امروزه تغییرات مداوم در نیازمندیهای مشتریان به عنوان اصلیترین چالش پیش روی سازمانها است، معماری سرویسگرا به عنوان یک راهحل عملی برای رفع این مشکل برای سازمانهای سرویسگرا مطرح میشود. در معماری سرویسگرا انتخاب و ترکیب سرویسها برای پاسخگویی سریع به نیازمندیهای چکیده کامل
امروزه تغییرات مداوم در نیازمندیهای مشتریان به عنوان اصلیترین چالش پیش روی سازمانها است، معماری سرویسگرا به عنوان یک راهحل عملی برای رفع این مشکل برای سازمانهای سرویسگرا مطرح میشود. در معماری سرویسگرا انتخاب و ترکیب سرویسها برای پاسخگویی سریع به نیازمندیهای پیچیده مشتریان در دسترس سازمانهای سرویسگرا قرار میگیرد. سازمانها برای پاسخگویی سریعتر به نیازمندیهای پیچیده و متغیر مشتریان از سرویسهای آماده و برونسازمانی استفاده میکنندکه یکی از فناوریهای نوظهور در این زمینه وبسرویسها هستند. با گسترش تمایل سازمانها به استفاده از وبسرویسها، به مرور زمان تأمینکنندگان وبسرویسها افزایش پیدا کردند و به همین دلیل وبسرویسهایی با عملکرد یکسان و ویژگیهای کیفی متفاوت گسترش یافتند، بنابراین مسئله انتخاب وبسرویس با بهترین ویژگی کیفی برای سازمانها اهمیت پیدا کرد. از طرفی سازمانها تنها با یک وبسرویس نمیتوانند نیازمندیهای پیچیده مشتریان را پاسخ دهند، به همین دلیل نیازمند ترکیب چندین وبسرویس با هم هستند. از طرفی دیگر با افزایش وبسرویسها با عملکردهای متفاوت، در ترکیب آنها، همبستگی، وابستگی و ناسازگاری بین وبسرویسها نیز گسترش مییابد ولی تاکنون روشی ارائه نشده که وبسرویسهای برتر را بر اساس ویژگیهای کیفی انتخاب کند و ترکیب آنها با هم، وابستگی، ناسازگاری و همبستگی بین وبسرویسها را نقض نکند. در این مقاله سعی میکنیم از روشهای قبلی که به وابستگی یا ناسازگاری یا همبستگی در حالتهای ساده ترکیب وبسرویسها پرداختهاند، استفاده کنیم و یک روش جامع پیشنهاد دهیم تا این که حالتهای پیچیدهای که از ترکیب وبسرویسها ممکن است رخ دهد را نیز پشتیبانی کنیم و وبسرویس مرکب مناسب را از نظر ویژگیهای کیفی با در نظر گرفتن وابستگی، ناسازگاری و همبستگی بیابیم.
پرونده مقاله
تشخیص دادههای پرت به عنوان یک حوزه تحقیق در دادهکاوی و یادگیری ماشین بوده و یک گام مهم در پیشپردازش دادهها به حساب میآید. در این مقاله یک روش بدون پارامتر به منظور تشخیص دادههای پرت مبتنی بر نزدیکی به نام NPOD ارائه شده است. رهیافت ارائهشده، ترکیبی از روشهای مبت چکیده کامل
تشخیص دادههای پرت به عنوان یک حوزه تحقیق در دادهکاوی و یادگیری ماشین بوده و یک گام مهم در پیشپردازش دادهها به حساب میآید. در این مقاله یک روش بدون پارامتر به منظور تشخیص دادههای پرت مبتنی بر نزدیکی به نام NPOD ارائه شده است. رهیافت ارائهشده، ترکیبی از روشهای مبتنی بر فاصله و مبتنی بر چگالی بوده و توانایی تشخیص پرتها را به صورت سراسری و محلی دارد. این روش نیاز به تعیین هیچ یک از پارامترهای شعاع همسایگی، حد آستانه نقاط موجود در شعاع همسایگی و پارامتر نزدیکترین همسایگی ندارد. NPOD برای تشخیص دادههای پرت، یک روش جدید نمرهدهی ارائه میدهد. ارزیابی نتایج بر روی مجموعه دادههای UCI نشان میدهد که این الگوریتم با وجود بدون پارامتر بودنش، عملکردی قابل رقابت با روشهای پیشین و در بعضی مواقع بهترین عملکرد را دارد.
پرونده مقاله
سیستمهای شرحنگاری خودکار تصاویر، وظیفه توصیف محتوای تصاویر به وسیله تخصیص برچسب به آنها را بر عهده دارند. هدف از انجام این تحقیق بهبود نتایج دقت و سرعت یک سیستم شرحنگار تصاویر است. اخیراً با توجه به رشد روزافزون تصاویر، فرایند شرحنگاری بر روی پایههای تصاویر به جای چکیده کامل
سیستمهای شرحنگاری خودکار تصاویر، وظیفه توصیف محتوای تصاویر به وسیله تخصیص برچسب به آنها را بر عهده دارند. هدف از انجام این تحقیق بهبود نتایج دقت و سرعت یک سیستم شرحنگار تصاویر است. اخیراً با توجه به رشد روزافزون تصاویر، فرایند شرحنگاری بر روی پایههای تصاویر به جای خودشان اجرا میگردد. یکی از این روشهای جدید، پیادهسازی الگوریتم تجزیه نامنفی ماتریس (NMF) بر روی ویژگیهای به دست آمده از تصاویر است. در روش پیشنهادی برای افزایش سرعت و کارایی بهتر سیستم شرحنگاری، برای اولین بار از روشی به نام چرخش بلاک اصلی برای حل NMF در شرحنگاری استفاده شده است. این روش با توانایی افزودن برخط کلاس جدیدی از دادهها به دانش خود و یادگیری دانش به صورت فشرده و علاوه بر آن، توانایی آموزش بر اساس دادههای دریافتی بدون نیاز به پردازش مجدد توانسته از روشهای پیشین ارائهشده برای حل NMF عملکرد بهتری را نشان دهد. در مرحله آموزش با روش چرخش بلاک اصلی ماتریس ضرایب و پایه تصاویر ورودی به دست میآیند. سپس در مرحله آزمون برای تصویر ورودی، توسط ویژگیهای استخراجشده از تصویر و ضرایب به دست آمده از مرحله آموزش، ضریب تعلق تصویر آزمون به هر یک از کلاسهای تصاویر آموزش محاسبه میگردد. سپس این ضریب در هنگام جستجو در میان تصاویر آموزش برای تخصیص برچسب به تصویر آزمون، دقت کار را افزایش میدهد. این جستجو توسط روش KNN بر روی پایههای تصاویر صورت میگیرد. برای آزمایش روش پیشنهادی از دو پایگاه داده K5Corel و دادههای واقعی حیوانات (برگرفته از px 500) استفاده شده و نهایتاً با روشهای موجود مقایسه شده که در پایگاه داده K5Corel به میزان دقت 20/50 و روی دادههای واقعی به 89/62 رسیدیم که بهطور قابل ملاحظهای دقت افزایش یافته است.
پرونده مقاله
در مدل محاسبات کوانتومی یکطرفه (WQC1)، همبستگي کوانتومي در يک مدل درهمتنيده که حالت گرافي يا حالت خوشهاي خوانده ميشود، باعث ميگردد که محاسبات جامع کوانتومي تنها با استفاده از اندازهگيريهاي تککيوبيتي محقق شود. در WQC1 محاسبات با الگوهای اندازهگیری یا به طور خلاص چکیده کامل
در مدل محاسبات کوانتومی یکطرفه (WQC1)، همبستگي کوانتومي در يک مدل درهمتنيده که حالت گرافي يا حالت خوشهاي خوانده ميشود، باعث ميگردد که محاسبات جامع کوانتومي تنها با استفاده از اندازهگيريهاي تککيوبيتي محقق شود. در WQC1 محاسبات با الگوهای اندازهگیری یا به طور خلاصه الگو نمایش داده میشوند. مسأله سنتز در مدل WQC1 به صورت استخراج الگو از يک ماتریس يکاني دلخواه ورودي تعريف ميشود. معیارهای اصلی در ارزیابی الگوهای اندازهگیری در مدل WQC1، اندازه، عمق الگو و تعداد درهمتنیدگیهای الگو است. در این مقاله، روش جدیدی برای سنتز گیتهای یکانی U کنترلشده که U یک گیت تککیوبیتی است در مدل WQC1 ارائه شده است. بدین منظور برای نخستین بار، ایده استفاده از حساب اندازهگیری تعمیمیافته (که از اندازهگیری در صفحات مختلف کره بلاخ بهره میبرد) در مفهوم سنتز در مدل WQC1 استفاده میشود. بهینهسازیهایی نیز مبتنی بر این ایده پیشنهاد شده و با استفاده از آن، روش پیشنهادی برای سنتز گیتهای یکانی کنترلشده در مدل WQC1 معیارهای ارزیابی اندازه، عمق و تعداد درهمتنیدگیهای الگو را نسبت به بهترین کار قبلی به ترتیب به میزان 1/9%، 30% و 1/18% بهبود میدهد.
پرونده مقاله
شبکههای حسگر بیسیم یکی از فناوریهای کاربردی و جذاب است که در سالهای اخیر بسیار مورد توجه قرار گرفته است. این شبکهها به دلیل ویژگیهایی همچون سهولت استفاده و هزینه پایین آن، در زمینههای متنوعی به کار گرفته شدهاند. با توجه به بحرانیبودن اغلب کاربردهای این شبکهها، چکیده کامل
شبکههای حسگر بیسیم یکی از فناوریهای کاربردی و جذاب است که در سالهای اخیر بسیار مورد توجه قرار گرفته است. این شبکهها به دلیل ویژگیهایی همچون سهولت استفاده و هزینه پایین آن، در زمینههای متنوعی به کار گرفته شدهاند. با توجه به بحرانیبودن اغلب کاربردهای این شبکهها، امنیت بهعنوان یکی از پارامترهای اساسی کیفیت سرویس در آنها مطرح بوده و بنابراین تشخیص نفوذ نیز بهعنوان یک لازمه اساسی برای تأمین امنیت در این شبکهها تلقی میشود. این مقاله یک سیستم تشخیص نفوذ سبک مبتنی بر اعتماد را برای محافظت از شبکه حسگر بیسیم در برابر همه حملات لایه شبکه و مسیریابی ارائه مینماید که مبتنی بر خصوصیات استخراجشده از آنها است. از طریق شبیهسازیها، سیستم تشخیص نفوذ پیشنهادی با تمامی معیارهای کارایی مورد ارزیابی قرار گرفته است. نتایج بهدستآمده نشان میدهد که سیستم تشخیص نفوذ پیشنهادی در مقایسه با کارهای موجود که اغلب بر روی یک حمله خاص تمرکز دارند، همه حملات لایه شبکه و مسیریابی را در شبکههای حسگر بیسیم پوشش داده و همچنین با توجه به دقت تشخیص بالا، نرخ هشدار نادرست پایین و مصرف انرژی کم، بهعنوان یک سیستم تشخیص نفوذ مطلوب و سبک برای شبکههای حسگر بیسیم مطرح است.
پرونده مقاله
در اين مقاله ابتدا یک روش جدید رمزنگاری مبتنی بر هویت ارائه میگردد و نشان داده میشود در مقایسه با روشهای پیشین دارای سربار محاسباتی کمتری است. در این راستا، روش مبتنی بر هویت پیشنهادی، شبیهسازی شده و نتایج حاصل با نمایندگان برتر رمزنگاری مبتنی بر هویت مورد مقایسه قر چکیده کامل
در اين مقاله ابتدا یک روش جدید رمزنگاری مبتنی بر هویت ارائه میگردد و نشان داده میشود در مقایسه با روشهای پیشین دارای سربار محاسباتی کمتری است. در این راستا، روش مبتنی بر هویت پیشنهادی، شبیهسازی شده و نتایج حاصل با نمایندگان برتر رمزنگاری مبتنی بر هویت مورد مقایسه قرار میگیرد. سپس در ادامه پژوهش با استفاده از پروکسی رمزنگاری مجدد و روش رمز مبتنی بر هویت ارائهشده در این مقاله، یک سیستم سلامت الکترونیک ابری پیشنهاد میگردد. این سیستم علاوه بر فراهمکردن محرمانگی و افزایش قابلیت دسترسی، در کلیه مراحل راهاندازی، تولید کلید خصوصی، رمزگذاری، تولید کلید رمز مجدد، رمزنگاری مجدد و رمزگشایی دارای زمان اجرای کمتری است و منجر به کاهش هزینه محاسباتی و سربار ارتباطی فرایند رمزنگاری در سیستم سلامت الکترونیک میشود.
پرونده مقاله
با پیدایش تراشههای رمزنگاری، حملات کانال جانبی تهدید جدیدی علیه الگوریتمهای رمزنگاری و سیستمهای امنیتی به شمار میروند. حملات کانال جانبی به ضعفهای محاسباتی الگوریتمها کاری نداشته و از ضعفهای پیادهسازی استفاده مینمایند. زنجیره پویش که در آزمون تراشهها کاربرد گس چکیده کامل
با پیدایش تراشههای رمزنگاری، حملات کانال جانبی تهدید جدیدی علیه الگوریتمهای رمزنگاری و سیستمهای امنیتی به شمار میروند. حملات کانال جانبی به ضعفهای محاسباتی الگوریتمها کاری نداشته و از ضعفهای پیادهسازی استفاده مینمایند. زنجیره پویش که در آزمون تراشهها کاربرد گستردهای دارد، یکی از این کانالهای جانبی است. برای جلوگیری از حمله با استفاده از زنجیره پویش، میتوان ارتباط زنجیرههای پویش را پس از آزمون ساخت از بین برد اما این روش، امکان آزمون پس از ساخت و همچنین بهروزرسانی مدارها را غیر ممکن میسازد. بنابراین باید علاوه بر حفظ آزمونپذیری زنجیره پویش، به دنبال روشی برای جلوگیری از حملات کانال جانبی ناشی از آن بود. در این مقاله روشی ارائه شده که بتواند حمله مهاجم را شناسایی کند و از حمله با استفاده از زنجیره پویش جلوگیری نماید. در این روش با مجازشماری کاربر، خروجی متناسب، تولید شده و از دسترسی مهاجم به اطلاعات حساس جلوگیری خواهد گردید. روش ارائهشده با سربار مساحت کمتر از 1%، سربار توان مصرفی ایستای حدود 1% و سربار تأخیر ناچیز، قابلیت آزمونپذیری را حفظ کرده و میتواند از حملات مبتنی بر زنجیره پویش تفاضلی و مبتنی بر امضا بهتر از روشهای پیشین جلوگیری کند.
پرونده مقاله
مسیریابی ربات یکی از موضوعات مهم در مبحث رباتیک سیار است. هدف، پیداکردن یک مسیر پیوسته از یک موقعیت اولیه به یک مقصد نهایی است به طوری که عاری از برخورد بوده و بهینه یا نزدیک به بهینه نیز باشد. از آنجایی که مسئله مسیریابی ربات از نوع مسایل بهینهسازی است، میتوان از الگ چکیده کامل
مسیریابی ربات یکی از موضوعات مهم در مبحث رباتیک سیار است. هدف، پیداکردن یک مسیر پیوسته از یک موقعیت اولیه به یک مقصد نهایی است به طوری که عاری از برخورد بوده و بهینه یا نزدیک به بهینه نیز باشد. از آنجایی که مسئله مسیریابی ربات از نوع مسایل بهینهسازی است، میتوان از الگوریتمهای تکاملی برای حل این مسئله استفاده نمود. امروزه الگوریتم انتخاب کلونال به علت داشتن ویژگیهای محاسباتی ارزنده به دفعات برای حل مسایل مورد استفاده قرار گرفته است، اما در زمینه استفاده از این روش برای حل مسئله مسیریابی ربات تلاشهای بسیار کمی انجام شده است. اندک تلاشهای انجامگرفته نیز در واقع نوعی الگوریتم ژنتیک بهبودیافته میباشند. در این پژوهش با بهرهگیری از تمام ویژگیهای الگوریتم کلونال روشی کارا برای مسیریابی ربات در حضور موانع طراحی شده است. روش ارائهشده در محیطهای متنوع و با اجراهای مختلف از نظر معیارهای طول مسیر پیشنهادی و تعداد نسلهای لازم برای تولید مسیر مورد ارزیابی قرار میگیرد. بر اساس نتایج حاصل از آزمایشهای متعدد، روش ارائهشده عملکرد بهتری نسبت به الگوریتم ژنتیک در تمامی محیطها و همه پارامترهای ارزیابی از خود نشان میدهد. بهخصوص با افزایش تعداد رئوس موانع و نیز موانع مقعر، روش پیشنهادی عملکرد بسیار بهینهتری در مقایسه با الگوریتم ژنتیک از خود نشان میدهد. همچنین مقایسه عملکرد روش پیشنهادی با الگوریتم ترکیبی جغرافیای زیستی-ازدحام ذرات بیانگر برتری الگوریتم مسیریابی مبتنی بر انتخاب کلونال هست.
پرونده مقاله