتم پيشنهادي خصوصیات هر دو گروه را در خودش دارد. الگوريتم پيشنهادي براي بهينه¬يابي تابع محك قله¬هاي متحرك در فركانس¬هاي مختلف و با تعداد قله¬هاي متفاوت آزمايش شده و با چند الگوریتم دیگر مقایسه شده است، نتایج آزمايشات نشان-دهنده بهبود کارایی الگوریتم پيشنهادي نسبت به الگوریتم¬های ازدحام ذرات استاندارد و ممتیک می¬باشد.

سیستم‌های تشخیص نفوذ، حجم زیادی هشدار تولید می‌نمایند که بسیاری از آن‌ها مربوط به حملات واقعی نبوده و مثبت کاذب به شمار می‌آیند. به همین خاطر تحلیل و بررسی آن‌ها توسط مدیر امنیتی به خصوص در شبکه‌های بزرگ، کاری دشوار و حتی غیرممکن خواهد بود. ازاین‌رو، در این مقاله روشی خودکار به منظور شناسایی و کاهش هشدارهای مثبت کاذب، براساس ترکیب روش های تحلیل علت ریشه‌ای و روش‌‌های تشخیص ناهنجاری ارائه شده است که قابلیت شناسایی برخی از حملات و ناهنجاری‌ها را نیز دارد. روش پیشنهادی بر روی مجموعه داده‌ی واقعی مورد آزمایش قرار گرفته و به کاهش بیش از %98 هشدارها و نیز کاهش گزارش‌های ناهنجاری منجر شده است. این امر، بررسی هشدارها و گزارش‌های ناهنجاری را تسهیل می‌بخشد. به علاوه، هشدارهای که رفتار ناهنجار دارند، به فراهشدارهایی که دید بالاتری را از فعالیت‌های ناهنجار ارائه می‌دهند، تبدیل می‌شوند. این فراهشدارها، امکان نظارت و واکنش مستقیم مدیر را بر فعالیت‌های ناهنجار فراهم می‌سازند. از دیگر مزایای این روش، عدم نیاز به فرد خبره جهت تشخیص و جداسازی هشدارهای صحیح از هشدارهای کاذب می‌باشد.

در اين مقاله، يک روش جديد براي نهان نگاری قابل بازگشت تصوير بر پايه انتقال هيستوگرام ارائه شده است. در روش‌هاي نهان نگاری قابل بازگشت داده مبتني بر هيستوگرام، ظرفيت نهان نگاری محدود است. در اين روش ابتدا يک تکنيک پيش‌گويانه خطي بر روي پيکسل¬هاي تصوير اعمال مي¬شود، سپس پيکسل¬ها را به دو دسته تقسيم مي¬کند. بعد از استخراج نقطه اوج (مقدار پیکسلی که بیشترین تکرار را در هیستوگرام دارد) و نقطه صفر (مقدار پیکسلی که کمترین تکرار را در هیستوگرام دارد)، مي¬توانيم داده محرمانه¬ را به صورت دوبيتي در پيکسل‌هاي خاصي از تصوير پنهان کنيم. همچنين الگوريتمي براي بازيابي تصوير اصلي از تصوير نهان نگاری شده ارائه شده است.بر اساس نتايج آزمايشات، ظرفيت نهان نگاری بيشتري در اين روش نسبت به روش‌هاي مشابه بدست آمده است و کيفيت تصوير نيز تا حد قابل قبولي (PSNR=40db) حفظ مي¬شود. ظرفيت نهان نگاری به اندازه¬ي اختلاف ظرفيت نهان نگاری در هيستوگرام منفي با ظرفيت نهان نگاری در هيستوگرام غير منفي نسبت به روش‌های قبلی افزايش يافته است.

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.

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

با پیشرفت سریع تکنولوژی کامپیوتری، پایگاه داده‌هایی با صدها و هزاران ویژگی در زمینه‌های شناسایی الگو، داده‌کاوی، یادگیری ماشین و غیره به وجود آمده است. به طوری که پردازش مجموعه داده‌های بزرگ، یک کار چالش‌برانگیز شده است، بنابراین با انتخاب بهترین مجموعه ویژگی، می‌توان به دقت قابل قبولی در پردازش پایگاه داده و همچنین در کاوش روابط معنا¬دار بین ویژگی‌ها رسید. در این مقاله یک مدل ترکیبی جدید ارائه شده است که الگوریتم ازدحام ذرات را با الگوریتم ماشین بردار پشتیبان برای بهبود دقت طبقه‌بندی و انتخاب مجموعه ویژگی بهینه ترکیب می‌کند. این مکانیزم بهینه‌سازی، با ترکیب الگوریتم ازدحام ذرات گسسته و الگوریتم ازدحام ذرات پیوسته به‌طور همزمان زیرمجموعه ویژگی‌های بهینه را انتخاب و پارامترهای ماشین بردار پشتیبان را تنظیم می‌کند. در این الگوریتم از دو روش جستجوی محلی برای تنظیم پارامترها و بهبود زیرمجموعه ویژگی استفاده شده است. عملکرد روش پیشنهادی بر روی مجموعه داده‌های مختلف ارزیابی شد و نتایج حاصله نشان‌دهنده کارایی روش مزبور در داده‌های با ابعاد معمولی و ابعاد بالا در مقایسه با نسخه‌های دیگر می‌باشد.

رتینوپاتی دیابتی یکی از دلایل شایع نابینایی در جهان محسوب می‌شود. انجام معاینات دوره‌ای و تشخیص به موقع بیماری می‌تواند مانع از بروز نابینایی در فرد شود. معاینات دوره‌ای شامل تصویربرداری از ته چشم و تحلیل تصاویر توسط افراد متخصص برای مشاهده تغییرات سریع در الگوی عروق خونی و بروز ضایعات مختلف می‌باشد. این روش معاینه بسیار زمانبر، پرهزینه و نیازمند افراد متخصص می‌باشد. بنابراین طراحی سیستمی خودکار برای جداکردن تصاویر سالم از تصاویر بیمار و تشخیص رتینوپاتی دیابتی ضروری بنظر می‌رسد. در این مقاله روشی خودکار برای غربالگری رتینوپاتی دیابتی ارائه شده است که مبتنی بر اطلاعات ساختاری و مورفولوژیکی تصویر می‌باشد. با توجه به اینکه اجزای سالم و بیمار در تصاویر شبکیه از لحاظ ساختاری و مورفولوژیکی با یکدیگر متفاوت هستند، می‌توان با استفاده از تبدیلات مناسب و با بکارگیری الگوریتم تفکیک محتوای تصویر، تصاویر شبکیه را به اجزاء سالم و بیمار جدا کرد. پس از جداسازی ضایعات از عروق، رتینوپاتی دیابتی با استخراج ویژگی‌های ناهمگنی، آنتروپی و انحراف از معیار تشخیص داده می‌شود. به منظور ارزیابی الگوریتم پیشنهادی از بانک استاندارد تصاویر شبکیه MESSIDOR و طبقه‌بند ماشین بردار پشتیبان و شبکیه عصبی استفاده شده است. نتایج حاصل از ارزیابی نشان می‌دهد که الگوریتم پیشنهادی توانسته است به مقدار sensitivity برابر با 99.13% و مقدار specificity برابر با 94.59% دست یابد.

در این مقاله روشی برای شناسایی چهره با استفاده از یک رویکرد کاهش بعد بدون اتلاف ارائه شده است. در این روش به جای نگاشت داده بر یک زیرفضا یا منیفولد کم بعد که موجب از دست رفتن اطلاعات می‌شود، فاصله داده از آن زیرفضا یا منیفولد به عنوان جریمه نگاشت در یادگیری یک مدل پیشگو مورد استفاده قرار می‌گیرد. بدین ترتیب از مزایای کاهش بعد در مدل پیشگو استفاده می‌شود، و در عین حال جلوی از دست رفتن اطلاعات مفید گرفته می‌شود. در روش پیشنهادی ابتدا یک منیفولد زیربنایی محلی خطی با استفاده از مدل ترکیبی تحلیل مؤلفه اصلی احتمالاتی از نمونه داده‌ها به دست می‌آید. سپس دسته بند ماشین بردار پشتیبان به عنوان مدل پیشگوی مذکور با استفاده از این منیفولد محلی خطی آموزش داده می‌شود. برای آموزش و ارزیابی روش پیشنهادی، چند پایگاه داده شناخته شده برای چهره مورد استفاده قرار گرفته است. نتایج آزمایش بر روی این پایگاه داده‌ها نشان می‌دهد که روش پیشنهادی نسبت به بسیاری روش‌های معمول که کاهش بعد را انجام داده و سپس دسته بند را آموزش می‌دهند، و همچنین نسبت به روش جریمه نگاشت مبتنی بر مدل‌های کاهش بعد خطی و غیرخطی دقت بیشتری دارد.

مسئله تجزیه چندضلعی‌ها یک مسئله کلاسیک در هندسه محاسباتی است، که همواره از بحث‌های مورد علاقه پژوهش-گران بوده است. اجزای تولید شده از تجزیه چندضلعی به اجزای تقریبا محدب نسبت به اجزای تولید شده محدب، قابلیت محاسباتی بالاتری دارند و از نظر تعداد قابل مدیریت‌ترند. یک روش جدید برای تجزیه چندضلعی ساده به اجزای تقریبا محدب الگوریتم FACD است، در این الگوریتم کیفیت اجزای تولید شده بهبود یافته و تجزیه‌ای با میزان بصری بودن بالا تولید می‌شود. یکی از معایب این الگوریتم پیچیدگی زمانی نسبتا بالای آن می‌باشد. از آنجا که در مباحث گرافیک کامپیوتری زمان محاسبات یک فاکتور مهم به حساب می‌آید، ما در این پژوهش پیچیدگی زمانی الگوریتم FACD را محاسبه کرده و با انجام یک پیش‌پردازش پیچیدگی زمانی آن را کاهش داده‌ایم و الگوریتم بهبود یافته را با نام IFACD ارائه کرده‌ایم.

فرآیند معماری سازمانی شامل سه فاز کلی برنامه‌ریزی راهبردی، تدوین معماری سازمانی و اجرای معماری سازمانی می‌باشد، هر فاز به عنوان پیش‌نیازی برای فاز بعدی به شمار می‌رود. در این فرآیند، اگر برنامه معماری سازمانی به درستی انجام نشده باشد، اجرای معماری سازمانی با مشکل مواجه می‌شود و در نتیجه میزان زیادی هزینه و زمان به هدر خواهد رفت. برای اجتناب از تلف‌شدن سرمایه و زمان که به دلیل برنامه‌ریزی نامناسب معماری سازمانی رخ می‌دهد، ارائه روشی برای ارزیابی برنامه معماری سازمانی، قبل از شروع به اجرای معماری سازمانی، می‌تواند بسیار مفید باشد. روش‌های متنوعی برای ارزیابی معماری سازمانی پیشنهاد شده است ولی هیچ‌کدام از این روش‌ها توانایی توصیف و ارزیابی معماری سازمانی را در شرایطی که سازمان دارای فرآیندها یا داده‌های غیرقطعی باشد را ندارند. در این مقاله هدف ارائه روشی جدید جهت ارزیابی قابلیت اطمینان معماری سازمانی با وجود عدم قطعیت در فرآیندها و داده‌های معماری سازمانی است. برای حصول این هدف محصولات معماری سازمانی فازی به شبکه‌های پتری فازی تبدیل می‌شوند و با استفاده از شبکه‌های پتری فازی که مدلی قابل اجرا هستند، به ارزیابی قابلیت اطمینان پرداخته می‌شود. در پایان جهت شفاف‌تر شدن ایده مقاله سیستم رزرو هتل مورد مطالعه قرار گرفته است.

با توجه به مصرف انرژی قابل توجه مراکز داده و همچنین افزایش قیمت انرژی، کاهش هزینه‌ی مراکز داده به یک مسئله‌ی مهم تبدیل شده است. تنوع زمانی و مکانی قیمت انرژی، فرصت کاهش هزینه‌ی کلی مراکز داده را از طریق مهاجرت کارها به مکان‌هایی با قیمت انرژی کمتر، فراهم کرده است. با این حال، مهاجرت نادرست بار کاری به دلیل نادیده‌گرفتن هزینه‌ی خنک سازی، ممکن است افزایش قابل توجهی در هزینه‌ی کلی مراکز داده را به دنبال داشته باشد. در این کار ما یک روش مهاجرت بار کاری بین مراکز داده‌ ارائه می‌دهیم، که علاوه بر در نظر گرفتن هزینه‌ی محاسباتی، هزینه‌ی خنک‌سازی را نیز در تصمیمات مهاجرت خود در نظر می‌گیرد. دو ویژگی‌کار ما را از سایر کارهای مشابه متمایز می‌کند : اول; ما فرض می‌کنیم که هزینه‌ی خنک سازی با توجه به بهره‌وری مرکز داده، به صورت غیر خطی افزایش می‌یابد. دوم; هزینه‌ی خنک سازی را بدون در نظر گرفتن هیچ فرضی از چگونگی کار سیستم خنک کننده مرکز داده، مدل می‌کنیم. در مدل مهاجرت پیشنهادی، ما مشخص می‌کنیم که چه مقدار بار کاری باید از یک مرکز داده به دیگر مراکز داده مهاجرت کند و همچنین چه تعداد سرور باید در هر مراکز داده برای اجرای بار کاری روشن شود. در نهایت، با استفاده ازtrace های MapReduce، روش پیشنهادی را ارزیابی می‌کنیم و نشان می‌دهیم که روش پیشنهادی کاهش هزینه قابل توجهی،23.4%، را به دنبال دارد.

شبکه‌های حسگر بی سیم از تعداد زیادی گره‌ی حسگر تشکیل شده است که می‌توانند اطلاعات محیطی را جمع آوری کرده و بعد از پردازش اولیه، آنها را برای تجزیه و تحلیل دقیق به ایستگاه پایه ارسال کنند. یکی از مشکلات این شبکه‌ها، طول عمر آن است. روش‌های مختلفی برای حل آن ارائه شده است که مهم ترین آن خوشه بندی گره‌ها می‌باشد. در این مقاله روشی پیشنهاد شده است که بر پایه خوشه بندی مبتنی بر انرژی (EBC) است. در روش پیشنهاد شده تعداد سر خوشه‌ها بر مبنای گره‌های زنده و معیار انتخاب سر خوشه‌ها بر اساس انرژی باقیمانده‌ی گره‌ها می‌باشد. نتایج شبیه سازی نشان می‌دهد که روش EBC انرژی کمتری برای انتقال اطلاعات مصرف می‌کند و هم چنین طول عمر شبکه را افزایش می‌دهد.

در بحث مهندسی نرم‌افزار طراحی معماری‌های قابل توسعه و قابل اجرا بنحوی که امکان ارزیابی صفات عملیاتی و غیر عملیاتی سیستم در حال طراحی را فراهم سازند، اهمیت خاصی دارد. یکی از روش‌های ایجاد معماری‌های قابل اجرا استفاده از زبان‌های رسمی در توصیف معماری است. با این روش می‌توان سیستم را دقیق و بدون ابهام بیان کرد و امکان وارسی آن را قبل از پیاده‌سازی فراهم ساخت. در این مقاله معماری مبتنی بر مؤلفه با زبان رسمی سیستم تبدیل گراف توصیف و مدل‌سازی شده است. سپس این زبان به منظورتحلیل و ارزیابی صفت غیرعملیاتی کارایی به زبان مدل-سازی PEPA تبدیل شده است. در نهایت مدل‌سازی و نتایج حاصل از آن مانند توان‌عملیاتی وکارایی سیستم با استفاده از دو مورد مطالعه نشان داده شده است.

در رویکرد توسعه مبتنی بر مدل، UML به همراه OCL به عنوان یک استانداردی که به طور گسترده پذیرفته شده، در فرآیند تولید و توسعه نرم افزار بکار گرفته شده است. از آنجاییکه وارسی مدل تاثیر قابل ملاحظه ای روی کیفیت تولید نرم افزار نهایی دارد و وارسی مدل UML به همراه OCL یک مسئله تصمیم ناپذیر است در این مقاله روش جدیدی مبتنی بر الگوریتم کلونی زنبور عسل مصنوعی و درخت نحو مجرد OCL ارائه شده است که بطور خودکار مدل UML/OCL را وارسی میکند.

امروزه، حجم وسیع اطلاعات به گونه‌ای است که دسترسی به داده‌های مورد نیاز از میان این حجم وسیع خود به دغدغه‌ای برای مدیران تبدیل شده است. از سوی دیگر درهم تنیدگی فعالیت‌های کسب‌وکار به گونه‌ای است که تصمیم‌گیری در یک حوزه خود نیازمند استحصال داده‌هایی از حوزه‌های دیگر است. فناوری‌هایی که زنجیره‌ای از استخراج، تجمیع، الگو یابی، تحلیل و نمایش داده‌های مورد نیاز را پشتیبانی می‌کنند مفهومی بنام هوش تجاری را شکل می‌دهند. و در این زنجیره، آنچه با نام سیستم‌های پردازش تحلیلی برخط (OLAP) خوانده می‌شود، وظیفه تحلیل داده‌های در اختیار قرارگرفته از منابع داده‌ای مختلف را بر عهده دارد. با توجه به تعدد نرم‌افزارهای انحصاری و متن باز در حوزه سیستم‌های پردازش تحلیلی برخط و همچنین درهم تنیدگی این فناوری و مفهوم آن با فناوری‌های مجاور در زنجیره هوش تجاری، در اختیار داشتن یک معماری مفهومی به منظور ایجاد چارچوب اجزاء تشکیل‌دهنده سیستم‌های پردازش تحلیلی برخط و همچنین چگونگی استقرار آنها می‌تواند راهگشای فعالیت‌های استقرار هوش تجاری در سازمان‌ها و صنایع باشد. در این پژوهش با استفاده از بررسی تطبیقی معماری هوش تجاری در پنج نرم‌افزار معروف تجاری و همچنین مدل‌سازی زنجیره هوش تجاری با تمرکز بر سیستم‌های پردازش تحلیل برخط، سعی شده تا یک معماری مفهومی پیشنهادی جهت این سیستم‌ها ارائه گردد. این معماری مفهومی علاوه بر کاربرد جهت طراحی و پیاده‌سازی سیستم‌های بومی پردازش تحلیل برخط، جهت فهم بهتر کارکرد این سیستم‌ها و همچنین برای مقاصد آموزشی مفید خواهد بود.

امروزه موضوع مسیریابی سینک‌های متحرکی که دارای هیچ‌گونه مسیر از پیش تعریف شده‌ای نیستند با هدف رسیدن به عملکردی بهتر از سینک(های) ثابت مورد توجه زیادی واقع شده است. تغییرات غیرمنتظره‌ای که سینک(های) متحرک در توپولوژی شبکه ایجاد می‌کنند اگرچه از یک سو سربار زیادی را برای کشف مسیرهای جدید به وجود می‌آورد ولی از سویی دیگر به دلیل استفاده‌ی بهینه از انرژی گره‌ها، افزایش طول عمر شبکه را بدنبال دارد. هر یک از استراتژی‌های موجود، در جهت بهبود مجموعه‌ای از ویژگی‌های مربوط به شبکه‌های حس‌گر بی‌سیم تلاش کرده‌اند تا با حفظ ویژگی تحرک سینک معیارهای بیشتری را مد نظر قرار دهند. تمرکز اصلی این مقاله بر روی پروتکل‌های مسیریابی موجود با سینک متحرک به منظور بررسی ویژگی‌های ذاتی روش‌ها و نقاط قوت و ضعف آن‌ها است. نتایج ارزیابی نشان داد که هر چند هر یک از پروتکل‌های پیشنهادی با دیدگاه خاصی سعی در بهبود چالش‌های موجود در شبکه‌های حس‌گر بی‌سیم داشته‌اند، اما در اکثر مواقع بهبود یک یا چند ویژگی تأثیر نامطلوبی را بر روی دیگر ویژگی‌ها داشته است.

نقش سیستم‌های اطلاعاتی در زندگی امروزی به‌صورت روزافزون در حال گسترش است. اضافه نمودن معنا به اطلاعات این سیستم‌ها باعث بهبود کارایی آنها می‌شود. آنتولوژی (پایگاه شناخت) ابزاری مناسب برای تحقق چنین بهبودی است. دانش دامنه ممکن است دارای ماهیتی پویا باشد، بدین معنی که دانش مذکور باید با گذشت زمان و تغییرات دامنه تغییر نمایند. در چنین مواردی پایگاه شناخت باید با رخ دادن هر تغییر دوباره ساخته یا اصلاح شود. روند تولید یک پایگاه شناخت مسیری طولانی و زمان‌بر است، در نتیجه هزینه تولید مجدد و نگهداری پایگاه شناخت برای یک سیستم بسیار گران خواهد بود. برای کاهش این هزینه روش‌های تکامل پایگاه شناخت پیشنهاد می‌شود. در این روش‌ها نیازی به ساخت مجدد پایگاه شناخت در اثر بروز یک تغییر نیست. بلکه با اعمال تغییرات مورد نیاز بر روی نسخه فعلی، نسخه جدید تولید می‌گردد. یکی از مشکلات روش‌های تکامل پایگاه شناخت عدم وجود یک دسته‌بندی از انواع تغییرات ورودی است. در این مقاله دسته‌بندی جامعی از انواع تغییرات ممکن در روند تکامل ارائه می‌شود. وجود یک چنین دسته‌بندی کمک بسیاری به مهندسین تکامل پایگاه شناخت می‌کند تا درک بهتری از انواع تغییرات ورودی داشته و مدیریتی بهتر بر روند تکامل پایگاه شناخت داشته باشند.

هدف این مقاله حاشیه نویسی معنایی تصویر بوسیله استخراج ویژگی های مؤثر و پنهان موجود در تصاویر و با استفاده از ساختار سلسله مراتبی مفاهیم(آنتولوژی) می باشد. روش پیشنهادی از دو مرحله آموزش تشکیل شده است. در مرحله اول، در فاز اول به منظور استخراج مفاهیم ابتدا تصاویر با استفاده از تکنیک قطعه بندی به اشیاء مختلفی افراز می شوند. در فاز دوم ویژگی های سطح پایین مفاهیم موجود در هر قطعه استخراج می شود، در واقع در این مرحله به کشف ویژگی هایی که همبستگی زیادی با اشیا موجود در تصاویر داشتند، پرداخته می شود. در مرحله دوم به آموزش این ویژگی ها پرداخته می شود این آموزش با استفاده از ساختار سلسله مراتبی که برای تصاویر در نظر گرفته شده و با تکنیک طبقه بندی SVM صورت می گیرد. نتایج حاصل بر روی تصاویر موجود در پایگاه داده Imageclef که به صورت سلسله مراتبی طبقه بندی شده بودند، نشان می دهد که روش پیشنهادی برای حاشیه نویسی تصویر علاوه برکاهش پیچیدگی طبقه بندی توانست دقت طبقه بندی را حدود 5 درصد نسبت به روش های مشابه بالاتر ببرد.

شخصی‌سازی کاتالوگ الکترونیک عبارت است از هماهنگی محتوای کاتالوگ با نیازها و ترجیحات کاربر و نمایش مناسب‌ترین و هماهنگ‌ترین کاتالوگ برای هر کاربر. فرهنگ، شخصیت و احساس از جمله عواملی هستند که تاثیر زیادی روی نیازها و ترجیحات کاربر دارند؛ بر این اساس دسته‌ای از تحقیقات سعی کرده‌اند نقش این فاکتورها را در سیستم‌های شخصی‌سازی لحاظ کنند. اما عیب عمده این تحقیقات این است که نقش خصوصیات فرهنگی- شخصیتی- احساسی به طور مجزا مورد بررسی قرار گرفته است. این در حالی است که این سه عامل تاثیرات متقابل زیادی روی یکدیگر دارند و اگر به طور مجزا مدل‌سازی شوند، رفتار کاربر به طور کامل قابل مدل‌سازی نخواهد بود. از طرف دیگر روش‌هایی که تاکنون در این زمینه ارائه شده است، معمولاً نیاز به تکمیل تست‌های روان‌شناسی یا روش‌های پیچیده یادگیری ماشین دارند. در این تحقیق سیستم شخصی‌سازی پیشنهاد شده که خصوصیات فرهنگی- شخصیتی- احساسی را به طور همزمان لحاظ می‌کند. در این سیستم یک مدل یکپارچه و مجتمع از خصوصیات فرهنگی، شخصیتی و احساسی برای هر کاربر وجود دارد که بر اساس کشور محل تولد و دستاوردهای روان‌شناسی مقداردهی اولیه می‌شود. بنابراین نیاز به تست‌های روان‌شناسی و روش‌های پیچیده یادگیری ماشین ندارد. در این سیستم نحوه تاثیر فاکتورهای فرهنگی- شخصیتی – احساسی روی ترجیحات کاربر در قالب قوانین پایگاه دانش مدل‌سازی شده و بر اساس آن محتوای مورد ترجیح کاربر ایجاد می‌شود. مدل ارائه شده در این تحقیق با روش‌های عادی شخصی سازی مورد مقایسه قرار گرفته است. نتایج مقایسه نشان می‌دهد که دقت و کیفیت سیستم پیشنهادی بهبود قابل توجهی یافته است.