پایگاه داده تحلیلی، پشتیبانی از داده‌های خارجی را که به صورت پویا بعد از ساخت و طراحی پایگاه داده تحلیلی مورد نیاز است مهیا نمی‌کند. از این رو تحلیل‌گر برای انجام تحلیل‌های مؤثر خود نیازمند پیداکردن همبستگی میان داده‌های خارجی و پایگاه داده تحلیلی است و در مواقعی نیز نیازمند مقایسه بین هر دو داده پایگاه داده تحلیلی و داده‌های خارجی با یکدیگر می‌باشد. همچنین تحلیل‌گر مجبور است که برای برخی از موقعیت‌های تکراری کارهای گذشته را تکرار کند که این کارها شامل اصطلاحات، ایجاد معیار‌ها و مقایسه می‌باشد. برای فارغ‌شدن از این مسایل در این مقاله تلاش شده که یک معماری تقریباً بی‌درنگ مبتنی بر هستان‌شناسی پیشنهاد شود. علاوه بر این الگوریتمی نیز جهت کاهش زمان پاسخ‌دهی به پرس و جوهای تحلیلی کاربران با استفاده از دیدهای ذخیره‌شده و پردازش موازی پیشنهاد می‌شود. نمونه‌های مطالعاتی به منظور نشان‌دادن نحوه ایجاد همبستگی میان داده‌های خارجی با داده پایگاه داده تحلیلی صورت گرفت و نتایج به دست آمده کشف همبستگی میان داده‌های خارجی و داده پایگاه داده تحلیلی را نشان می‌دهد. در آزمایش‌ها استفاده از دیدهای ذخیره‌شده در دو رویکرد مستقیم و والد در پایگاه داده تحلیلی معماری موجود، باعث کاهش زمان پاسخ‌دهی به پرس و جوهای ترتیبی، مقایسه‌ای و ترکیبی موازی کاربران می‌شود.

در الگوریتم‌های کاهش رنگ، نتیجه کار به صورت دیداری یا بر اساس معیارهای کیفی بررسی می‌شوند. ارزیابی بدون در نظر گرفتن معیارهای کمی، ارزیابی جامع و دقیقی نیست و سلیقه بیننده در ارزیابی بسیار تأثیرگذار است. در برخی از مقالات، نتیجه کار با معیار MSE ارزیابی می‌شود. در این معیار تفاوت میان رنگ پیکسل‌های تصویر نتیجه با تصویر اولیه به عنوان خطا در نظر گرفته می‌شود که روش مناسبی برای ارزیابی روش‌های کاهش رنگ نیست. در کاهش رنگ تصاویر، اگر یک رنگ به طور کامل با رنگی نزدیک به رنگ اصلی جایگزین شود، خطا محسوب نمی‌شود. اگر این جایگزینی‌ها برای تمام پیکسل‌های آن رنگ رخ ندهد خطایی در کاهش رنگ اتفاق افتاده است. یکی‌نبودن رنگ‌های حاصل از اعمال الگوریتم کاهش رنگ با رنگ‌های مطلوب باید در ارائه معیار ارزیابی لحاظ شود که در معیار MSE لحاظ نمی‌شود. در برخی از کاربردهای کاهش رنگ مانند کاهش رنگ در نقشه‌های فرش، رنگ مطلوب پیکسل نهایی مشخص است و ارائه رنگ نادرست خطا محسوب می‌شود. از این رو در این گونه از کاربردها، امکان ارزیابی کمی بر اساس رنگ نهایی هر پیکسل وجود دارد. با ارائه معیاری برای ارزیابی کمی، سلیقه بیننده در ارزیابی لحاظ نمی‌شود و امکان مقایسه دقیق الگوریتم‌های کاهش رنگ فراهم می‌شود. در این مقاله به ارائه معیاری کمی برای ارزیابی الگوریتم‌های کاهش رنگ پرداخته شده و در صورت مشخص‌بودن رنگ مطلوب پیکسل‌های نهایی، این معیار کارا است. برای نشان‌دادن کارایی معیار ارزیابی کمی، یکی از کاربردهای کاهش رنگ یعنی کاهش رنگ در نقشه‌های فرش بررسی شده است. چندین روش کاهش رنگ با معیار ارزیابی پیشنهادی سنجیده شده‌اند و الگوریتم [42] به دلیل تناسب با کاربرد، کمترین خطای کمی را داشته است.

الگوریتم غذایابی باکتری یکی از الگوریتم‌های بهینه‌سازی مبتنی بر جمعیت است که برای حل مسایل جستجو در شاخه‌های مختلف علوم استفاده می‌شود. یکی از مواردی که امروزه مورد توجه قرار گرفته است قابلیت اجرای موازی الگوریتم‌های بهینه‌سازی مبتنی بر جمعیت در پردازنده‌های گرافیکی است. با توجه به سرعت پایین الگوریتم بهینه‌سازی غذایابی باکتری در مواجهه با مسایل پیچیده و همچنین عدم توانایی حل مسایل با ابعاد بزرگ توسط این الگوریتم، اجرای آن بر روی پردازنده‌های گرافیکی یک راه حل مناسب برای پوشش نقاط ضعف این الگوریتم می‌باشد. در این نوشته ما یک نسخه موازی از الگوریتم بهینه‌سازی غذایابی باکتری ارائه دادیم که قابلیت اجرا در پردازنده‌های گرافیکی و با استفاده از طراحی کودا را دارد. همچنین کارایی این الگوریتم را با استفاده از تعدادی از مسایل شناخته‌شده بهینه‌سازی در مقایسه با الگوریتم استاندارد بهینه‌سازی غذایابی باکتری مورد ارزیابی قرار دادیم. نتایج نشان می‌دهد که الگوریتم موازی غذایابی باکتری نسبت به الگوریتم استاندارد غذایابی باکتری دارای سرعت و کارایی بالاتری می‌باشد.

کشف و رديابي اشيای متحرک گامی اساسي در تجزيه و تحليل ويدئو مي‌باشد. در اين مقاله روشي جديد را براي رديابي هم‌زمان چندين شيء متحرک در حوزه دید دوربین ثابت ارائه خواهيم کرد. در روش پيشنهادي مکان اشيای متحرک موجود در حوزه ديد دوربين را در هر مرحله و با استفاده از اطلاعات حرکت موجود بين دو فريم متوالي شامل فريم قبلي و فريم جاري از نظر زماني تعيين مي‌کنيم. در هر مرحله نقاط ویژگی Sift را روي فريم قبلي استخراج کرده و تناظر اين نقاط ويژگي را با استفاده از الگوريتم تناظريابي نقاط کلیدی KLT روي فريم جاري به دست مي‌آوريم. در ادامه و با در اختيار داشتن نقاط ويژگي متناظر بين دو فريم متوالي، اندازه حرکت نقاط ويژگي را محاسبه کرده و با حذف نقاط ويژگي با جابه‌جايي ثابت و يا ناچیز، نقاط ويژگي مرتبط به اشيای متحرک را کشف خواهيم کرد. سپس نقاط ويژگي برچسب‌گذاري شده به عنوان اشيای متحرک را با استفاده از الگوريتم خوشه‌بندي DBSCAN به خوشه‌هاي مختلف به عنوان اشيای متحرک دسته‌بندي مي‌کنيم. با اين روش و در هر لحظه مکان تمامي اشيای متحرک موجود در حوزه ديد دوربين به دست آمده که با تناظريابي يک به يک بين اين اشيا و اشيای به دست آمده در فريم قبلي مکان جديد هر شيء را تعيين مي‌کنيم. نتايج روش پيشنهادي حاکي از دقت بالا و زمان مصرفي قابل قبول براي رديابي اشيای متحرک مي‌باشد. روش پیشنهادی دارای دقت 95% برای ردیابی اشیای متحرک بوده و در هر ثانیه 33 فریم را پردازش می‌کند که در مقایسه با روش‌های معمول از نظر دقت و سرعت عملکرد مطلوبی دارد.

در سال‌هاي اخير فناوری ارتباطات سبز به عنوان يکي از مهم‌ترين حوزه‌هاي تحقيقاتي و صنايع ارتباطي مورد توجه قرار گرفته که علت توجه به اين حوزه تأثير آن بر کاهش آلودگي‌هاي زیست‌محیطی مي‌باشد. مطابق تحقيقات اخير، سهم مهمي از آلودگي تولیدشده توسط بخش فناوري اطلاعات و ارتباطات مربوط به شبکه‌هاي کامپيوتري محلي است. يکي از پرکاربردترين شبکه‌هاي محلي شبکه موردي سيار مي‌باشد که کارامدی انرژي در اين گونه شبکه‌ها نه تنها از نقطه نظر ارتباطات سبز، بلکه به دليل محدوديت‌هاي آنها از جمله طول عمر باطري، اهميت زیادی مي‌يابد. هرچند ويژگي‌هاي شبکه موردي سيار همچون نبود مديريت متمرکز، تحرک گره‌ها، تغييرات توپولوژي و کمبود منابع، روند سبزنمودن را به يک امر چالش‌برانگيز در اين حوزه تبديل نموده است. در اين مقاله به ارائه و پياده‌سازي يک پروتکل مسيريابي سبز براي شبکه موردي سيار مي‌پردازيم که مسئله کاهش مصرف انرژي را با به خواب بردن گره‌هاي غير ضروري حل مي‌نمايد. ارزيابي‌ها نشان مي‌دهد که اين روش مي‌تواند به طور ميانگين تا 20 درصد به صرفه‌جويي انرژي در شبکه دست يابد در حالي که آگاه به کيفيت سرويس نيز می‌باشد.

با توجه به پیشرفت‌های صورت‌گرفته در زمینه رباتیک و تعامل انسان و ماشین، تشخیص احساس از روی گفتار اهمیت ویژه‌ای پیدا کرده است. در این مقاله یک طبقه‌بند مبتنی بر مدل احساسی برانگیختگی- جاذبه، برای بازشناسی احساس از روی گفتار استفاده شده است. در این روش، در مرحله اول نمونه‌ها با استفاده از ویژگی‌های متداول عروضی و طیفی بر مبنای سطح برانگیختگی طبقه‌بندی می‌شوند. سپس احساس‌های با سطح برانگیختگی یکسان با استفاده از ویژگی‌های پیشنهادی دینامیکی غیر خطی از یکدیگر جدا می‌شوند. ویژگی‌های دینامیکی غیر خطی از روی مشخصات هندسی فضای فاز بازسازی شده سیگنال گفتار استخراج می‌شوند. بدین منظور چهار منحنی توصیفگر برای بازنمایی مشخصات هندسی فضای فاز بازسازی شده محاسبه می‌شوند. سپس مؤلفه‌های مهم تبدیل کسینوسی گسسته این منحنی‌ها به عنوان ویژگی‌های دینامیکی غیر خطی مورد استفاده قرار می‌گیرند. روش پیشنهادی بر روی پایگاه داده برلین با استفاده از تکنیک 10 تکه برابر ارزیابی شده و نرخ بازشناسی 35/96% و 18/87% برای زنان و مردان به دست آمد. با توجه به تعداد نمونه‌ها در هر گروه جنسیتی، متوسط نرخ بازشناسی 34/92% برای سیستم پیشنهادی به دست آمد.

یکی از اصلی‌‌ترین چالش‌‌های مدل‌‌های مبتنی بر مجاورت مسأله سرعت بازیابی اطلاعات می‌‌باشد. در مدل‌‌های مبتنی بر مجاورت مفهومی به نام فاصله تعریف می‌‌شود که برای محاسبه آن باید موقعیت کلمات پرس و جو در سند استخراج شود. این موضوع یعنی استخراج موقعیت‌‌ها و محاسبه فاصله‌‌ها فرایندی زمان‌‌بر است و چون غالباً در زمان جستجو اجرا می‌‌شود از دید کاربر اهمیت بیشتری دارد. در صورتی که بتوان تعداد اسناد مورد بررسی را کاهش داد بازیابی سریع‌‌تر می‌‌شود. در این مقاله الگوریتمی به نام 3SNTK برای هرس‌کردن پویای اسناد در موقع جستجوی عبارت ارائه گردیده است. برای اجتناب از تخصیص بیش از حد حافظه و کاهش ریسک بروز خطا در موقع بازیابی، امتیاز تعدادی از اسناد بدون هیچ گونه هرسی محاسبه می‌‌شود (Skip-N). در این الگوریتم از سه هرم حداقل برای استخراج اسناد دارای بالاترین امتیازها استفاده شده و آزمایش‌‌ها نشان می‌‌دهد که استفاده از الگوریتم‌‌ ‌‌پیشنهادی باعث بهبود سرعت بازیابی می‌‌گردد.

روبات‌های وب، برنامه‌های نرم‌افزاری هستند که به طور خودکار در اینترنت اجرا می‌شوند و مهم‏ترین وظیفه آنها واکشی اطلاعات و ارسال آنها به سرویس‌دهنده مبدأ است. مصرف زیاد پهنای باند شبکه توسط آنها و کاهش کارایی سرویس‌دهنده باعث شده تا مسأله تشخیص روبات‌های وب مطرح شود. در این مقاله از نظریه مجموعه‌های فازی ناهموار برای تشخیص روبات‌های وب استفاده شده است. روش پیشنهادی شامل چهار مرحله است. در مرحله اول، نشست‌های کاربران وب توسط خوشه‌بندی مجموعه‌های فازی ناهموار شناسایی می‌شود. در مرحله دوم، برداری شامل 10 ویژگی متمایز برای هر نشست استخراج می‌گردد. در مرحله سوم نشست‌های شناسایی‌شده توسط یک روش مکاشفه‌ای برچسب‌گذاری می‌شود. در مرحله چهارم این برچسب‌ها با استفاده از طبقه‌بندی مجموعه‌های فازی ناهموار بهبود می‌یابد. کارایی روش پیشنهادی بر روی مجموعه داده‌های واقعی ارزیابی شده است. نتایج آزمایش‏ها نشان‌دهنده برتری روش پیشنهادی نسبت به سایر روش‌های مطرح از نظر معیار F است.