اکثر الگوريتمهایي که تا اين زمان در زمينه نهانکاوي کور ويدئو ارائه شدهاند منطبق بر يادگيري باناظر بوده و هزینه تولید دادههای برچسبدار در آنها بالا میباشد. تحت این شرایط در فرایند نهانکاوی کور ویدئو تنها میتوان از تعداد محدودی از الگوریتمهای نهاننگاری که کد آنه چکیده کامل
اکثر الگوريتمهایي که تا اين زمان در زمينه نهانکاوي کور ويدئو ارائه شدهاند منطبق بر يادگيري باناظر بوده و هزینه تولید دادههای برچسبدار در آنها بالا میباشد. تحت این شرایط در فرایند نهانکاوی کور ویدئو تنها میتوان از تعداد محدودی از الگوریتمهای نهاننگاری که کد آنها در دسترس است برای آموزش طبقهبند استفاده کرد. بنابراین نمیتوان درباره کارایی نهانکاو برای شناسایی آن دسته از الگوریتمهای نهاننگاری ویدئویی که کد آنها در دسترس نیست، مطمئن بود. همچنین الگوریتمهای رایج عموماً برونخط میباشند و بنابراین آموزش مجدد سیستم زمانبر بوده و نمیتوان سیستم را به صورت برخط بروز کرد. برای حل این مشکلات یک روش جدید نهانکاوی کور ویدئو با رویکرد یادگیری شبهناظر در این مقاله ارائه شده است. در روش پیشنهادی با توجه به رفع محدودیت برچسبدار بودن دادههای آموزشی، کارایی طبقهبند برای آن دسته از الگوریتمهای نهاننگاری که کد آنها در دسترس نیست بهبود مییابد. همچنین ثابت میشود که روش پیشنهادی نسبت به روشهای متداول در فرایند نهانکاوی کور ویدئو پیچیدگی زمانی کمتری داشته و یک روش برخط بهینه است. نتایج شبیهسازی بر روی پایگاه داده استاندارد نشان میدهد که روش پیشنهادی علاوه بر مزایای فوق، دارای دقت آشکارسازی قابل مقایسه با روشهای متداول روز است.
پرونده مقاله
اکثر الگوريتمهایي که تا اين زمان در زمينه نهانکاوي کور ويدئو ارائه شدهاند منطبق بر يادگيري باناظر بوده و هزینه تولید دادههای برچسبدار در آنها بالا میباشد. تحت این شرایط در فرایند نهانکاوی کور ویدئو تنها میتوان از تعداد محدودی از الگوریتمهای نهاننگاری که کد آنه چکیده کامل
اکثر الگوريتمهایي که تا اين زمان در زمينه نهانکاوي کور ويدئو ارائه شدهاند منطبق بر يادگيري باناظر بوده و هزینه تولید دادههای برچسبدار در آنها بالا میباشد. تحت این شرایط در فرایند نهانکاوی کور ویدئو تنها میتوان از تعداد محدودی از الگوریتمهای نهاننگاری که کد آنها در دسترس است برای آموزش طبقهبند استفاده کرد. بنابراین نمیتوان درباره کارایی نهانکاو برای شناسایی آن دسته از الگوریتمهای نهاننگاری ویدئویی که کد آنها در دسترس نیست، مطمئن بود. همچنین الگوریتمهای رایج عموماً برونخط میباشند و بنابراین آموزش مجدد سیستم زمانبر بوده و نمیتوان سیستم را به صورت برخط بروز کرد. برای حل این مشکلات یک روش جدید نهانکاوی کور ویدئو با رویکرد یادگیری شبهناظر در این مقاله ارائه شده است. در روش پیشنهادی با توجه به رفع محدودیت برچسبدار بودن دادههای آموزشی، کارایی طبقهبند برای آن دسته از الگوریتمهای نهاننگاری که کد آنها در دسترس نیست بهبود مییابد. همچنین ثابت میشود که روش پیشنهادی نسبت به روشهای متداول در فرایند نهانکاوی کور ویدئو پیچیدگی زمانی کمتری داشته و یک روش برخط بهینه است. نتایج شبیهسازی بر روی پایگاه داده استاندارد نشان میدهد که روش پیشنهادی علاوه بر مزایای فوق، دارای دقت آشکارسازی قابل مقایسه با روشهای متداول روز است.
پرونده مقاله
اکثر الگوريتمهایي که تا اين زمان در زمينه نهانکاوي کور ويدئو ارائه شدهاند منطبق بر يادگيري باناظر بوده و هزینه تولید دادههای برچسبدار در آنها بالا میباشد. تحت این شرایط در فرایند نهانکاوی کور ویدئو تنها میتوان از تعداد محدودی از الگوریتمهای نهاننگاری که کد آنه چکیده کامل
اکثر الگوريتمهایي که تا اين زمان در زمينه نهانکاوي کور ويدئو ارائه شدهاند منطبق بر يادگيري باناظر بوده و هزینه تولید دادههای برچسبدار در آنها بالا میباشد. تحت این شرایط در فرایند نهانکاوی کور ویدئو تنها میتوان از تعداد محدودی از الگوریتمهای نهاننگاری که کد آنها در دسترس است برای آموزش طبقهبند استفاده کرد. بنابراین نمیتوان درباره کارایی نهانکاو برای شناسایی آن دسته از الگوریتمهای نهاننگاری ویدئویی که کد آنها در دسترس نیست، مطمئن بود. همچنین الگوریتمهای رایج عموماً برونخط میباشند و بنابراین آموزش مجدد سیستم زمانبر بوده و نمیتوان سیستم را به صورت برخط بروز کرد. برای حل این مشکلات یک روش جدید نهانکاوی کور ویدئو با رویکرد یادگیری شبهناظر در این مقاله ارائه شده است. در روش پیشنهادی با توجه به رفع محدودیت برچسبدار بودن دادههای آموزشی، کارایی طبقهبند برای آن دسته از الگوریتمهای نهاننگاری که کد آنها در دسترس نیست بهبود مییابد. همچنین ثابت میشود که روش پیشنهادی نسبت به روشهای متداول در فرایند نهانکاوی کور ویدئو پیچیدگی زمانی کمتری داشته و یک روش برخط بهینه است. نتایج شبیهسازی بر روی پایگاه داده استاندارد نشان میدهد که روش پیشنهادی علاوه بر مزایای فوق، دارای دقت آشکارسازی قابل مقایسه با روشهای متداول روز است.
پرونده مقاله
بازيابي تصوير بر اساس محتوا شامل مجموعهاي از روشها براي پردازش ويژگيهاي ديداري يک تصوير پرس و جو به منظور پيداکردن تصاوير مشابه آن در يک پايگاه تصوير است. براي بهبود عملکرد سامانه بازیابی تصویر ميتوان از ابزار بازخورد ربط استفاده کرد. در اين تحقيق براي افزايش کارايي چکیده کامل
بازيابي تصوير بر اساس محتوا شامل مجموعهاي از روشها براي پردازش ويژگيهاي ديداري يک تصوير پرس و جو به منظور پيداکردن تصاوير مشابه آن در يک پايگاه تصوير است. براي بهبود عملکرد سامانه بازیابی تصویر ميتوان از ابزار بازخورد ربط استفاده کرد. در اين تحقيق براي افزايش کارايي سامانههاي بازيابي تصوير، ترکيب دو یا چند روش يادگيري کوتاهمدت در فرایند بازخورد ربط پيشنهاد شده است. در روش پيشنهادي، ترکيب در سه سطح انجام ميگيرد: سطح تصاوير برگرداندهشده، سطح توابع شباهت و سطح رتبه تصاوير. براي ارزيابي روش پيشنهادي يک سامانه بازيابي تصوير مبتني بر محتوا با 10000 تصوير از 82 گروه معنايي متفاوت مورد استفاده قرار گرفته است. نتایج حاصل از آزمایشها برتري روش پيشنهادي را از لحاظ دقت بازیابی مورد تأیید قرار میدهد.
پرونده مقاله
بازيابي تصوير بر اساس محتوا شامل مجموعهاي از روشها براي پردازش ويژگيهاي ديداري يک تصوير پرس و جو به منظور پيداکردن تصاوير مشابه آن در يک پايگاه تصوير است. براي بهبود عملکرد سامانه بازیابی تصویر ميتوان از ابزار بازخورد ربط استفاده کرد. در اين تحقيق براي افزايش کارايي چکیده کامل
بازيابي تصوير بر اساس محتوا شامل مجموعهاي از روشها براي پردازش ويژگيهاي ديداري يک تصوير پرس و جو به منظور پيداکردن تصاوير مشابه آن در يک پايگاه تصوير است. براي بهبود عملکرد سامانه بازیابی تصویر ميتوان از ابزار بازخورد ربط استفاده کرد. در اين تحقيق براي افزايش کارايي سامانههاي بازيابي تصوير، ترکيب دو یا چند روش يادگيري کوتاهمدت در فرایند بازخورد ربط پيشنهاد شده است. در روش پيشنهادي، ترکيب در سه سطح انجام ميگيرد: سطح تصاوير برگرداندهشده، سطح توابع شباهت و سطح رتبه تصاوير. براي ارزيابي روش پيشنهادي يک سامانه بازيابي تصوير مبتني بر محتوا با 10000 تصوير از 82 گروه معنايي متفاوت مورد استفاده قرار گرفته است. نتایج حاصل از آزمایشها برتري روش پيشنهادي را از لحاظ دقت بازیابی مورد تأیید قرار میدهد.
پرونده مقاله
شبکه خودسازمانده پويا با يادگيري نيمهناظر در بسياري از کاربردها نظیر خوشهبندی دادهها کاربرد دارد. محاسبه پارامترهاي شبکه خودسازمانده شامل شکل و ساختار لايه خوشهبندی، سطح فعالسازی و وزنهاي لايه طبقهبندی از جمله مسایل چالشبرانگیز و مهم آن است. راهکارهای ارائهشده چکیده کامل
شبکه خودسازمانده پويا با يادگيري نيمهناظر در بسياري از کاربردها نظیر خوشهبندی دادهها کاربرد دارد. محاسبه پارامترهاي شبکه خودسازمانده شامل شکل و ساختار لايه خوشهبندی، سطح فعالسازی و وزنهاي لايه طبقهبندی از جمله مسایل چالشبرانگیز و مهم آن است. راهکارهای ارائهشده فعلی از روشهای ابتکاری و با یک نگاه محلی سعی در تعیین این پارامترها دارند که در اثر آن، نتایج این الگوریتمها وابستگی بالایی به شرایط دارد. این مقاله یک روش یادگیری نیمهناظر مبتنی بر شبکه خودسازمانده پویا و يادگيري حداکثري را برای اولین بار مورد بررسی قرار میدهد. روش پیشنهادی، بدون محاسبه مستقیم پارامترهای شبکه خودسازمانده پویا و با استفاده از روش یادگیری حداکثری، کلاس هر داده را تعیین میکند. خطای حاصل از بازخورد سیستم، هم در یادگیری حداکثری و هم در بهینهسازی شبکه خودسازمانده پویا مورد استفاده قرار میگیرد. در این مقاله، علاوه بر بررسی تحلیلی همگرایی روش پیشنهادی، روش حداکثری ترتیبی برای شبکه نیمهناظر خودسازمانده پویا ارائه شده است. آزمایشهای انجامشده بر روی دادههای برخط و با برچسب جزئی نشان میدهند که روش پیشنهادی از نظر دقت، نسبت به روش نیمهناظر خودسازمانده پویا برتری نسبی دارد.
پرونده مقاله
کیفیت سامانههای یادگیری تطبیقی و مشارکتی به نحوه توصیف مناسب یادگیرندگان و نیز دقت و صحت تفکیک یادگیرندگان در گروههای همگن و غیر همگن وابسته است. در روشهای ارائهشده برای گروهبندی یادگیرندگان در محیط یادگیری الکترونیکی، محققان اغلب به دنبال بهبود روشهای پایه از طری چکیده کامل
کیفیت سامانههای یادگیری تطبیقی و مشارکتی به نحوه توصیف مناسب یادگیرندگان و نیز دقت و صحت تفکیک یادگیرندگان در گروههای همگن و غیر همگن وابسته است. در روشهای ارائهشده برای گروهبندی یادگیرندگان در محیط یادگیری الکترونیکی، محققان اغلب به دنبال بهبود روشهای پایه از طریق ترکیب آنها با روشهای بهینهسازی هستند. این امر موجب پیچیدهتر شدن روشهای گروهبندی میشود و کیفیت نه چندان مناسب گروههای حاصل را به دنبال دارد. در این مقاله روشی مبتنی بر نظریه فازی برای انتخاب خوشههای مناسب در روش خوشهبندی پیوندی معرفی شده است. در این روش هر خوشه به صورت مجموعهای فازی مدلسازی شده و خوشههای متناظر تعیین گردیده و بهترین آنها به عنوان خوشه مناسب انتخاب شده است. این روش موجب افزایش دقت روش خوشهبندی پیوندی میشود. نتایج ارزیابی تجربی روش پیشنهادی بر اساس دو شاخص "Davies-Bouldin" و "خلوص و تجمع" نشان میدهد این روش دقت بیشتری نسبت به سایر روشهای خوشهبندی در شناسایی گروهها داشته است.
پرونده مقاله
در سالهای اخیر، استفاده از شبکههای حسگر بیسیم در حوزههایی از کاربردهای پزشکی مطرح شده و به طور خاص در کاربردهایی که حسگرها روی بدن نصب میشوند، تحت عنوان شبکههای بیسیم روی بدن مورد بررسی قرار گرفته است. از آنجا که حفظ حریم خصوصی و امنیت دادههای پزشکی دارای اهمیت چکیده کامل
در سالهای اخیر، استفاده از شبکههای حسگر بیسیم در حوزههایی از کاربردهای پزشکی مطرح شده و به طور خاص در کاربردهایی که حسگرها روی بدن نصب میشوند، تحت عنوان شبکههای بیسیم روی بدن مورد بررسی قرار گرفته است. از آنجا که حفظ حریم خصوصی و امنیت دادههای پزشکی دارای اهمیت بسیاری است، برقراری امنیت داده در این حوزه به عنوان یک چالش مهم مد نظر قرار گرفته است. یکی از مشکلات برقراری امنیت در شبکههای بیسیم، توافق کلید بین گرهها است که تحقیقات بسیاری روی آن انجام شده است. در شبکههای بیسیم روی بدن، الگوریتمهای متعددی بر پایه یک ساختار ریاضی به نام Fuzzy Vault ارائه شده است که از ویژگیهای سیگنالهای فیزیولوژیکی برای توافق کلید استفاده میکند. با توجه به محدودیتهای موجود در این شبکهها که ناشی از کوچکی سایز گرههای شبکه حسگر و ویژگیهای ارتباط بیسیم میباشد، انتخاب طرح امنیتی مناسب از اهمیت زیادی برخوردار است. این مقاله با استفاده از روش تحلیل سلسلهمراتبی فازی به ارزیابی الگوریتمهای توافق کلید مبتنی بر Fuzzy Vault و انتخاب بهترین الگوریتم از میان الگوریتمهای ارائهشده میپردازد. برای ارزیابی، از میان الگوریتمهای توافق کلید ارائهشده بر پایه ساختارFuzzy Vault، سه الگوریتم OPFKA، PSKA، و ECG-IJS که دارای اهمیت بیشتری هستند در نظر گرفته شدهاند تا با استفاده از روش AHP فازی، بهترین الگوریتم با در نظرگرفتن معیارهایی که در انتخاب بهترین گزینه اهمیت زیادی دارند، برگزیده شود. در تعیین معیارها باید ویژگیها و محدودیتهای شبکههای بیسیم روی بدن و همچنین نوع کاربرد و زمان مد نظر قرار گیرد. در نهایت، ارزیابی انجامشده نشان میدهد که الگوریتم توافق کلید موسوم به ECG-IJS نسبت به دو الگوریتم دیگر دارای اولویت بالاتری است و به عنوان طرح بهتر انتخاب میشود.
پرونده مقاله
کاربرد رويکرد مدلگرا در توليد نرمافزار به دليل کاهش پيچيدگي و افزايش سرعت توليد به طور جدي مورد توجه قرار گرفته است. يکي از چالشهاي مهم در کاربرد مدل وجود ناسازگاري است. يک ناسازگاري به دليل وجود الگوهاي ساختاري نامطلوب در مدل بروز مييابد. روشهاي فعلي ارائهشده برا چکیده کامل
کاربرد رويکرد مدلگرا در توليد نرمافزار به دليل کاهش پيچيدگي و افزايش سرعت توليد به طور جدي مورد توجه قرار گرفته است. يکي از چالشهاي مهم در کاربرد مدل وجود ناسازگاري است. يک ناسازگاري به دليل وجود الگوهاي ساختاري نامطلوب در مدل بروز مييابد. روشهاي فعلي ارائهشده براي رفع ناسازگاري مدل به ميزان تغييرات مدل و فاصله بين مدل و ترميم آن توجه ندارند. در اين مقاله روشي مبتني بر فاصله براي يافتن نزديکترين ترميم نسبت به مدل ناسازگار ارائه ميشود. براي اين منظور مدل و فرامدل با استفاده از گراف جهتدار بازنمايي شده و از قواعد تبديل گراف جهت رفع ناسازگاري بهره برده ميشود. همچنين معيار فاصله بر اساس ميزان تغييرات گراف متناظر مدل تعريف ميشود. اعمال روش پيشنهادي به مجموعهاي از مدلهاي مبتني بر BPMN بر بهبود نتايج با استفاده از معيار فاصله دلالت دارد.
پرونده مقاله
با توجه به اهمیت تشخیص و تصحیح سریع شرایط غیر عادی عیب در فرایندهای صنعتی، در این مقاله روشی جدید به منظور نظارت فرایند پیشنهاد شده است. در این روش همزمان هم دینامیک فرایند و هم تأثیر دادههای برون هشته در نظر گرفته شده است. ابتدا دینامیک فرایند به وسیله روش آنالیز متغ چکیده کامل
با توجه به اهمیت تشخیص و تصحیح سریع شرایط غیر عادی عیب در فرایندهای صنعتی، در این مقاله روشی جدید به منظور نظارت فرایند پیشنهاد شده است. در این روش همزمان هم دینامیک فرایند و هم تأثیر دادههای برون هشته در نظر گرفته شده است. ابتدا دینامیک فرایند به وسیله روش آنالیز متغیر استاندارد اعمال شده و سپس از الگوریتم آنالیز مؤلفه مستقل به منظور کاهش بعد دادهها استفاده شده است. همچنین حذف دادههای برون هشته و محاسبه حد کنترلی بر اساس الگوریتم فاکتور برون هشته محلی صورت گرفته است که هیچ توزیع خاصی را برای متغیرهای فرایند در نظر نمیگیرد. از این رو با دادههای موجود در صنعت تطابق دارد. همچنین به منظور افزایش اعتبار روش پیشنهادی در راستای آشکارسازی عیب، این الگوریتم بر روی فرایند TE شبیهسازی شده است و مقایسهای با نتایج حاصل از پژوهشهای دیگر صورت گرفته است. نتایج حاکی از آن است که الگوریتم پیشنهادی بهترین عملکرد را نسبت به سایر روشها دارد.
پرونده مقاله
تفکیکپذیری نقاط رنگی با اشکال هندسی یکی از مسایل مطرح در هندسه محاسباتی است که کاربردهایی از جمله در یادگیری ماشین و شناسایی الگو دارد. در این مسأله دو سری نقطه P و Q به ترتیب به رنگهای قرمز و آبی و به اندازه n در صفحه داده شده است. حال لازم است یک شکل هندسی مشخص را ب چکیده کامل
تفکیکپذیری نقاط رنگی با اشکال هندسی یکی از مسایل مطرح در هندسه محاسباتی است که کاربردهایی از جمله در یادگیری ماشین و شناسایی الگو دارد. در این مسأله دو سری نقطه P و Q به ترتیب به رنگهای قرمز و آبی و به اندازه n در صفحه داده شده است. حال لازم است یک شکل هندسی مشخص را به گونهای در صفحه قرار دهیم که کلیه نقاط آبی را در برگرفته و شامل هیچ نقطه قرمزی نباشد. در کارهای پیشین الگوریتمهایی برای تفکیکپذیری نقاط با گوه و مستطیل ارائه گردیده ولی تا به حال الگوریتمی برای تفکیکپذیری نقاط با یک مثلث و همچنین مثلثی که یک زاویه آن مشخص باشد (مثلاً قائمالزاویه) ارائه نشده است. در این مقاله الگوریتمی جدید و کارا برای تفکیکپذیری نقاط رنگی با مثلث قائمالزاویه ارائه میکنیم که قادر خواهد بود با استفاده از راهکار خط جاورب چرخشی، معرفی رخدادها و پردازش آنها در زمان کارای O(nlogn) کلیه مثلثهای قائمالزاویه تفکیککننده را گزارش کند.
پرونده مقاله
گرافها نمایش داده قدرتمندی هستند که به طور گسترده در حوزههای متفاوتی مورد استفاده قرار میگیرند. در کاربردهای مبتنی بر گراف یک پیمایش قاعدهدار از گراف مانند جستجوی اول سطح، غالباً جزء کلیدی در پردازش مجموعه دادههای بزرگ است. در این مقاله یک روش ترکیبی ارائه شده که چکیده کامل
گرافها نمایش داده قدرتمندی هستند که به طور گسترده در حوزههای متفاوتی مورد استفاده قرار میگیرند. در کاربردهای مبتنی بر گراف یک پیمایش قاعدهدار از گراف مانند جستجوی اول سطح، غالباً جزء کلیدی در پردازش مجموعه دادههای بزرگ است. در این مقاله یک روش ترکیبی ارائه شده که برای هر سطح از پیمایش گراف، بهینهترین نسخه از الگوریتمهای پیادهسازی شده بر روی پردازنده مرکزی و پردازنده گرافیکی را انتخاب میکند. این روش ترکیبی کارایی خوبی را برای هر اندازه گرافی فراهم میکند، در حالی که از کارایی ضعیف روی گرافهای با میانگین درجه کم و زیاد جلوگیری میکند. لازم به ذکر است که این روش بهره سرعت بالاتری نسبت به کارهای پیشین ارائه میدهد و نتایج علمی به دست آمده این ادعا را تأیید میکنند.
پرونده مقاله