دانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10068420200121A Supervised Method for Building a Regularized Map for General Multi-View Multi-Manifold Learningارائه نگاشت صریح و تنظیم شده ی باناظر برای یادگیری مالتی منیفولد داده های چند منظری بدون برچسب11695835FAفرایین آیینیدانشکده مهندسی کامپیوتر و فناوری اطلاعات، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران0000-0002-9606-3983امیرمسعود افتخاری مقدمدانشکده مهندسی کامپیوتر و فناوری اطلاعات، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایرانفریبرز محمودیدپارتمان تجزیه و تحلیل پیشرفته داده‏های علمی، جنرال موتورز، وارن، ایالات متحده آمریکاJournal Article20180128In this paper, we consider the issue of automatic and unsupervised class-manifold selection in a multi-view multi-manifold space. General multi-manifold learning methods achieve multiple independent manifolds, so it is challenging for them to adjust the intra-class local manifold information and global inter-class discriminative structure. In this paper, we propose a multi-manifold embedding method, which can explicitly obtain multi-view multi-manifold structure while considering both intra-class compactness and inter-class separability without using the class label information. Furthermore, to the generalization of embedding to novel points, known as the out-of-sample extension problem in multi-view multi-manifold learning, we propose a supervised method for building a regularized map that provides an out-of-sample extension for general multi-view multi-manifold learning studied in the context of classification. Experimental results on face and object images demonstrate the potential of the proposed method for the classification of multi-view multi-manifold data sets and the proposed out-of-sample extension algorithm for the classification of manifold-modeled data sets.در این مقاله، به مسئله ی انتخاب خودکار و بدون ناظر منیفولد طبقه در فضای مالتی منیفولد چند منظری میپردازیم. مسئلهی طبقهبندی تصاویر چند منظری برای یافتن منیفولد طبقه را میتوان بهعنوان مسئلهی یادگیری چندین منیفولد با تعدادی اشتراک بین منیفولدها در نظر گرفت. در حالت کلی مسئلهی یادگیری مالتی منیفولد با چندین زیر فضای مستقل کار میکند، بنابراین ایجاد تعادل میان اطلاعات درون منیفولد طبقه و ساختار متمایز کنندهی بین طبقهها مشکل است. در این مقاله، روشی پیشنهاد میدهیم که بدون استفاده از اطلاعات برچسب نقاط داده با توجه به فشردگی درون طبقهای و تفکیکپذیری برون طبقهای، ساختار مالتی منیفولد چند منظری را بهدست میآورد. بهعلاوه، برای تعمیم تعبیه برای نقاط جدید که بهعنوان مشکل "خارج از نمونه" شناخته میشود، نگاشت صریح و تنظیم شدهی باناظر برای کاهش بٌعد غیرخطی ارائه کردیم که "توسعه خارج از نمونه" را برای یادگیری مالتی منیفولد چند منظری در زمینهی طبقهبندی انجام میدهد. نتایج آزمایشات در دو دستهی مدلسازی خودکار و بدون ناظر ساختار گراف مالتی منیفولد چند منظری و نرخ بازشناسی بر روی چندین مجموعه دادهی چند منظری برتری روش پیشنهادی را نسبت به دیگر روشهای گزارش شده در مطالعات اخیر نشان میدهد.https://jscit.nit.ac.ir/article_95835_c9d68434e24d481f4ce3361cb2782027.pdfدانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10068420200121An Improved Grey Wolves Optimization Algorithm For Workflow Scheduling In Cloud Computing Environmentارائه یک الگوریتم بهبودیافته بهینه سازی گرگ های خاکستری برای زمانبندی جریان کار در محیط محاسبات ابری172992771FAعلی محمدزادهگروه مهندسی کامپیوتر، واحد ارومیه، دانشگاه آزاد اسلامی، ارومیه، ایرانمحمد مصدریگروه مهندسی کامپیوتر، واحد ارومیه، دانشگاه آزاد اسلامی، ارومیه، ایرانفرهاد سلیمانیان قره چپقگروه مهندسی کامپیوتر، واحد ارومیه، دانشگاه آزاد اسلامی، ارومیه، ایراناحمد جعفریانگروه ریاضی، واحد ارومیه، دانشگاه آزاد اسلامی، ارومیه، ایرانJournal Article20180905In this paper, An improved meta-heuristic algorithm are proposed based on the meta-heuristic grey wolf algorithm for solving optimization problems. In proposed algorithm, we remove the weakest wolves from the population and put them in with the wolves of the initial population. Wolves selecting can be randomly or on a fitness basis. In this algorithm, the particle positioning accuracy is checked for each repetition, and if the wolf's fitness is improved, they will move towards the target, otherwise they will remain in the last state. This algorithm is designed to improve search performance in solving various issues, increase the rate of convergence and avoid local optimal. Simulation in Matlab software has been implemented on 23 different mathematical optimization functions. By comparing the performance and statistical comparison of the results obtained from the new algorithm with the basic grey wolves algorithm and several other algorithms, we conclude that by proper adjustment of the parameters, the improvements made have a significant effect on the function of the algorithm on different functions.در این مقاله یک الگوریتم فرا ابتکاری بهبودیافته بر اساس الگوریتم فرا ابتکاری گرگ های خاکستری بهمنظور حل مسائل بهینه سازی ارائه می گردد. در الگوریتم پیشنهادی ضعیف ترین گرگ ها از جمعیت حذفشده و با گرگ های دیگری از جمعیت اولیه جاگذاری می شود. انتخاب گرگ های جاگذاری شده بهصورت تصادفی یا بر اساس برازندگی خواهد بود. در این الگوریتم برازندگی مکان ذرات در هر تکرار بررسیشده و در صورت بهبود برازندگی، گرگ ها به سمت هدف حرکت می کنند، در غیر این صورت در آخرین وضعیت مناسب باقی می مانند. این الگوریتم باهدف بهبود عملکرد جستجو در مقابله با مسائل مختلف، افزایش سرعت همگرایی و جلوگیری از گیر افتادن در بهینه محلی ارائهشده است. شبیهسازی در نرم افزار متلب بر روی 23 تابع استاندارد ریاضی بهینه سازی مختلف اجراشده است. با بررسی عملکرد و مقایسه آماری نتایج بهدستآمده از الگوریتم جدید با الگوریتم گرگهای خاکستری پایه و چند الگوریتم دیگر به این نتیجه می رسیم که با تنظیم مناسب پارامترها بهبودهای انجامشده تأثیر بسزایی در عملکرد الگوریتم بر روی توابع مختلف دارند.https://jscit.nit.ac.ir/article_92771_732d16706a516e05115553601c81555c.pdfدانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10068420200121People Re-Identification in Video Surveillance Systems Using Angle Informationبازشناسی انسان در سیستمهای نظارت ویدئویی با بهرهگیری از اطلاعات زاویهای304394241FAعلی سبطیگروه کامپیوتر، دانشکده فنی و مهندسی گرگان، دانشگاه گلستان، گرگان، ایران0000-0001-8166-3591حمید حسنپوردانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی شاهرود، شاهرود، ایران.Journal Article20181118Intelligent video surveillance is one of the main applications in machine vision. People re-identification as part of these systems is of particular importance. Indeed, the accuracy in this part improves the efficiency of many types of monitoring algorithms. The re-identification task in human mind is performed consciously and is based on a prior knowledge of the 3D attributes of the human body. One of these attributes is the orientation of the body relative to the camera. In other words, a human supervisor at the matching stage uses the angle information to estimate the appearance of the person at different angles. In this research, the above process is modeled. Thus, in this research, a fully informed approach is provided to eliminate the destructive effects of angular changes of the person in the re-identification process. For this purpose, upper part of person's body clothing that can be seen or hidden from different angles are extracted and used in the matching stage. For evaluation and comparison, the proposed method was used in two of the most efficient re-identification algorithms. Experiments were performed on the ViPer dataset and the results show improvements in the recognition rate.نظارت ویدئویی هوشمند از کاربردهای اصلی در بینایی ماشین میباشد. بازشناسی انسان به عنوان بخشی از این سیستمها از اهمیت ویژهای برخوردار است. بهطوریکه صحت عملکرد در این بخش منجر به کارآمدی انواع الگوریتمهای نظارتی میگردد. فرآیند بازشناسی در منظر ناظر انسانی بهصورت آگاهانه و برپایه اطلاعات و دانش پیشین از ویژگیهای سهبعدی پیکره انسان انجام میشود. یکی از این ویژگیها اطلاعات زاویه قرارگیری شخص نسبت به دوربین است. به عبارتی ناظر انسانی در مرحله تطبیق با بهرهگیری از اطلاعات زاویه، تخمینی از ظاهر شخص در زوایای مختلف خواهد داشت. در این پژوهش نیز فرآیند مذکور مدلسازی میگردد. بدین ترتیب در این پژوهش، راهکاری کاملا آگاهانه برای رفع تاثیرات مخرب تغییرات زاویهای شخص در فرآیند بازشناسی، ارائه شده است. برای این منظور بخشهایی از پوشش بالاتنه فرد که تحت زوایای مختلف میتوانند آشکار یا نهان شوند، استخراج گردیده و در مرحله تطبیق، وزندهی یا نمونهافزایی میشوند. به منظور ارزیابی و مقایسه، روش پیشنهادی بر روی دو الگوریتم از کارآمدترین الگوریتمهای بازشناسی مورد استفاده قرار گرفته است. نتایج آزمایشهای انجام شده بر روی مجموعه دادههای ViPer، بهبود را در نرخ تشخیصِ بازشناسی نشان میدهد.https://jscit.nit.ac.ir/article_94241_f280b7f9f9702809f8bdc92a151406b0.pdfدانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10068420200121A Dynamic Distribution Model in Cold Supply Chains Using Ant Colony Optimizationیک مدل توزیع پویا در زنجیره های عرضه سرد با استفاده از الگوریتم بهینه سازی کلونی مورچه (مطالعه موردی: پگاه قزوین)445892877FAبنیامین خان محمدزاده سرستیدانشکده مهندسی کامپیوتر و فن آوری اطلاعات، دانشگاه آزاد اسلامی، واحد قزوین، قزوین، ایران.مجتبی شاکریگروه مهندسی کامپیوتر، دانشکده فنی، دانشگاه گیلان، رشت، ایران.پروین نیک بختدانشکده مهندسی کامپیوتر و فن آوری اطلاعات، دانشگاه آزاد اسلامی، واحد قزوین، قزوین، ایران.Journal Article20180204In today's competitive world, reducing the distribution costs is an important issue that lies in the forefront of industry managers' thinking. A large percentage of the overall price of a given product belongs to distribution costs. Accordingly, eliminating unnecessary trips and optimizing traversed routes are considered to be one of the ideal solutions to reduce distribution costs. The aim of this study is to develop a dynamic distribution model in cold supply chains of dairy products by using an enhanced hybrid metaheuristic approach based on ant colony optimization. The proposed distribution model is defined according to the capacitated vehicle routing problem (CVRP) where vehicles' routes are not specified for the distribution of dairy products and depending on the volume of orders requested by each trailer on a given day, the minimum number of vehicles along with optimal distribution routes are determined. We assess the efficiency of our proposed distribution model by generating some test data inspired by the data collected from Qazvin Pegah Dairy Company in five different levels of distribution. The evaluation criterion is compare with the results of the current static distribution system. The experimental results indicate that the proposed dynamic distribution model exhibits more efficiency and flexibility than the static distribution system in terms of transportation costs, manpower and handling costs due to fewer number of vehicles employed, shorter mileage traversed and less fuel consumed.در دنیای رقابتی امروز کاهش هزینههای توزیع از جمله موارد مهمی است که در سرلوحه تفکرات مدیران صنایع قرار گرفته است. درصد زیادی از قیمت تمامشده یک محصول متعلق به هزینههای توزیع آنست. بنابراین حذف مسافتهای غیرضروری و بهینهسازی مسیرهای طی شده بهعنوان یکی از راهحلهای مطلوب برای کاهش هزینههای توزیع شناخته شده است. هدف از این مطالعه، ارائهی یک مدل توزیع پویا در یک زنجیره عرضه سرد مواد لبنی با استفاده از یک روش ترکیبی اصلاحی فراابتکاری مبتنی بر بهینه سازی کلونی مورچه است. مدل توزیع پیشنهادی بر پایه مساله مسیریابی وسیله نقلیه ظرفیت دار (CVRP) تعریف می شود که در آن، مسیرهای وسایل نقلیه برای توزیع مواد لبنی از قبل مشخص نیست و با توجه به حجم سفارشهای مربوط به آن روز توسط هر خردهفروش، تعداد وسایل نقلیه کمینه همراه با مسیرهای بهینه توزیع مشخص میگردد. ارزیابی کارآیی مدل توزیع پیشنهادی بر پایه مجموعه دادگان تستی که با الهام از دادههای جمعآوریشده از شرکت لبنی پگاه قزوین تولید شده است در پنج سطح متفاوت توزیع انجام گرفته است. معیار ارزیابی، مقایسه با نتایج سیستم توزیع ایستای کنونی در نظر گرفته شده است. نتایج آزمایشها نشان میدهد که مدل توزیع پویای پیشنهادی به دلیل کاهش قابل محسوس تعداد وسایل نقلیه بکار گرفته شده، مسافت طی شده کوتاه تر و مصرف سوخت کم تر، باعث صرفهجویی در هزینههای حملونقل، نیروی انسانی و هندلینگ شده و کارایی و انعطافپذیری بیشتری نسبت به سیستم توزیع ایستا دارد.https://jscit.nit.ac.ir/article_92877_456a7b813d102fb2918d6c4a08aae490.pdfدانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10068420200121A Context-Aware Multi-Faceted Trust and Distrust Model for Online Social Networksیک مدل محاسباتی چندوجهی از اعتماد و بیاعتمادی با آگاهی از زمینه در شبکههای اجتماعی برخط5974100329FAنسترن حکیمی اقدمدانشکده مهندسی کامپیوتر، دانشگاه علم و صنعت ایرانمهرداد آشتیانیدانشگاه علم و صنعت ایرانمحمد عبداللهی ازگمیدانشگاه علم و صنعت ایرانJournal Article20180915Today, online social networks (OSNs) have gained an important role in everyday human life. With the ever Increasing use of different types of OSNs as well as the extension of social interactions, the role of trust has become significantly more important. The success of the social network depends on the correct analysis of social situations, interactions and applying appropriate approaches according to each specific situation. Trust and distrust are two considerable factors to analyze these networks. The main purpose of this research has been to improve the accuracy of calculating trust and distrust based on the theoretical foundation of social interactions as well as the decision making in the social environment. By reviewing the body of literature in the fields of sociology and psychology focusing on trust and distrust in the social environments, we have concluded that distrust information, as well as trust, plays an important role in social interactions and decision making. The construct of trust and distrust are independent but they affect one another. This independent identity means that they are counting on the basis of the attributes and related factors. The aim of this research has been to model the co-existence of trust and distrust in maintaining the independence of each identity while considering different criteria for each of them. Based on the theorem of subjective logic we have modeled the coexistence of trust and distrust. So far, the existing models have only focused on trust information and its corresponding calculations. There are other works that have focused on distrust Information. But, in these models, distrust information has been gathered directly by users or calculated based on trust information sources. Therefore, in this research, we have proposed the calculation of trust and distrust based on individual and entangled trust and distrust formation factors. These factors are used in the decision making process. The results of the performed evaluations demonstrate that the proposed model has generated more accurate outcomes in calculating trust and distrust within a trust-based decision making context compared to other existing models.- امروزه، افزایش کاربرد انواع شبکههای اجتماعی برخط و گسترش تعاملات اجتماعی در این شبکهها، اهمیت مسئلهای چون اعتماد را پر رنگ میکند. اعتماد و بیاعتمادی دو فاکتور مهم در تحلیل این شبکهها هستند. با بررسی مراجع موجود در مقوله اعتماد و بیاعتمادی در محیطهای اجتماعی، این نتیجه حاصل شد که اطلاعات بیاعتمادی نیز به اندازه اطلاعات اعتماد، نقش مهمی در تعاملات اجتماعی و تصمیمگیریها خواهد داشت. اعتماد و بیاعتمادی هویت مستقل دارند اما بر یکدیگر تأثیر میگذارند. این هویت مستقل به معنای احتساب آنها بر اساس ویژگیها و عوامل مرتبط است. در این پژوهش، سعی شده است تا بتوان همزیستی اعتماد و بیاعتمادی با حفظ استقلال هویت هر یک، مدل شود. بدین منظور از نظریه منطق ذهنی که فضای مناسبی را برای همزیستی اعتماد و بیاعتماد فراهم میکند، استفاده شده است. تا کنون تمرکز روشهای ارائه شده در این حوزه، بیشتر بر اطلاعات اعتماد و نحوه محاسبه آن بوده است. دستهای دیگر از روشها نیز وجود دارند که اطلاعات بیاعتمادی را در نظر گرفتهاند. اما در این روشها، غالباً این اطلاعات، یا با مکملگیری از اطلاعات اعتماد و یا به طور مستقیم از کاربر به دست آمده است. در این پژوهش، سعی شده است تا با در نظر گرفتن معیارهای مرتبط با اعتماد و معیارهای مرتبط با بیاعتمادی، اعتماد و بیاعتمادی محاسبه شود و در تصمیمگیری مورد استفاده قرار گیرد. برای ارزیابی روش پیشنهادی محاسبه اعتماد و بیاعتمادی در شبکه اجتماعی، شبیهسازی در شبکه اجتماعی فرضی صورت گرفته است. در این شبیهسازی، با تحلیل نتایج حاصل شده از هریک از سناریوهای ارزیابی و مقایسه این نتایج با روش مشابه، این نتیجه به دست آمد که به کارگیری اطلاعات بیاعتمادی همراه با اطلاعات اعتماد با ایجاد یک فضای ذهنی، باعث بهبود دقت در تصمیمگیری و ارزیابی اعتماد و بیاعتمادی شده است.https://jscit.nit.ac.ir/article_100329_7b6d3070bcbc8e4067abaa1966197746.pdfدانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10068420200121Quality Preserving in Image Noise Removal by Using Texture Informationحفظ کیفیت در رفع نویز از تصویر با بهرهگیری از اطلاعات بافت7586100563FAزینب خدابخشیدانشکده مهندسی کامپیوتر و فناوری اطلاعات، مهندسی کامپیوتر، دانشگاه صنعتی شاهرود، شاهرود، ایرانسکینه اسدی امیریدانشکده فنی و مهندسی، دانشگاه مازندران ، بابلسر، ایران.حمید حسن پوردانشگاه شاهرود0000-0002-5513-9822Journal Article20181222The existence of noise in image reduces its quality and hinders analysis of the image. Image noise reduction techniques are often accompanied with artifact, especially in facing with strong noise. Since sensitivity of human visual system is not alike in all areas of image, i.e. smooth and nonsmooth areas, noise removal can be performed considering the textual information of the image. The proposed approach intend to earnestly remove noise from the smooth region as it is more obvious to human visual system. Indeed, the filtered image produces less artifact in nonsoomth region, as the noise is superficially removed from the nonsmooth region. In the proposed method, the image is segmented into smooth and non-smooth regions using entropy information of the image. Then to remove the noise from each region, the diffusion filter with different parameters is used. The proposed method not only removes the noise but also preserves the edges and details of the image. The proposed method was evaluated using several noisy images and images from CSIQ and IVC databases. According to subjective and objective quality results, accuracy of the proposed method in Gaussian noise reduction is better than the previous works.وجود نویز در تصویر باعث کاهش کیفیت آن میشود، و تحلیل آن را دچار مشکل میکند. روشهای رفع نویز، بخصوص در مواجه با نویزهای قوی در تصویر، غالبا خرابیهایی نیز به همراه دارند. با توجه به آنکه حساسیت سیستم بینایی انسان به همه نواحی تصویر (نواحی هموار و غیرهموار) به یک میزان نیست، در این تحقیق حذف نویز بر اساس نواحی بافتی تصویر انجام میشود. روش ارائه شده در این مقاله، نویز موجود در نواحی هموار را به دلیل اثرگذاری بیشتر بر روی سیستم بینایی انسان با شدت بیشتری حذف میکند. در واقع با دخالت کمتر فیلتر در نواحی غیرهموار، اثرات کمتری از خرابی ناشی از فیلتر در تصویر بهسازی شده مشاهده خواهد شد. در روش پیشنهادی، با استفاده از اطلاعات آنتروپی، تصویر به دو ناحیه با بافت هموار و غیرهموار قطعهبندی میشود. سپس برای حذف نویز در هریک از این دو ناحیه، از فیلتر انتشار با مقادیر پارامترهای مختلف استفاده میشود. در واقع در روش پیشنهادی، ضمن کاهش اثر نویز در تصویر، لبهها و جزئیات تصویر نیز بهخوبی حفظ میشوند. روش پیشنهادی بر روی چندین تصویر نویزی و تصاویر پایگاه داده CSIQ و IVC ارزیابی شده است. نتایج کیفی و کمّی حاکی از آن است که روش پیشنهادی در حذف نویز گوسی از تصویر، در مقایسه با روشهای پیشین به مراتب عملکرد بهتری دارد.https://jscit.nit.ac.ir/article_100563_99152d3a789092ad85d60c74e251c019.pdfدانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10068420200121Segmentation of Skin Lesion Images Using Combination of Texture and Color Informationقطعه بندی تصاویر ضایعات پوستی با استفاده از ترکیب اطلاعات بافت و رنگ879794242FAشیما جباریدانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی نوشیروانی بابل، بابل، ایران.یاسر بالغیدانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی نوشیروانی بابل، بابل، ایران.0000-0002-2882-4613Journal Article20181110If skin cancer is detected in the early stages, the survival rate is very high. So, computer-aided diagnosis (CAD) systems are being developed to help dermatologists in early and accurate diagnosis. A common CAD system is composed of three steps: 1) segmentation, 2) feature extraction, 3) classification. Segmentation is the first and most important step in the auto diagnosis systems. The purpose of this paper is to introduce a new method based on geometric active contours that combines texture and color information to separate the lesion area from healthy skin. Combination of texture and color information can play an important role in distinguishing between lesion and healthy skin pixels. The innovation of this paper is the way that, color and texture information are combined together to define the speed function and the use of texture features in the form of an image. In this method, in order to use the color information more effectively two color spaces CIE L*a*b* and CIE L*u*v*, have been adopted. For the texture features extraction, several methods of texture analysis including Gabor, GLCM, local entropy filter, local range filter and local standard deviation filter have been used. To evaluate the proposed method, two databases including dermoscopy images, were used: The ISIC2017 database (including 2750 data) and the PH2 database (including 200 data). Then, the results were compared with the recent works on these two databases. Experimental results showed that, the proposed algorithm has the highest accuracy (97.92% for PH2 database and 94.78% for ISIC 2017 test data), sensitivity (97.83% for PH2 database and 90.11% for ISIC 2017 test data) and specificity (99.45% for PH2 and 98.53% for ISIC 2017 test data) in comparison with recent state-of-the-art algorithms.از آن جا که تشخیص زودهنگام سرطان پوست می تواند کمک شایانی به درمان بیمار کند، سامانه های تشخیص به کمک رایانه در حال توسعه هستند تا متخصصان پوست را در این زمینه یاری دهند. این سامانه ها سه گام اصلی دارند: 1) قطعه بندی، 2) استخراج ویژگی، 3) طبقه بندی. قطعه بندی، اولین و مهم ترین گام در سامانه های تشخیص خودکار است. در این مقاله، یک روش جدید براساس کانتورهای فعال هندسی معرفی می شود که با استفاده از ترکیب اطلاعات بافت و رنگ قسمت ضایعه را از پوست سالم جدا می کند. استفاده از ترکیب اطلاعات بافت و رنگ می تواند نقش مهمی را در ایجاد تمایز بین پیکسل های پوست سالم و ضایعه، ایفا کند. نوآوری این مقاله در چگونگی ترکیب اطلاعات بافت و رنگ در تابع سرعت و استفاده از ویژگی های بافت به صورت تصویر است. در این روش برای استفاده ی مؤثر از اطلاعات رنگ، از دو فضای رنگی یکنواخت CIE L*a*b* و CIE L*u*v* استفاده می شود؛ برای استخراج ویژگی های بافت نیز، از چند روش تجزیه و تحلیل بافت شاملِ فیلتر گابور، روش ماتریس هم رخدادی، فیلترهای آنتروپی، محدوده تغییرات و انحراف معیار محلی استفاده می شود. برای ارزیابی روش پیشنهادی از دو پایگاه داده ی ISIC2017 و PH2 که به ترتیب شامل 2750 و 200 تصویر درموسکوپی هستند، استفاده شد. مقایسه ی نتایج با پژوهش های اخیر نشان می دهد، الگوریتم پیشنهادی مقاله بالاترین میزان دقت (92/97% برای پایگاه داده ی PH2 و 78/94% برای داده های آزمایش پایگاه داده ی ISIC2017)، حساسیت (83/97% برای پایگاه داده ی PH2 و 11/90% برای داده-های آزمایش پایگاه داده ی ISIC2017) و اختصاصی بودن (45/99% برای پایگاه داده ی PH2 و 53/98% برای داده های آزمایش پایگاه داده ی ISIC2017) را برای هر دو پایگاه داده کسب کرد.https://jscit.nit.ac.ir/article_94242_c23b2008133fffc74c3d2bcf778aa021.pdfدانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10068420200121Using Low-Rank Approximation In Order To Improve the Efficiency of the Support Vector Machine and Applicationsاستفاده از تقریب رتبه پایین به منظور بهبود کارایی ماشین بردار پشتیبان مبتنی بر هسته ها و کاربردهای آن98109102143FAمحسن اسماعیل بیگیMalayer Universityامید چترآبگوندانشگاه ملایرJournal Article20190113Support vector machine is one of the most powerful tools in the field of supervised machine learning to classify the existed data. In the data that the linear support vector machine does not have the required efficiency in their classification, using the kernel-based support vector machine which is based on the use of feature space instead of the original data is considered. As a result of this structure, nonlinear classification can be provided. One of the challenges in this approach is to increase the computational complexity and ultimately increase in the required time for classification. As such, it is not particularly useful for large datasets. This increase in computational time is mainly due to the appearance of the kernel in solving the quadratic optimization problem, which we will be able to overcome this problem using the presented low-rank approximation in this paper. In this technique, using a truncated Mercer series of the kernel, the quadratic optimization problem in the kernel-based support vector machine is replaced with a much simpler optimization problem. In the new presented approach, the required vector computations and matrix decompositions will be much faster such that these changes lead to faster resolution of the quadratic optimization problem and increase efficiency. Finally, the results of experiments show that using a low-rank kernel-based approximation of support vector machine, while keeping the classification performance in an acceptable range, the computational time has been significantly reduced.ماشین بردار پشتیبان یکی از ابزارهای توانمند در زمینه یادگیری ماشین با ناظر در طبقهبندی دادهها میباشد. در مواجهه با داده-هایی که ساختار ماشین بردار پشتیبان خطی در طبقهبندی آنها از کارایی لازم برخوردار نیست، استفاده از ساختار ماشین بردار پشتیبان مبتنی بر هستهها مدنظر میباشد. در رویکرد مبتنی بر هستهها به دلیل استفاده از فضای ویژگی دادهها به جای خود دادههای اصلی امکان طبقهبندی غیرخطی فراهم میآید. یکی از چالشهای موجود در این رویکرد افزایش پیچیدگیهای محاسباتی و در نهایت افزایش زمان لازم برای طبقهبندی است. عمدتاً این افزایش زمان محاسباتی به دلیل ظاهر شدن هسته در حل مسئله بهینه-سازی درجه دوم است که با استفاده از تقریب رتبه پایین ارائه شده در این مقاله قادر خواهیم بود بر این مشکل غلبه کنیم. در این تکنیک با به کارگیری سری تقریبی قطع شده از هسته موجود، مسئله بهینهسازی درجه دوم در ساختار ماشین بردار پشتیبان مبتنی بر هستهها با یک مسئله بهینه سازی با ساختار سادهتر جایگزین میگردد. در این رویکرد ، حاصلضربهای بردار-ماتریس و تجزیههای ماتریسی مورد نیاز بسیار سریعتر انجام خواهد شد. این تغییرات منجر به حل سریعتر مسئله بهینهسازی درجه دوم موجود و افزایش کارایی در طبقهبندی میگردد. نهایتاً نتایج عددی ارائه شده در طبقهبندی برخی دادههای کاربردی با استفاده از تقریب رتبه پایین ماشین بردار پشتیبان مبتنی بر هستهها نشان میدهد که ضمن حفظ عملکرد طبقهبندی در حد قابل قبول، زمان محاسباتی بهطور قابل توجهی کاهش یافته است.https://jscit.nit.ac.ir/article_102143_d150b7dabe96fedb6dddb4261cf7fc4a.pdfدانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10068420200121Extracting Discriminative Features by utilizing Optimum Arc_Gabor Filter-Bank for Authentication Using Palm-Printاستخراج ویژگیهای متمایزکننده با بهرهگیری از فیلتربانک کمانی گابور بهینه به منظور تشخیص هویت با استفاده اثر کف دست110118102144FAمهران تقیپور گرجیکلاییدانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، بیرجند، ایرانسیّد محمّد رضویگروه الکترونیک، دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، بیرجند، ایران.Journal Article20190607proper choice for descripting images captured by ordinary optic sensors. In order to cover all spectrum and extracting better features filter banks are usually used. Although there is different scales and orientations in filter bank, but using proper values for other parameters such as maximum frequency, filters’ dimension and length of arc can effectively impact on final result. In this paper Meta-heuristic methods are used to estimate optimum values for these parameters. According to obtained results, in identification using Optimum Arc-Gabor Filter Bank (OAGFB) trained by Improved Gravitational Search Algorithm, the average of 1st Rank identification rate is increased from 79.43 to 95.71% and in verification by optimizing proposed filter bank using Simulated Annealing the average of Equal Error Rate is decreased from 8.84 to 5.12%.یکی از مؤثرترین توصیفگرهای مطرح برای بافت، فیلتر گابور میباشد. فیلتر کمانی گابور انتخاب مناسبی برای توصیف تصاویری است که با استفاده از حسگرهای بدون تماس نوری معمولی گرفته شدهاند. بهمنظور تحت پوشش قرار دادن گستره کامل فرکانسی و استخراج ویژگیهای متمایزکننده عموماً از فیلتربانک استفاده میشود. اگرچه در یک فیلتربانک مقیاسها و زوایای چرخش مختلف را داریم، اما انتخاب مقادیر مناسب برای پارامترهایی مانند فرکانس ماکزیمم، ابعاد فیلتر و طول کمان میتوانند تأثیر بسزایی درنتیجه نهایی داشته باشد. در این مقاله برای تخمین مقادیر بهینه پارامترها از الگوریتمهای فرا ابتکاری استفاده شده است. بر اساس نتایج به دست آمده در شناسایی هویت با استفاده از توصیفگر فیلتر بانک کمانی گابور بهینهشده با الگوریتم بهبودیافته جستجوی گرانشی میانگین نرخ شناسایی هویت مرتبه اول از 43/79 به 71/95 درصد افزایشیافته و در تأیید هویت با بهینه کردن فیلتربانک پیشنهادی با استفاده از الگوریتم تبرید شبیهسازیشده میانگین خطای معادل EER از 84/8 به 12/5 کاهشیافته است.https://jscit.nit.ac.ir/article_102144_9f1b22df96f0d56914cfcbb7a58f1fe9.pdf