انجمن کامپیوتر ایران

به منظور بالابردن نرخ دسترسپذير به دادهها در شبکهها متحرک ، روشها مختلف تکرار داده ارائه شده است. اکثر روش ها ارائه شده، در تصميمگير برا نحوه تکرار داده، تنها نرخ تقاضاها دستيابي به داده را درنظرگرفتهاند و عدم پايدار لينک ها ارتباطي ميان گرهها را لحاظ نکردهاند. در اين مقاله، مفهومي تحت عنوان درصد اجتماعي بودن برا هر گره تعريف ميشود که بيانگر ميزان برخورد آن گره با گرهها جديد است. اين مفهوم که با توجه به درخواست ها ورود به هر گره محاسبه مي گردد، تغييرات نسبي مکاني آن گره و در نتيجه ميزان عدم پايدار آن را در ميان همسايههايش نشان ميدهد. با در نظرگرفتن اين مفهوم، روش تکرار داده جديد ارائه شده است که نتايج شبيه ساز حاکي از آن است که اين روش، نه تنها نرخ دسترس- پذير به دادهها را افزايش ميدهد بلکه مصرف انرژ را در ميان گرهها به طور يکنواخت توزيع ميکند.

امروزه بررسي فايل هاي ويدئويي به تعيين نوع و دسته بندي و شاخص گذاري براي آنها به صورت خودكار، با توجه به تمايل كاربران براي به اشتراك گذاري آنها و وجود شبكه ها و سرور هاي قوي براي ذخيره و بازيابي اين فايل ها، بسيار مورد توجه محققين در زمينه هاي پردازش ويدئو و استخراج محتوا (CBIR ) و الگوشناسي را به خود جلب كرده است. در اين مقاله با ارائه يك روش جديد براي شاخص گذاري با استفاده از مدل تركيبي گوسي، قدرت آن با روش مشابه مطرح در اين زمينه مقايسه مي شود. براي توليد شاخص ها در اين تحقيق از ويژگي هاي رنگ و موجك ويدئو استفاده شده است و نتايج بر روي يك مجموعه از ويدئو ها مورد ارزيابي قرار گرفته است.

تعیین بیشترین زمان اجراي برنامه که اصطلاحاً WCET نامیده می شود، گام مهم و ضروري در فرایند توسعه و تایید صحت سیستمهاي بی درنگ سخت میباشد. یکی از روشهاي تحلیل WCET روش تحلیل ایستا میباشد. در این روش باید اطلاعات زمانی از کد برنامه استخراج گردد. تعداد تکرار حلقهها, پارامترهاي ورودي و خط لوله از عواملی هستند که بر زمان اجراي برنامه تاثیر دارند. براي داشتن ابزاري که تخمین مناسبی از بیشترین زمان اجراي برنامه ارائه دهد, نیاز به در نظر گرفتن و پیاده سازي همه مسائل مطروحه میباشد. در این مقاله نمایشی از کد منبع مبتنی بر XML1ارائه گردیده که اطلاعات زمانی کد برنامه براحتی در آن درج گردیده و میتوان بر اساس اطلاعات درج شده در این ساختار زمان اجراي برنامه را محاسبه نمود. همچنین زمینه استفاده از نمایش مبتنی بر XML براي استخراج اطلاعات در پژوهشهاي بعدي فراهم گردد.

شبکه عصبی بیزین تک لایه، همانند شبکه عصبی تک لایه پرسپترون داراي محدودیت تفکیک پذیري خطی می باشد. بطور کلی طراحی این نوع دسته بندي کننده مربوط به زمانی است که فرض استقلال ویژگی هاي ورودي از یکدیگر را داریم . در این مقاله مدل اولیه شبکه عصبی بیزین را با بکارگیري دو ساختار متفاوت در لایه پنهان به مدل یک شبکه عصبی بیزین چندلایه توسعه می دهیم بطوریکه این لایه اضافه شده، شبکه را از فرض استقلال میان ویژگی هاي ورودي رها سازد. سپس با انجام شبیه سازي بروي چندین مجموعه داده، کارایی بیشتر این مدل توسعه یافته با هر یک از این دو ساختار را در مقایسه با مدل اولیه ، در دسته بندي داده ها نشان خواهیم داد.

Intrusion detection can no longer satisfy security needs of an organization solely. Recently, the attention of security community turned to automatic intrusion response and prevention, as the techniques, to protect network resources as well as to reduce the attack damages. Knowing attack scenarios enables the system administrator to respond to the threats swiftly by either blocking the attacks or preventing them from escalating. Alert correlation is a technique to extract attack scenarios by investigating the correlation of intrusion detection systems alerts. In this paper, we propose a new learning-based method for alert correlation that employs supervised and transductive learning techniques. Using this method, we are able to extract attack scenarios automatically.

Grid computing is a promising technology for future computing platforms and is expected to provide easier access to remote computational resources that are usually locally limited. Scheduling is one of the active research topics in grid environments. The goal of grid task scheduling is to achieve high system throughput and to allocate various computing resources to applications. The Complexity of scheduling problem increases with the size of the grid and becomes highly difficult to solve effectively. Many different methods have been proposed to solve this problem. Some of these methods are based on heuristic techniques that provide an optimal or near optimal solution for large grids. In this paper we introduce a new task scheduling algorithm based on Ant Colony Optimization (ACO). According to the experimental results, the proposed algorithm confidently demonstrates its competitiveness with previously proposed algorithms.

Binary Arithmetic Coding (BAC) is among the techniques used in H.264 video coding standard to improve the coding efficiency. BAC includes an iterative process of renormalization with up to seven iterations for coding each symbol. Since BAC is also a computational intensive unit in H.264 encoder, various hardware realizations have been proposed for it in the literature. In this paper, we propose a hardware implementation for BAC, which uses lookup table to avoid the iterative coding process and achieves coding rate of one symbol per clock at 260 MHz clock rate. Post synthesize simulation results indicate that the proposed architecture is a resource and speed efficient hardware for H.264 binary arithmetic encoder.

In this work, we present SIMUIINK bit-true modeling of the conjugate structure-algebraic CELP (CS-ACELP) speech coder which has been chosen as the core layer of speech coder standard ITU-T G.729.1. The optimum bit numbers of the computational blocks are defined as the minimum word-widths that maintain the quality of the output with minimum chip area and power. Such optimum bitwidth of the coefficients and the internal computations are extracted. As a result, a golden model of the codec which best suits as a reference for its hardware implementation is developed. The power and area improvements are estimated in two blocks of CSACELP speech coder.

Background modeling is one of the most important parts of visual surveillance systems. Most background models are pixel-based which extract detailed shape of moving objects, but they are so sensitive to nonstationary scenes. In many applications there is no need to detect the detailed shape of moving objects. So some researchers use block-based methods instead of pixel-based which are more insensitive to local movements. These two methods are complementary to each other. We propose an efficient hierarchical method by which the block level information is utilized intelligently to improve the efficiency and robustness of pixel level. Experimental results demonstrate the effectiveness of the algorithm when applied in different outdoor and indoor environments.

In recent years, processing the images that contain human faces has been a growing research interest because of establishment and development of automatic methods especially in security applications, compression, and perceptual user interface. In this paper, a new method has been proposed for multiple face detection and tracking in video frames. The proposed method uses skin color, edge and shape information, face detection, and dynamic movement analysis of faces for more accurate real-time multiple face detection and tracking purposes. One of the main advantages of the proposed method is its robustness against usual challenges in face tracking such as scaling, rotation, scene changes, fast movements, and partial occlusions.

Vehicle tracking is an essential requirement of any vision based Intelligent Transportation System for extracting different traffic parameters, efficiently. Handling inter-object occlusion is the most challenging part of tracking as a process of finding and following interested objects in a sequence of video frames. In this paper we present a system, based on code-book background model for motion segmentation and Kalman filter for tracking with a new approach for occlusion. This approach separates occluded vehicles based on longest common substring of chain codes. We use this tracking system to estimate some traffic parameters. Experimental results show the efficiency of the method

The existing workflow modeling languages have some limitations and drawbacks. The aim is to introduce a new workflow modeling language based on stochastic activity networks (SANs). SANs are a powerful extension of Petri nets, which have been used in a wide range of applications. SAN-based workflow modeling language (SWML) has some high-level modeling primitives for easily modeling workflow patterns. For analysis of the modeled workflow systems with SWML, we have introduced the transformation techniques from SWML models into ordinary SANs. The transformed models can be analyzed using the existing tools for SANs, such as the Möbius modeling tool. In this paper, we present definitions of SWML modeling language and its primitives and an example of SWML models.