2024-03-29T12:14:05Z
https://jscit.nit.ac.ir/?_action=export&rf=summon&issue=15905
مجله علمی رایانش نرم و فناوری اطلاعات
JSCIT
2383-1006
2383-1006
1399
9
3
جایگذاری انفجارآگاه جهت بهبود فرایند تجمیع ماشین مجازی در محیط ابری
سمیه
رحمانی
وحید
خواجه وند
محسن
ترابیان
در ابر محاسباتی جایگذاری ماشین مجازی فرایند تصمیم گیری انتخاب یک ماشین فیزیکی مناسب برای میزبانی یک ماشین مجازی با توجه به نیارهای ماشین مجازی و منابع موجود ماشین فیزیکی میباشد. جایگذاری ماشین مجازی یکی از زیرمسائل اصلی در فرایند تجمیع ماشین مجازی میباشد که با چالشهای متعددی مواجه میباشد. جایگذاری انفجارآگاه نقشی کلیدی در افزایش کارائی در سیستمهای محاسبات ابری داشته که نیاز به توجه و بررسی خاص داردبه همین دلیل ما در این مقاله با ارائه روشی موثر برای جایگذاری ماشینهای مجازی، مدل فرایند تجمیع ماشین مجازی را توسعه دادهایم. روش پیشنهادی شامل دو الگوریتم انفجارآگاه برای جایگذاری آغازین و مجدد ماشینهای مجازی میباشد. هدف الگوریتمهای پیشنهادی کاهش اثرات منفی انفجارهای بارکاری، در فرایند تصمیمگیری برای جایگذاری ماشینهای مجازی میباشد. ما از بارهای کاری واقعی و تصادفی و شبیهساز کلودسیم برای ارزیابی کارایی الگوریتمهای پیشنهادی استفاده کردهایم. نتایج آزمایشات برتری الگوریتمهای پیشنهادی را از نظر کارائی در مقایسه با الگوریتمهای پیشین تائید میکنند.
جایگذاری آغازین
جایگذاری مجدد
انفجار بارکاری
مجازی سازی
ابر محاسباتی
2020
09
22
1
14
https://jscit.nit.ac.ir/article_103881_d8252d745bdc7ce51371de8ebe079aa1.pdf
مجله علمی رایانش نرم و فناوری اطلاعات
JSCIT
2383-1006
2383-1006
1399
9
3
بهبود الگوریتم ژنتیک با استفاده از ترکیب منطق فازی و الگوریتم همتکاملی
محسن
قلعه نوئی
به منظور رسیدن به بهترین عملکرد در الگوریتم ژنتیک، تعیین مناسب پارامترها ضروری است. این مقاله بر تعیین هوشمند پارامتر احتمال بازترکیب بین هر دو والد انتخابی در هر نسل دلالت دارد. بر خلاف اغلب روشهای موجود که در آنها ویژگیهای پراکندگی هر نسل به منظور تعیین احتمال بازترکیب در کل نسل جاری استفاده میشود، این مقاله ویژگیهای فنوتیپ و ژنوتیپ جدیدی را برای هر زوج والد انتخابی در نسل جاری تعریف نموده و به کمک یک کنترلکننده فازی تاکاگی-سوگنوی مرتبه صفر، پارامتر احتمال بازترکیب تعیین میگردد. بدین ترتیب، هر زوج والد انتخابی در هر نسل دارای پارامتر بازترکیب منحصربفردی است که سبب انعطاف الگوریتم ژنتیک بسته به ناحیه مورد جستجو شده و از همگرایی زودرس الگوریتم ژنتیک جلوگیری مینماید. علاوه بر این، در روش پیشنهادی، جمله مربوط به بخش آنگاه در هر یک از قواعد فازی ثابت نبوده بلکه از طریق یک فرآیند تکاملی و همزمان با دیگر متغیرهای تصمیم تولید میشود. این عمل سبب افزایش بیشتر کارایی این روش میگردد. نتایج شبیهسازی بر روی مجموعهای از مسائل بهینهسازی استاندارد، عملکرد مطلوب این روش را نشان میدهد. همچنین، کارایی این روش با اعمال بر روی مسأله پیچیده پرواز تعقیب عوارض زمین بررسی میگردد.
احتمال بازترکیب
الگوریتم ژنتیک
الگوریتم هم تکاملی
پرواز تعقیب عوارض زمین
کنترل فازی تاکاگی-سوگنو
ویژگی ژنوتیپ
ویژگی فنوتیپ
2020
09
22
15
26
https://jscit.nit.ac.ir/article_103662_930df55cfe65c360d0314d2325d31e60.pdf
مجله علمی رایانش نرم و فناوری اطلاعات
JSCIT
2383-1006
2383-1006
1399
9
3
تطبیق دامنه بدون نظارت با واگرایی برگمن و طبقهبند انطباقی
مژده
زندی فر
جعفر
طهمورث نژاد
در تشخیص الگو و طبقهبندی تصویر، فرض معمول بر این است که مجموعه آموزشی (دامنه منبع) و مجموعه تست (دامنه هدف) توزیع یکسانی را به اشتراک میگذارند که در اغلب کاربردهای دنیای واقعی نقض میشود. در اینصورت ممکن است مدلهای یادگیری سنتی بر روی مجموعههای آموزشی به درستی تعمیم داده نشوند. برای مقابله با این مشکل، یادگیری انتقالی و تطبیق دامنه، سعی میکنند با بهرهگیری از دادههای آموزشی با توزیع مشابه با دامنه منبع، مدل را برای دامنه هدف تعمیم دهند. در این مقاله، ما یک راه حل جدید برای رویارویی با تطبیق دامنه بدون نظارت برای طبقهبندی پیشنهاد میدهیم. در سناریو بدون نظارت که در آن هیچ نمونه برچسب دار از دامنه هدف موجود نیست، مدل ما دادهها را به گونهای تغییر میدهد که توزیع نمونههای دامنه منبع وهدف مشابه شوند. برای مقایسه دو توزیع، رویکرد ما از واگرایی برگمن استفاده میکند. با این وجود این رویکرد به تنهایی برای تعمیم مدل کافی نیست. در اینجا، ما یک مدل تطبیقپذیر برای یادگیری نمایش بهتر جهت مقابله با عدم توازن توزیع در دامنههای مختلف ارائه میدهیم. چارچوب مدل طبقه-بندی با اضافه کردن یک طبقهبند سازگار برای طبقهبندی دامنه هدف تعمیم مییابد. بدینترتیب، این چارچوب تضمین کننده طبقهبندی دامنه هدف بوده و خطر ریسک تجربی در دامنه هدف را به حداقل میرساند و سازگاری هندسی با ساختار دادههای منبع را به حداکثر میرساند. مطالعه تجربی ما بر روی مجموعه دادههای معتبر موید این است که رویکرد پیشنهادی ما می تواند به طور مداوم دقت طبقه-بندی را در مقایسه با الگوریتمهای یادگیری ماشین پایه و روشهای تطبیقدامنه بهبود دهد.
یادگیری انتقالی
واگرایی برگمن
کاهش ابعاد
طبقهبند انطباقی
2020
09
22
27
42
https://jscit.nit.ac.ir/article_104378_a6a56bf10a8630d3d5b264319ba90a6e.pdf
مجله علمی رایانش نرم و فناوری اطلاعات
JSCIT
2383-1006
2383-1006
1399
9
3
بهبود دقت سامانه تشخیص نفوذ به کمک کاهشویژگی بر اساس مجموعه فازی ناهموار و ترکیب طبقهبندها
سیدعادل
نسبالحسینی
جواد
حمیدزاده
در دنیای امروز، محافظت از دادهها در مقابل نفوذ از طریق اینترنت یا شبکه، امری ضروری است و ابزارهای مختلفی در این زمینه ارائه شدهاست. سامانه تشخیص نفوذ با بررسی ترافیک شبکه وظیفه شناسایی و تشخیص هرگونه استفاده غیرمجاز از دادهها را دارد. در این سامانهها از روشهای متعددی به ویژه الگوریتمهای یادگیری ماشین بهرهگیری میشود و رویکردهای مختلفی ازجمله کاهش هشدارهای غلط، کاهش ابعاد، کاهش نمونهها، روشهای ترکیبی، بهسازی دادگان آموزشی و آزمون، بهکارگیری روشهای چند سطحی و غیره بهمنظور بهبود این الگوریتمها در فرآیند تشخیص نفوذ ارائهشده است. برخی از روشهای ترکیبی ارائهشده توسط محققان کلیه جنبههای حمله را موردنظر قرار نمیدهد. بعضی از آن ها نیز از معیار صحت استفاده می کنند که این معیار در دادههای حجیم و نامتوازن باعث ضعف در تشخیص حملههای با تعداد نمونههای بسیار کم میگردد. یکی از چالشها در تشخیص نفوذ، دقت پایین طبقهبندها در شناسایی نوع حملات شبکه است. هدف از این تحقیق، پیشنهاد یک سامانه برای بهبود دقت در تشخیص نفوذ با استفاده از نظریه مجموعه فازی ناهموار و ترکیب وزندار طبقهبندها است. درروش پیشنهادی ما، پس از کاهش ویژگیها توسط نظریه مجموعه فازی ناهموار، از ترکیب طبقهبندها برای بهبود دقت در تشخیص حملات استفاده شده است. دقت روش پیشنهادی در شناسایی رفتار حمله به طور میانگین به 93/98 رسید و همچنین به طور میانگین میزان شناسایی رفتارعادی 14/98، حملههای منع سرویس 85/96 و حملههای پویش 20/93 حملههای دسترسی از راه دور 31/91 و حملههای کاربر به ریشه 100 به دست آمد. نتایج حاصل از انجام آزمایشها نشان دهنده برتری روش پیشنهادی نسبت به سایر روشهای موجود است.
سامانه تشخیص نفوذ
کاهش ویژگی
ترکیب طبقهبندها
معیار دقت
مجموعه فازی ناهموار
2020
09
22
43
54
https://jscit.nit.ac.ir/article_105095_b08e184fb395a3cc4a4c61f63217e17f.pdf
مجله علمی رایانش نرم و فناوری اطلاعات
JSCIT
2383-1006
2383-1006
1399
9
3
پنهان نگاری تطبیقی تصاویر در مقدار اختلاف ضرایب کسیسنوس گسسته
وجیهه
ثابتی
سارا
احمدی
پنهان نگاری علم و هنر پنهان سازی وجود ارتباط است، بدین صورت که با پنهان کردن اطلاعات در یک رسانه دیجیتال وجود ارتباط از دید فرد متخاصم پنهان میماند. پنهان نگاری در ضرایب تبدیلات فرکانسی و به صورت خاص تبدیل کسینوس گسسته (DCT)، به دلیل قابلیت کشف کمتر، یکی از رایج ترین و فعال ترین حوزههای پنهان نگاری در میان محققان است. اما اکثر روشهای موجود در این حوزه از جاسازی مستقیم در ضرایب DCT استفاده کرده اند. هدف اصلی روش پیشنهادی در این مقاله، پیشنهاد یک بستر جاسازی متفاوت در این حوزه است. در روش پیشنهادی جاسازی در مقدار اختلاف زوج ضرایب حاصل از تبدیل DCT انجام میشود. جاسازی به نحوی انجام میشود که گیرنده میتواند با محاسبه اختلاف مقدار زوج-های همسایه، داده را به صورت کامل استخراج کند. روش پیشنهادی یک روش تطبیقی محسوب میشود، زیرا تعداد بیتهای قابل جاسازی در هر زوج ضریب متغیر و وابسته به مقدار اختلاف آنها است. نتایج آزمایشهای مختلف نشان می دهد روش پیشنهادی با حفظ کیفیت تصویر استگو در حد مطلوب و داشتن یک ظرفیت جاسازی معقول، احتمال کشف کمتری در برابر حملات پنهان شکنی موجود دارد.
پنهان نگاری
پنهان شکنی
تصویر
تبدیل کسینوس گسسته
2020
09
22
55
66
https://jscit.nit.ac.ir/article_104431_d17e6ba6e94e795cc044f034a200fe8c.pdf
مجله علمی رایانش نرم و فناوری اطلاعات
JSCIT
2383-1006
2383-1006
1399
9
3
الگوریتم ژنتیک با مرتبسازی نامغلوب برای ساخت درخت پوشای متوازن
مرضیه
حاجیزاده طحان
محمد
قاسم زاده
علی محمد
لطیف
این پژوهش نشان میدهد که در رابطه با یافتن درخت پوشای متوازن، چگونه میتوان با بهرهگیری از الگوریتم چند هدفه تکاملی بدون نیاز به تعیین پارامترهای مربوطه به نمونههای با شرایط مطلوب دست یافت. این مسئله متعلق به کلاس پیچیدگی اِن-پی-کامل است، لذا برای ورودیهای قدری بزرگ نمیتوان از یک الگوریتم دقیق که غالباً متکی بر جستجوی همهجانبه است، بهره برد. الگوریتمهای تقریبی موجود از یک سو همگی محدود به دریافت پارامتر مرتبط و لحاظ نمودن آنها بهطور مجزا میباشند؛ این امر موجب میشود که بهطورمعمول پاسخهایی باکیفیت پایینتر از مطلوب را بیابند. از سویی دیگر روشهای موجود، مسئله درخت پوشای متوازن را به صورت تک هدفه حل میکند؛ که این امر منجر به از دست رفتن اطلاعات فضای جستجوی مسئله و یافتن تنها یک راهحل میگردد، درحالیکه در مسائل واقعی، غالباً تصمیمگیرندگان برای تصمیمگیری بهتر، به چندین نمونهی راهحل نیاز دارند. رفع کاستیهای فوق میتواند منجر به یافتن درخت پوشای متوازن با ویژگیهای برتری گردد، که بهتبع آن منافع بیشتری در کاربردهای مربوطه مانند شبکههای ارتباطی و محاسبات با کارایی بالا، حاصل آید. در این پژوهش، برای غلبه بر چالشهای فوق، بهکارگیری بهینهسازی چندهدفه تکاملی از طریق الگوریتم ژنتیک با مرتبسازی نامغلوب توصیه میگردد. راهحل پیشنهادی از دو تابع هدف برای بهینهسازی همزمان وزن درخت پوشا و کوتاهترین مسیر بهره میبرد. تابع هدف اول، سعی در حداقلسازی فاصله هر رأس تا ریشه درخت دارد، تابع هدف دوم بهگونهای انتخاب شده تا وزن درخت پوشای بهدستآمده کمینه باشد. روش پیشنهادی توسط توابع تخصصی و در محیط پایتون، بر روی یک میکروکامپیوتر هفت هستهای پیادهسازی و اجرا گردید. بهمنظور ارزیابی عملکرد الگوریتم پیشنهادی، مجموعهای از گرافهای تصادفی با رویکرد اردوس و رنی بکار گرفته شدند. الگوریتم پیشنهادی با روشهای مطرح در حوزه یافتن درخت پوشای متوازن مورد مقایسه قرار گرفت. نتایج آزمایشی نشان میدهند که الگوریتم پیشنهادی، در غالب موارد قادر به یافتن پاسخهای بهتری نسبت به سایر الگوریتمهای مورد مقایسه میباشد. ضمناً غالباً پاسخهای بهینه که بهطورمعمول تنها از طریق الگوریتمهای دقیق و بسیار پرهزینه قابل حصولاند، را با صرف توان محاسباتی ناچیزی مییابد.
درخت پوشای متوازن
درخت کوتاهترین مسیر
درخت پوشای کمینه
مسائل چندهدفه تکاملی
2020
09
22
67
82
https://jscit.nit.ac.ir/article_104836_208f642ae1d907c810f355ff14d1ea7a.pdf
مجله علمی رایانش نرم و فناوری اطلاعات
JSCIT
2383-1006
2383-1006
1399
9
3
اعتبارسنجی پاسخها در سیستم پرسش و پاسخ با استفاده از رگرسیون ماشین بردار پشتیبان
یعقوب
قنبری
شهرام
گلزاری
Shyamala
Doraisamy
سیستم پرسش و پاسخ شکل خاصی از بازیابی اطلاعات است. با در نظر گرفتن مجموعهای از اسناد (مانند شبکه جهانی وب یا یک مجموعه محلی) سیستم باید بتواند پاسخ پرسشهای مطرحشده به زبان طبیعی را بازیابی نماید. سیستمهای پرسش و پاسخ بهصورت متداول از بخش های پردازش و تجزیه پرسش، تولید عبارت جستوجو، بازیابی اطلاعات، استخراج پاسخ و رتبهبندی پاسخ تشکیلشده است. یکی از علل کاهش کارایی سیستم های پرسش و پاسخ، پایین بودن دقت انتخاب پاسخ های مناسب به پرسش کاربران است. به وسیله ی اعتبارسنجی مناسب پاسخ ها می توان این مشکل را حل نموده و کارایی سیستم پرسش و پاسخ را ارتقا داد. در این پژوهش از رگرسیون ماشین بردار پشتیبان (SVR) برای اعتبار سنجی و رتبه بندی پاسخ ها استفادهشده است. الگوریتم رگرسیون ماشین بردار پشتیبان با کمینه نمودن ریسک عملیاتی، خطر افتادن در کمینه های محلی را بر طرف می کند. برای ارزیابی کارایی سیستم پیشنهادی از مجموعه پرسش های TREC و پرسش های ویکی پدیا استفاده گردیده است. در این پژوهش از معیارهای میانگین رتبه بندی معکوس و معیار F برای ارزیابی سیستم پیشنهادی استفاده گردیده است. بر اساس نتایج حاصل از آزمایشها، مقادیر به دست آمده برای این معیارها توسط سیستم پیشنهادی به ترتیب 81% و 49.7% بوده است. سیستم پیشنهادی در مقایسه با سیستم بدون رتبه بندی پاسخ و سیستم مبتنی بر رتبه بندی پاسخ با شبکه عصبی از کارایی مناسب تری برخوردار است. همچنین سیستم پیشنهادی در مقایسه با پژوهش های پیشین دارای میانگین رتبه بندی معکوس بهتری می باشد.
سیستم پرسش و پاسخ
بازیابی اطلاعات
اعتبار سنجی پاسخ
رگرسیون ماشین بردار پشتیبان (SVR)
2020
09
22
83
92
https://jscit.nit.ac.ir/article_106779_58c4ac7a655af0389f5173ebd4cdc20a.pdf
مجله علمی رایانش نرم و فناوری اطلاعات
JSCIT
2383-1006
2383-1006
1399
9
3
شناسایی شی برجسته در پیش بینی تمرکز نگاه با استفاده از یادگیری عمیق
رضا
نصیری پور
حسن
فرسی
سجاد
محمدزاده
شناسایی شی برجسته، توجه محققین در حوزههای مختلف را به خود جلب کردهاست بگونهای که در بسیاری از کاربردهای ماشین بینایی از جمله شناسایی و رهگیری شیء بکار گرفته میشود. بیشتر کارهای انجام شده در این حوزه مبتنی بر مدلهای بصری پائین به بالا میباشند و از ویژگیهای سطح پائین برای استخراج تصویر برجستگی نهایی استفاده میکنند که از دقت قابل توجهی در تشخیص شیء چشمگیر برخوردار نمیباشند. از طرفی مدلهای بصری بالا به پائین برای کاربردهای خاصی مورد استفاده قرار میگیرند. در این مقاله روش متفاوتی برای استخراج تصویر برجستگی شیء ارائه شده است که از ویژگیهای سطح پائین به بالا و بالا به پائین برای استخراج تصویر برجستگی استفاده میکند و مبتنی بر فرآیند یادگیری میباشد. انتخاب همزمان این ویژگیها باعث بهبود الگوریتم پیشنهادی در کاربردهای مختلف میشود و باعث افزایش دقت شناسایی شیء چشمگیر میشود. فرآیند یادگیری با استفاده از شبکه عصبی کانولوشن انجام میگیرد. پس از اینکه تصویر به سوپرپیکسل-های آن تجزیه شد، ویژگیهای متفاوتی از آن استخراج میگردد. سپس ویژگیهای استخراج شده به میانگین صفر و واریانس واحد نرمالیزه شده و از الگوریتم شبکه عصبی کانولوشن بهمنظور آموزش دادن ویژگیها استفاده میشود. دقت روش پیشنهادی با استفاده از 8 تصویر برجستگی و یادگیری عمیق بهبود داده شده است. روش پیشنهادی با بیش از 20 روش دیگر و در 4 پایگاه داده شناخته شده MSRA-1000، ECSSD، MSRA-10k و PASCAL-S مورد ارزیابی و مقایسه قرار گرفته شده است. نتایج حاکی از کارآیی روش پیشنهادی نسبت به سایر روشها در زمینه پیشبینی شیء چشمگیر در تعیین تمرکز نگاه میباشد.
تصویر برجستگی
ویژگیهای سطح پائین به بالا و بالا به پائین
سوپرپیکسل
CNN
2020
09
22
93
108
https://jscit.nit.ac.ir/article_110979_ad725dea2cf7f83de4495fa664f2cbe0.pdf
مجله علمی رایانش نرم و فناوری اطلاعات
JSCIT
2383-1006
2383-1006
1399
9
3
ارائه فرایندی جهت یکپارچهسازی و تشخیص تکرار برای بهبود کیفیت دادهها
نیلوفر
ملامحمد
نگین
دانشپور
اطلاعات در محیط های کاری امروزی و تصمیم گیری ها نقشی اساسی دارند. با توجه به اهمیت تصمیم گیری، اطمینان از کیفیت داده های موجود ضروری است. با استفاده از روش های پاکسازی داده میتوان کیفیت داده ها را بهبود بخشید. در این مقاله فرایندی در جهت کشف انواع رکورد های تکراری و متناقض، یکپارچهسازی و تشخیص تکرار برای بهبود کیفیت دادهها ارائه میشود. فرایند پیشنهادی شامل بخشهایی ازجمله کد کردن دادهها و خوشهبندی با استفاده از الگوریتم امید ریاضی- بیشینهسازی، ساخت نشانه برای رکوردها، ادغام روشهای کدکردن دادهها و ساخت نشانه و ایجاد قوانین انجمنی با استفاده از الگوریتم Fp-growth است. نتایج آزمایشها نشان می دهد در فرایند پیشنهادی بهطور متوسط معیار فراخوانی 96%، صحت 99%، دقت 95% و امتیاز- اف 95% شده است. روش پیشنهادی با یک روش شناسایی تکرار و خطا، مقایسه شده است که نتایج حاصل نشاندهندهی افزایش 13% فراخوانی، 1% صحت و 6% امتیاز- اف است.
کیفیت داده
عوامل کیفیت دادهها
پاکسازی دادهها
2020
09
22
109
120
https://jscit.nit.ac.ir/article_107020_5cb9050b5d3b4e859caaa9314c3c8b96.pdf
مجله علمی رایانش نرم و فناوری اطلاعات
JSCIT
2383-1006
2383-1006
1399
9
3
تعیین و تشخیص ضربان قلب در سیگنال الکتریکی قلب برای کاربردهای پزشکی از راه دور
محمودرضا
دلاور
سید علی
حسین پور
حسین
حسنی بافرانی
نوار قلب، تغییرات پتانسیل الکتریکی عضلات قلب را نشان می دهد. این سیگنال اطلاعات با ارزشی درباره وضعیت بیمار نظیر ضربان قلب را در اختیار پزشکان قرار می دهد. در سالهای اخیر با توجه به پیشرفت فناوری های پزشکی از راه دور، تحلیل خودکار این سیگنال به منظور تعیین ضربان قلب موضوع تحقیقات زیادی بوده و الگوریتم های مختلفی برای این کار معرفی شده اند. این الگوریتم ها عموما پیچیدگی های زیادی داشته و کمتر متناسب با شکل و ظاهر سیگنال لید مورد استفاده بوده اند. هدف اصلی این پژوهش ارائه الگوریتمی جدید، آسان، با پیچیدگی محاسباتی کم و متناسب با ویژگی های ظاهری سیگنال استفادهشده، جهت تعیین ضربان قلب و استخراج پیک S در قطعه QRS، به منظور استفاده در کاربردهای پزشکی از راه دور است. این الگوریتم برای 93 سیگنال مختلف اشتقاق V2 پیاده سازی شده و خطای مثبت و منفی که نشان دهنده کارایی الگوریتم هستند، به ترتیب 100% و 95/99% بدست آمده اند. در نهایت الگوریتم ارائه شده در قالب نرم افزار کاربردی اندرویدی پیاده سازی شده است.
سیگنال ECG
ضربان قلب
پزشکی از راه دور
QRS
2020
09
22
121
131
https://jscit.nit.ac.ir/article_107703_a364273325888b3969609505ee2a24a1.pdf
مجله علمی رایانش نرم و فناوری اطلاعات
JSCIT
2383-1006
2383-1006
1399
9
3
بررسی تأثیر استفاده از روشهای یادگیری ماشین تجمعی در شناسایی نظرهای هرز بر اساس ویژگیهای رفتاری
شهریار
محمدی
میررضا
موسوی
یکی از تأثیرگذارترین ارتباطها در اینترنت، نظرهایی است که توسط افراد مصرفکننده یک محصول بهعنوان تجربه استفاده، در اختیار افراد خواهان خرید محصول قرار میگیرد. استفاده سودجویان از این فرصت انتقال تجربه، بهمنظور ارتقا یا تنزل ارزش یک خدمت یا محصول خاص بهناحق، باعث قرارگیری نظرهای آنها در دسته نظرهای هرز میشود. ازاینرو شناسایی این نظرها با استفاده از روشهای یادگیری ماشین و یادگیرندههای تجمعی به مبحثی داغ در میان محققان تبدیل شده است. هدف این مطالعه بررسی تأثیر استفاده از روشهای یادگیری ماشین تجمعی در شناسایی اینگونه نظرها با استفاده از ویژگیهای رفتاری است. بررسیهای اخیر نشان داده است که روشهای تجمعی مورد استفاده در این مطالعه در ادغام با ویژگیهای متنی علاوه بر تحمیل بار محاسباتی بیشتر قادر به ارتقای عملکرد بهترین الگوریتمهای پایه نیستند. در این مطالعه علاوهبر شناسایی بهترین یادگیرندههای پایه و تجمعی در استفاده از ویژگیهای رفتاری بهدنبال آن هستیم که آیا میتوان با استفاده از این ویژگیها و یادگیرندههای تجمعی به دقتی بیشتر و یا تغییر محسوسی در عملکرد مدل دست یابیم. بدین منظور از هفت یادگیرنده پایه و چهار یادگیرنده تجمعی دستهبندی، تقویتسازی، جنگل تصادفی و درخت اضافی استفاده شد و نتایج حاصل با نتایج استفاده از ویژگیهای متنی مورد مقایسه قرار گرفت. ارزیابیها نشاندهنده عملکرد بهتر یادگیرنده پایه درخت تصمیم بههمراه روش تجمعی تقویتسازی در حالت استفاده از مجموعهداده نامتوازن و روش تجمعی دستهبندی در استفاده از مجموعهداده متوازن و همچنین تغییر محسوستر عملکرد بهترین الگوریتم پایه، توسط یادگیرندههای تجمعی، در استفاده از ویژگیهای رفتاری نسبت به متنی است.
نظرهای هرز
یادگیری ماشین
روشهای تجمعی
ویژگیهای رفتاری
2020
09
22
132
147
https://jscit.nit.ac.ir/article_107647_bc401cb4aff47a5cda40f4f9631a3331.pdf
مجله علمی رایانش نرم و فناوری اطلاعات
JSCIT
2383-1006
2383-1006
1399
9
3
یاگیری توابع عضویت برای کاوش قوانین انجمنی فازی با استفاده از اتوماتای یادگیر
زهره
اناری
عبدالرضا
حاتم لو
محمد
مصدری
تراکنش ها در مجموعه دادههای وب اغلب از داده های کمّی تشکیل شده، که نشان میدهد تئوری مجموعههای فازی میتواند برای نشان دادن چنین داده هایی استفاده شود. مدت زمان صفحات وب که توسط کاربران ملاقات میشود، یکی از انوع داده ذخیره شده درلاگ های وب است که می-تواند به عنوان یک عامل مهم برای تحلیل رفتار حرکتی کاربران استفاده شود. هرچند، در تمامی کارهای انجام شده برای کاوش قوانین انجمنی از داده های مورد استفاده از وب تعداد و پارامترهای توابع عضویت در نظر گرفته شده برای پارامتر زمان، در تمام صفحات وب ثابت فرض شده است. این در حالی است که تعداد و پارامترهای توابع عضویت مورد استفاده برای هر صفحه وب با سایر صفحات وب متفاوت است. بنابراین برای حل این چالش در این مقاله، یک روش بهینه سازی یادگیری تقویتی مبتنی بر اتوماتای یادگیر با نام LA-OMF برای استخراج خودکار هر دوی تعداد و پارامترهای توابع عضویت ذوزنقهای برای استخراج قوانین انجمنی فازی از دادههای وب ارائه شده است. همچنین برای افزایش سرعت همگرایی روش پیشنهادی و حذف توابع عضویت نامناسب هیوریستیک جدیدی ارائه شد. کارایی روش پیشنهادی مورد ارزیابی قرار گرفت و نتایج با نتایج به دست آمده با استفاده از روش کاوش فازی وب در یک مجموعه داده واقعی مقایسه شد. آزمایشات بر روی مجموعه داده با اندازه های مختلف تأیید کرد که روش پیشنهادی LA-OMFبا استخراج توابع عضویت بهینه میانگین کارایی تابع هدف و پشتیبان فازی را در مقایسه با توابع عضویت یکنواخت به ترتیب 39% و 61% افزایش داده است.
کاوش استفاده از وب
اتوماتای یادگیر
مجموعه فازی
توابع عضویت
قوانین انجمنی فازی
2020
09
22
148
162
https://jscit.nit.ac.ir/article_107866_e7dd3e9dde060f5f2b9d0ce1655db087.pdf
مجله علمی رایانش نرم و فناوری اطلاعات
JSCIT
2383-1006
2383-1006
1399
9
3
بهبود الگوریتم انتخاب دید در پایگاه داده ی تحلیلی با استفاده از الگوریتم جهش ترکیبی قورباغه در حل مساله کوله پشتی صفرویک
ریحانه
صباغ گل
نگین
دانشپور
پایگاه دادهی تحلیلی، برای پاسخگویی به پرسوجوهای تحلیلی طراحی میشود. دادههای موجود در پایگاه دادهی تحلیلی، دادههای تاریخی هستند. در پایگاه دادهی تحلیلی، زمان پاسخگویی به پرسوجوهای تحلیلی، زمان زیادی است. بنابراین باید به دنبال روشی برای کاهش این مدت زمان بود. استفاده از دید، راهحل مناسبی برای کاهش زمان پاسخگویی است. اما امکان ذخیرهسازی تمام دیدهای ممکن وجود ندارد. از طرفی دیگر، ذخیرهسازی دیدهای بهینه، یک مسئلهی NP-Complete میباشد. به این منظور، الگوریتمهای انتخاب دید زیادی ارائه شدهاند که از جملهی این الگوریتمها میتوان به الگوریتمهایی اشاره کرد که دیدهای پرکاربرد را ذخیره میکنند. پرسوجوهایی که قبلا مورد استفادهی پایگاه دادهی تحلیلی بودهاند، حاوی اطلاعات مهمی هستند که به احتمال زیاد در آینده نیز مورد استفاده خواهند بود. این مقاله، الگوریتمی برای ذخیرهسازی دیدهای مناسب ارائه میدهد. این الگوریتم با استفاده از پرسوجوهای قبلی، دیدهای مناسب را یافته و آنها را ذخیره میکند. این دیدها توانایی پاسخگویی به بسیاری از پرسوجوهایی که در آینده اتفاق خواهند افتاد را دارند. این مقاله از الگوریتم جهش ترکیبی قورباغه برای یافتن دیدهای بهینه در حل کولهپشتی صفرویک استفاده کرده است که باعث بهبود روشهای قبلی و کاهش زمان پاسخ به پرسوجوها شدهاست.
پایگاه دادهی تحلیلی
پرسوجوهای بهینه
ذخیرهسازی دید
کولهپشتی صفرویک
2020
09
22
163
179
https://jscit.nit.ac.ir/article_110806_f8a4a6c931baee8d4fe466783d5ab1e8.pdf
مجله علمی رایانش نرم و فناوری اطلاعات
JSCIT
2383-1006
2383-1006
1399
9
3
ارائه دو رویکرد نهان نگاری صوتی کوانتومی بهبودیافته از نظر مقاومت
محسن
یوسفی نژاد
محمد
مصلح
سعید
رسولی هیکل آباد
چکیده- اخیرا نهاننگاری کوانتومی به عنوان یک مبحث امنیتی مهم توجه پژوهشگران زیادی را به خود جلب کرده است. تاکنون روشهای زیادی برای نهاننگاری تصاویر کوانتومی پیشنهاد شده است ولی دستاوردهای انگشتشماری در حوزه نهاننگاری صوت کوانتومی به چشم میخورد. این مقاله دو رویکرد نهاننگاری صوت کوانتومی را با هدف بهبود مقاومت ارائه میدهد. رویکرد اول یک کیوبیت نهاننگاره را در تعداد فردی از نمونههای صوتی سیگنال میزبان جایگذاری کرده و با استفاده از روش رای گیری اکثریت، کیوبیت صحیح را استخراج میکند. در رویکرد پیشنهادی دوم، تعداد k نمونه صوتی از سیگنال میزبان به عنوان یک قاب، گروه بندی میشوند که حامل یک کیوبیت از نهاننگاره خواهند شد. به منظور جایگذاری یک کیوبیت، مجموع دامنه نمونههای صوت در پیمانه 2k محاسبه میشود (r)، و با افزایش یا کاهش جزئی مقدار دامنه نمونهها، مقدار r در مرکز یکی از دستههای [0,2k-1-1] و [2k-1,2k-1] به ترتیب برای درج کیوبیت ├ |0⟩ یا ├ |1⟩ تنظیم میگردد. در زمان استخراج، مقدار r مجددا محاسبه شده و با توجه به اینکه در کدام یک از دستههای مذکور قرار میگیرد، کیوبیت استخراج شده مشخص خواهد شد. برای هرکدام از رویکردهای پیشنهادی، مدار کوانتومی و تحلیل پیچیدگی ارائه شده است. پیچیدگی مداری هر دو رویکرد ارائه شده خطی است. نتایج شبیه سازی نشان میدهد که رویکردهای ارائه شده مصالحه قابل قبولی بین مقاومت، شفافیت و ظرفیت ارائه میدهند.
نهان نگاری صوت کوانتومی
پردازش سیگنال کوانتومی
محاسبات کوانتومی
مقاوم پذیری
حوزه زمان
2020
09
22
180
195
https://jscit.nit.ac.ir/article_107813_fc2c5a7d105b2c82591603fa3c78f764.pdf
مجله علمی رایانش نرم و فناوری اطلاعات
JSCIT
2383-1006
2383-1006
1399
9
3
بهبود کارایی در چندپردازنده ای ها با استفاده از سه مرحله مهاجرت ناپیوسته جهت نگاشت برخط
اکرم
رضا
مهناز
رفیعی
در این مقاله مفاهیم و پارامترهای مختلف در نگاشت برخط برای کارهای متعدد در شبکه روی تراشه بررسی شده است. در این راستا سه گام اساسی پیدا نمودن اندازه زیرتوری مناسب، محل زیرتوری در همبندی توری جهت تخصیص و مکان اصلی در زیرتوری جهت نگاشت بر خط کار در نظر گرفته شده است. لذا الگوریتم های مؤثر پیشین جهت انتخاب ابعاد زیرتوری، الگوریتم های مهاجرت پردازنده مبتنی بر دو مرز سطری، فشرده سازی بالا پایین محدود شده، فشرده سازی چهارگوشه برخط پویا (ODC-FC) و روش های مهاجرت ترکیبی برای همبندی توری با الگوریتم پیشنهادی جهت بررسی کارایی مقایسه شده است. در این راستا، تأثیر پارامترهای کارآیی میانگین زمان اجرای کار و میانگین بهره وری سیستم با الگوریتم های پیشین جهت دستیابی به پیکربندی مناسب در شبکه های روی تراشه بررسی شده اند. در این مقاله بیست و نه الگوریتم مختلف پیاده سازی شده و از بین آن ها هفت الگوریتم که عملکرد بهتری نسبت به سایرین دارا هستند انتخاب شده است. در واقع، با استفاده از روش های مهاجرت تلفیقی کارا توانستیم تعداد مهاجرت های پردازنده ها را محدود نماییم و در نتیجه میانگین زمان اجرای کار بین 36% تا 38.1% و میانگین بهره وری سیستم بین 38.2% تا 48.5% بهبود یافته است.
تخصیص
تکه تکه شدن
چند پردازنده ای ها
شبکه روی تراشه
مهاجرت
2020
09
22
196
205
https://jscit.nit.ac.ir/article_110808_b1b98ad41a63959c94dfc7cc06004390.pdf
مجله علمی رایانش نرم و فناوری اطلاعات
JSCIT
2383-1006
2383-1006
1399
9
3
ارائه یک الگوریتم مسیریابی مبتنی بر جهت حرکت و موقعیت خودروها برای شبکههای موردی بینخودرویی
رعنا
عربنژاد
شهرام
بابائی
چکیده- ویژگیهای خاص شبکههای موردی بینخودرویی مانند توپولوژی پویا و محدود بودن برد رادیویی خودروها همچنین بیسیم بودن محیط انتقال بین خودروها و وجود موانع مختلف مانند ساختمانها و درختان نیاز به تجهیزات کنار جادهایی را در مسیریابی شبکههای موردی بینخودرویی مطرح کرده است. با توجه به عدم وجود ارتباطهای پایدار در شبکههای موردی بینخودرویی، الگوریتمهای مسیریابی مبتنی بر موقعیت گزینه مناسبی برای این شبکهها میباشند. لذا در این مقاله یک رویکرد مسیریابی مبتنی بر موقعیت برای شبکههای موردی بینخودرویی ارائه میشود که برای مسیریابی، پارامترهای متعددی مانند فاصله، اولویتبندی بستهها، جهت حرکت خودروها و تراکم خودروهای شبکه را در نظر میگیرد تا قادر باشد تأخیر انتها به انتها و تا حد امکان گم شدن بستهها را کاهش دهد. برای ارزیابی کارایی رویکرد پیشنهادی از شبیهساز THE ONE استفاده شده است و عملکرد رویکرد پیشنهادی با الگوریتمهای RAGR، CMGR، SDR مورد مقایسه قرارگرفته است. نتایج شبیهسازیها نشان میدهند که بطور متوسط نرخ تحویل بسته رویکرد پیشنهادی 26% با حضور 200 خودرو و 23% با حضور 300 خودرو، تأخیر انتها به انتها 82 % با حضور 200 خودرو و 65 % با حضور 300 خودرو و تعداد گامها 14 % با حضور 200 خودرو و 20 % با حضور 300 خودرو نسبت به پروتکلهای مورد مقایسه بهبود داشته است.
شبکههای موردی بینخودرویی
مسیریابی مکانی
کیفیت سرویس خدمات
2020
09
22
206
213
https://jscit.nit.ac.ir/article_110807_6d9dd599efa938f7afb1e9fee45f9641.pdf
مجله علمی رایانش نرم و فناوری اطلاعات
JSCIT
2383-1006
2383-1006
1399
9
3
چارچوب ترکیبی (یادگیری-دانشمحور) برای فیلتر محتوایی اطلاعات و مدیریت منابع اطلاعاتی
مرتضی
جادریان
حسن
ختن لو
روشهای فیلتر محتوایی مبتنی بر دانش، روشهای مؤثری برای جستجو، فیلتر کردن و مدیریت اطلاعات هستند. در این مقاله، یک چارچوب بدیع فیلتر و مدیریت منابع اطلاعاتی متنی معرفی میشود. روش پیشنهادی از دانش جمعی/گروهی مدل شده در آنتولوژی و پایگاههای دانش ساختیافته جهت توسعه روشهای محاسبه معنایی شباهت استفاده میکند. از روشهای محاسبه معنایی شباهت توسعه داده شده برای فیلتر و دستهبندی کردن اسنادی استفاده میشود که حاوی اطلاعات متنی منطبق با ترجیحات کاربری هستند. همچنین، روشهای توسعه داده شده در یک مدل «ترکیب خبرگان» با یکدیگر یکپارچه میشوند تا تصمیمات مرتبط با فیلتر و مدیریت منابع اطلاعاتی، از طریق اجتماع دانش خبرهها اتخاذ گردد. یکپارچهسازی روشهای مبتنی بر دانش در مدل یادگیری ماشین «ترکیب خبرگان» ایده بدیع پیشنهادی در این مقاله است. نتایج ارزیابی نشان میدهد اجماع خبرگی روشهای مبتنی بر دانش در مدل یادگیری گروهی «ترکیب خبرگان» عملکرد سیستم را ارتقاء میبخشد و منجر به دستهبندی دقیق اسناد متنی میشود.
فیلتر و مدیریت اطلاعات
دسته بند محتوا
شباهت معنایی
آنتولوژی
یادگیری ترکیبی
2020
09
22
214
228
https://jscit.nit.ac.ir/article_111568_6ca26e6e701de717d072c316b4e6ee68.pdf
مجله علمی رایانش نرم و فناوری اطلاعات
JSCIT
2383-1006
2383-1006
1399
9
3
یک روش خوشه بندی توزیع شده مبتنی بر منطق فازی برای بهینهسازی مصرف انرژی و انتقال داده در شبکههای حسگر بیسیم
محمد
علائی
فهیمه
یزدان پناه
بنا به اهمیت بالای بهینهسازی مصرف انرژی در شبکههای حسگر بیسیم، الگوریتمهای خوشهبندی و سپس مسیریابی خوشهای بهطور گستردهای در این شبکهها طراحی و استفاده میشوند. به منظور جمعآوری اطلاعات در ایستگاه پایه، هر گره حسگر، دادهها را به سر خوشهای که به آن تعلق دارد با ارتباط یک یا چندگامی، انتقال میدهد. ارتباط چندگامی در خوشه، مسأله عدم تعادل بار و در نتیجه، مصرف انرژی زیاد گرههای میانی را که نزدیک به سرخوشه میباشند، دربردارد. انرژی این گرهها سریعتر از گرههای دورتر مصرف میشود و در نتیجه، این موضوع، موجب مرگ زودهنگام این گرهها و نیز کاهش طول عمر شبکه میگردد .در این مقاله، الگوریتمی توزیعشده برای خوشهبندی با هدف صرفهجویی در مصرف انرژی پیشنهاد میشود. در انتخاب سرخوشهها در روش پیشنهادی که DEEFCA نامیده میشود، انرژی و درجه گره مورد بررسی و انرژی باقیمانده گرههای همسایه آن گره، فاصله بین سرخوشههای انتخابی، مدت زمان ارسال بسته و تعداد گامها از گره مورد بررسی تا ایستگاه پایه و پراکندگی، بهعنوان پارامترهای ورودی در نظر گرفته میشوند. در این الگوریتم، هر گره احتمال سرخوشه شدن خود را با استفاده از سیستم استنتاج فازی به شیوهای توزیعشده محاسبه میکند. نتایج حاصل و ارزیابیها نشان میدهند که DEEFCA در مقایسه با روشهای مشابهEEDCF ،DFLC و EADEEG طول عمر شبکه (با در نظر گرفتن زمان مردن نیمی از گرهها) را بهترتیب، بهمیزان %12.8، %21.5 و %25.8 بهبود میبخشد و نیز، مقدار انتقال داده در شبکه به میزان %19.7، %71 و %167 افزایش مییابد.
شبکههای حسگر بیسیم
خوشهبندی
منطق فازی
بهینهسازی مصرف انرژی
انتقال داده
2020
09
22
229
243
https://jscit.nit.ac.ir/article_111419_290c7ba91e33e31d65f0822bf784cca6.pdf
مجله علمی رایانش نرم و فناوری اطلاعات
JSCIT
2383-1006
2383-1006
1399
9
3
ارائه مدلی بهینه جهت یافتن کوتاهترین مسیرهای تخمینی با پوشش کامل گراف
شکوفه
بستان
علی محمد
زارع بیدکی
با توجه به افزایش حجم اطلاعات در شبکه های اجتماعی و فضای وب، نیاز به الگوریتم های سریع برای آنالیز محتوای گراف بیش از پیش احساس می شود. یکی از مهمترین عملیات ها در گراف، یافتن کوتاهترین مسیر بین دو گره است که می تواند کاربردهای مختلفی در مسیریابی و ارتباطات داشته باشد. الگوریتم های کلاسیک برای حل این مسئله بسیار کند و استفاده از آن ها عملا غیرممکن است، بنابراین می توان ازالگوریتم های تخمینی استفاده کرد که اغلب مبتنی بر لندمارک هستند. در این مقاله چهار مدل تخمینی مبتنی بر لندمارک معرفی می گردد که با استفاده از روش های ابتکاری، گره های لندمارک به صورت برون خط انتخاب می گردند. همچنین از یک الگوریتم ابتکاری برای خوشه بندی گره ها استفاده شده و سپس کوتاهترین مسیرها در هر خوشه محاسبه می گردد، همچنین از داده ساختار هش استفاده می شود تا دسترسی به گره ها به صورت مستقیم صورت پذیرد و در زمان اجرای پرس وجو به صورت برخط، با سرعت و دقت بالا مورد استفاده قرار گیرد. روش های پیشنهادی با هدف پوشش کل گراف می تواند خطای قابل محاسبه را به 0/0016 کاهش دهد.
کوتاهترین مسیر
لندمارک
خطای تقریبی
گراف
خوشه
2020
09
22
244
255
https://jscit.nit.ac.ir/article_111569_a3ecfceda0172a207c1c3feecea512e6.pdf
مجله علمی رایانش نرم و فناوری اطلاعات
JSCIT
2383-1006
2383-1006
1399
9
3
یک لایه ترجمه فلش جدید با قابلیت بروزرسانی درون بلوکی
رضا
غلامی تقی زاده
رامین
غلامی تقی زاده
محمدرضا
بینش مروستی
سید امیر
اصغری
ظهور حافظه های پایدار نیمه هادی از نوع NAND فلش منجر به تولید نسل جدیدی از حافظه های جانبی به نام درایوهای حالت جامد (SSD) شد. یکی از مهمترین ویژگی های این نوع از درایوها به روزرسانی سکتورهای داده به صورت بیرون از مکان است. در SSDها برای مخفی کردن چنین ویژگی هایی از دید سیستم عامل، از یک بخش میان افزاری به نام لایه ترجمه فلش (FTL) استفاده می کنند. وظایف این بخش شامل ترجمه آدرس، زباله روبی و پخش فرسودگی است. در این مقاله یک طرح جدید برای لایه ترجمه فلش بر مبنای فشرده سازی داده ها به نام لایه ترجمه فلش با قابلیت به روزرسانی درون بلوکی (In Block Update FTL) پیشنهاد شده است. در این طرح پیشنهادی، حافظه مورد نیاز برای جدول نگاشت آدرس به میزان قابل توجهی کاهش یافته است. همچنین نتایج شبیه سازی با حجمکاری (Workload) واقعی نشان می دهد که سرعت خواندن و نوشتن روش مذکور نسبت به طرح مشابه قبلی به میزان قابل قبولی بهبود یافته است.
حافظه ی NAND فلش
درایو حالت جامد
لایه ترجمه فلش
واحد ترجمه آدرس
فشرده سازی داده ها در SSD
2020
09
22
256
270
https://jscit.nit.ac.ir/article_112861_47939436532274fccd4f90db0e90a25c.pdf