-
حرية الوصول المقاله
1 - تعیین ماشین‌های بردار پشتیبان بهینه در طبقهبندی تصاویر فرا طیفی بر مبنای الگوریتم ژنتیک
فرهاد صمدزادگان حديثه سادات حسنيامروزه تصاویر فرا طیفی به علت غنای اطلاعات طیفی یک ابزار قوی و کارامد در سنجش از دور به حساب می‌آیند و امکان تمایز بین عوارض مشابه را فراهم می‌آورند. با توجه به پایداری ماشین‌های بردار پشتیبان در فضاهایی با ابعاد بالا، یک گزینه مناسب در طبقهبندی تصاویر فرا طیفی محسوب م أکثرامروزه تصاویر فرا طیفی به علت غنای اطلاعات طیفی یک ابزار قوی و کارامد در سنجش از دور به حساب می‌آیند و امکان تمایز بین عوارض مشابه را فراهم می‌آورند. با توجه به پایداری ماشین‌های بردار پشتیبان در فضاهایی با ابعاد بالا، یک گزینه مناسب در طبقهبندی تصاویر فرا طیفی محسوب می‌شوند. با این وجود، عملکرد این طبقهبندی کننده‌ها تحت تأثیر پارامترها و فضای ویژگی ورودی آنها می‌باشد. به منظور استفاده از ماشین‌های بردار پشتیبان با بیشترین کارایی، می‌بایست مقادیر بهینه‌ی پارامترها و همچنین زیر مجموعه بهینه از ویژگی‌های ورودی تعیین گردند. در این تحقیق از توانایی الگوریتم ژنتیک به عنوان یک تکنیک بهینه‌سازی فرا ابتکاری، در تعیین مقادیر بهینه پارامترهای ماشین‌های بردار پشتیبان و همچنین انتخاب زیرمجموعه ویژگی‌های بهینه در طبقهبندی تصاویر فرا طیفی استفاده شده است. نتایج عملی از به‌کارگیری روش فوق در خصوص دادههای فرا طیفی سنجنده AVIRISنشان می‌دهند، ویژگی‌های ورودی و پارامترها هر کدام جداگانه تأثیر بسزایی بر عملکرد ماشین‌های بردار پشتیبان دارند ولی بهترین عملکرد طبقه-بندی کننده با حل همزمان آن دو بدست می‌آید. در حل همزمان تعیین پارامتر و انتخاب ویژگی، برای کرنل گوسین و پلی‌نومیال به ترتیب 5% و 15% افزایش دقت با حذف بیش از نیمی از باندهای تصویر حاصل شد. همچنین الگوریتم بهینه‌سازی شبیه‌سازی تبرید تدریجی به منظور مقایسه با الگوریتم ژنتیک پیاده‌سازی شد که نتایج حاکی از برتری الگوریتم ژنتیک به ویژه با بزرگ و پیچیده شدن فضای جستجو در رویکرد حل همزمان تعیین پارامتر و انتخاب ویژگی می‌باشد. تفاصيل المقالة -
حرية الوصول المقاله
2 - تلفیق مدل تحلیل پوششی داده ها و درخت تصمیم به منظور ارزیابی واحدهای مبتنی بر تکنولوژی اطلاعات
امیر امینیهرسازمان به منظور آگاهی از میزان عملکرد و مطلوبیت فعالیت واحدهای خود به یک نظام ارزشیابی جهت سنجش این مطلوبیت نیاز دارد و این موضوع برای مؤسسات مالی از جمله شرکت های مبتنی بر تکنولوژی اطلاعات اهمیت بیشتری دارد. تحلیل پوششی داده ها یک روش غیرپارامتری برای اندازه گیری کار أکثرهرسازمان به منظور آگاهی از میزان عملکرد و مطلوبیت فعالیت واحدهای خود به یک نظام ارزشیابی جهت سنجش این مطلوبیت نیاز دارد و این موضوع برای مؤسسات مالی از جمله شرکت های مبتنی بر تکنولوژی اطلاعات اهمیت بیشتری دارد. تحلیل پوششی داده ها یک روش غیرپارامتری برای اندازه گیری کارایی و بهره وری از واحدهای تصمیم گیری (DMUs)هاست. از طرف دیگر تکنیک داده کاوی بهDMUs))ها اجازه کاوش و کشف اطلاعات معنی داری، که قبلاً در پایگاه داده های بزرگ پنهان بوده اند را می دهد. این مقاله یک چارچوب کلی ترکیب تحلیل پوششی داده ها بادرخت رگرسیون را برای ارزیابی کارایی و بهره وری ازDMUها پیشنهاد می کند. نتیجه مدل ترکیبی مجموعه ای از قوانین است که می تواند توسط سیاست گذاران برای کشف دلایلDMUهای کارآمد و ناکارآمد مورد استفاده قرار گیرد. به عنوان مطالعه موردی با استفاده از روش پیشنهادی برای بررسی عوامل مرتبط با بهره وری نمونه ای شامل 18 شعبه از بیمه ایران در شهر تهران انتخاب گردید و پس از مدل سازی بر مبنای مدل پیشرفته LVM ورودی محور با دسترسی پذیری ضعیف درتحلیل پوششی داده ها با خروجی نامطلوب محاسبه گردید و با تکنیک درخت تصمیم، به استخراج قوانین برای کشف دلایل افزایش بهره وری و پسرفت بهره وری می پردازد. تفاصيل المقالة -
حرية الوصول المقاله
3 - بررسی صحت ارزیابی کارشناسان املاک با استفاده از یک مدل مبتنی بر داده‌کاوی (مطالعه موردی بانک ملت)
فاطمه داوربانکها به عنوان بخش اصلی نظام مالی همواره با ریسک‌های متفاوتی روبرو هستند که از عمده ترین آنها ریسک اعتبارسنجی و ارزیابی اموال است. یکی از مواردی که کارشناسان بخش ارزیابی اموال با آن مواجه هستند، نحوۀ ارزیابی و تعیین قیمت ملک بوده است. به طور کلی، کارشناسان دادگستری بر أکثربانکها به عنوان بخش اصلی نظام مالی همواره با ریسک‌های متفاوتی روبرو هستند که از عمده ترین آنها ریسک اعتبارسنجی و ارزیابی اموال است. یکی از مواردی که کارشناسان بخش ارزیابی اموال با آن مواجه هستند، نحوۀ ارزیابی و تعیین قیمت ملک بوده است. به طور کلی، کارشناسان دادگستری بر اساس شاخص‌های قیمت گذاری، اقدام به ارزیابی املاک می‌نمایند. در این تحقیق سعی شده است تا صحت ارزیابی کارشناسان ارزیابی اموال با استفاده از مدل‌های داده‌کاوی بررسی گردد. این اقدام در جهت کمک به مدیران بانک و مسئولان ممیزی گزارشات ارزیابی، انجام گرفته است تا آنها بتوانند در مورد کارشناسان و ارزیابی‌های انجام شده توسط آنها، تصمیمات بهتری اخذ نمایند. با استفاده از شاخص‌های ارزیابی املاک و داده‌کاوی به یک مدل پیش بینی کننده جهت پیش بینی قیمت املاک دست یافته و به منظور رسیدن به یک مدل پیش بینی با عملکرد بالا، از ترکیب الگوریتم های FCM و K-NN بهره گرفته شده است که این اقدام توانست میزان دقت پیش بینی را تا حد زیادی افزایش داده و کارایی مدل پیشنهادی را بالا می برد. میزان دقت[1] در پیش بینی مبالغ ارزیابی، برابر 84.21 % و میزان خطای RMSE در پیش بینی آن برابر 0.43، بدست آمد. رویکرد پیشنهادی بر روی دادههای ارزیابی املاک بانک ملت آزموده شد. [1] accuracy تفاصيل المقالة -
حرية الوصول المقاله
4 - مشارکت سه بافت مغزی در تشخیص بیماری آلزایمر از MRI ساختاری
شیما تاج الدینی حبیب اله دانیالی محمدصادق هل فروش یعقوب فاطمیبیماری آلزایمر (AD) یک بیماری پیشرونده و برگشت ناپذیر است که به تدریج باعث می شود بیماران نتوانند کارهای روزمره خود را انجام دهند. اگرچه روش های درمانی فعلی نمی توانند بیماری را به طور کامل درمان کنند ، اما تشخیص به موقع آن می تواند علائم را کاهش داده و کیفیت زندگی بیما أکثربیماری آلزایمر (AD) یک بیماری پیشرونده و برگشت ناپذیر است که به تدریج باعث می شود بیماران نتوانند کارهای روزمره خود را انجام دهند. اگرچه روش های درمانی فعلی نمی توانند بیماری را به طور کامل درمان کنند ، اما تشخیص به موقع آن می تواند علائم را کاهش داده و کیفیت زندگی بیماران را افزایش دهد. در ادبیات فعلی ، استفاده از بافت ماده خاکستری (GM) که به عنوان نشانگر زیستی مناسب شناخته می شود ، در تشخیص AD بسیار رایج است. با این حال ، به نظر می رسد دو بافت مغز دیگر معروف به مایع مغزی نخاعی (CSF) و ماده سفید (WM) اطلاعات مفیدی را درباره تغییرات مغزی بیماران نشان می دهند. هدف از مطالعه حاضر ایجاد یک سیستم اتوماتیک برای تشخیص زود هنگام بیماری آلزایمر از MRI ساختاری با در نظر گرفتن همزمان ویژگی های مناسب از تمام بافت های GM ، CSF و WM است. یک طبقه بندی SVM-RBF بر روی پایگاه داده OASIS آموزش داده شده و مورد ارزیابی قرار می گیرد تا AD از افراد سالم کنترل شود. نتایج به دست آمده نشان دهنده دقت و حساسیت بالاتر الگوریتم پیشنهادی در مقایسه با روش مشابه است تفاصيل المقالة -
حرية الوصول المقاله
5 - الگوریتم رقابت استعماری آشوبی متعامد اصلاح شده و بکارگیری آن در بهبود بازشناسی الگو در شبکۀ عصبی پرسپترون¬های چند لایه
پیمان معلم مهرداد صادقی حریری مهدی هاشمیعلی رغم موفقیت الگوریتم رقابت استعماری (ICA) در حل مسائل بهینه سازی، این الگوریتم کماکان از به دام افتادن مکرر در کمینه محلی و سرعت پایین همگرایی رنج می برد. در این مقاله، نسخۀ جدیدی از این الگوریتم، به نام رقابت استعماری آشوبی متعامد اصلاح شده (COICA)، پیشنهاد می شود. أکثرعلی رغم موفقیت الگوریتم رقابت استعماری (ICA) در حل مسائل بهینه سازی، این الگوریتم کماکان از به دام افتادن مکرر در کمینه محلی و سرعت پایین همگرایی رنج می برد. در این مقاله، نسخۀ جدیدی از این الگوریتم، به نام رقابت استعماری آشوبی متعامد اصلاح شده (COICA)، پیشنهاد می شود. در سیاست جذب نسخه پیشنهادی، هرمستعمره از طریق تعریف بردار متعامد نوینی، فضای حرکت به سمت استعمارگر را جستجو می کند. همچنین احتمال انتخاب امپراطوری های قدرتمند، از طریق تابع توزیع بولتزمان تعریف شده و عمل انتخاب از طریق روش چرخ رولت انجام گرفته است. از الگوریتم پیشنهادی برای آموزش شبکه عصبی پرسپترون چند لایه (MLP) جهت طبقه بندی مجموعه داده های استاندارد، از جمله یونسفر و سونار استفاده شده است. برای ارزیابی عملکرد این الگوریتم و بررسی میزان تعمیم پذیری شبکه عصبی آموزش ديده با نسخه پيشنهادی، از روش اعتبارسنجی متقابل K-Fold استفاده شده است. نتایج بدست آمده از شبیه سازی ها، کاهش خطای آموزش شبکه و همچنین بهبود تعمیم پذیری الگوریتم پیشنهادی را تایید می کند. تفاصيل المقالة -
حرية الوصول المقاله
6 - تلفیق مدل تحلیل پوششی داده¬ها و درخت تصمیم به منظور ارزیابی واحدهای مبتنی بر تکنولوژی اطلاعات
امیر امینی علی علی نژاد سمیه شفقی زادههر سازمان به منظور آگاهی از میزان عملکرد و مطلوبیت فعالیت واحدهای خود به یک نظام ارزشیابی جهت سنجش این مطلوبیت نیاز دارد و این موضوع برای مؤسسات مالی از جمله شرکت های مبتنی بر تکنولوژی اطلاعات اهمیت بیشتری دارد. تحلیل پوششی داده ها یک روش غیرپارامتری برای اندازه گیری ک أکثرهر سازمان به منظور آگاهی از میزان عملکرد و مطلوبیت فعالیت واحدهای خود به یک نظام ارزشیابی جهت سنجش این مطلوبیت نیاز دارد و این موضوع برای مؤسسات مالی از جمله شرکت های مبتنی بر تکنولوژی اطلاعات اهمیت بیشتری دارد. تحلیل پوششی داده ها یک روش غیرپارامتری برای اندازه گیری کارایی و بهره وری از واحدهای تصمیم گیری (DMUs)هاست. از طرف دیگر تکنیک داده کاوی به DMUs))ها اجازه کاوش و کشف اطلاعات معنی داری، که قبلاً در پایگاه داده های بزرگ پنهان بوده اند را می دهد. این مقاله یک چارچوب کلی ترکیب تحلیل پوششی داده ها بادرخت رگرسیون را برای ارزیابی کارایی و بهره وری ازDMUها پیشنهاد می کند. نتیجه مدل ترکیبی مجموعه ای از قوانین است که می تواند توسط سیاست گذاران برای کشف دلایلDMUهای کارآمد و ناکارآمد مورد استفاده قرار گیرد. به عنوان مطالعه موردی با استفاده از روش پیشنهادی برای بررسی عوامل مرتبط با بهره وری نمونه ای شامل 18 شعبه از بیمه ایران در شهر تهران انتخاب گردید و پس از مدل سازی بر مبنای مدل پیشرفته LVM ورودی محور با دسترسی پذیری ضعیف درتحلیل پوششی داده ها با خروجی نامطلوب محاسبه گردید و با تکنیک درخت تصمیم، به استخراج قوانین برای کشف دلایل افزایش بهره وری و پسرفت بهره وری می پردازد. تفاصيل المقالة -
حرية الوصول المقاله
7 - برآورد سطح زیرکشت گندم دیم با استفاده از تصاویر ماهواره ای سنتينل2 (مطالعه موردی: منطقه سجاسرود شهرستان خدابنده استان زنجان)
سید احمد موسوی نادیا عباس زاده طهرانی میلاد جانعلی پوركشت و توليد محصول گندم همواره پاسخگوي نيازهاي تغذيه اي بخش عظيمي از مردم جهان بوده است، لذا در ايران و جهان ازجمله محصولات کشاورزی استراتژيك محسوب می‌شود. در اختیار داشتن آمار و اطلاعات مناسب از سرزمين هاي تحت كشت گندم و برآورد ميزان دقيق توليد آنها در يك سال زراعي، به أکثركشت و توليد محصول گندم همواره پاسخگوي نيازهاي تغذيه اي بخش عظيمي از مردم جهان بوده است، لذا در ايران و جهان ازجمله محصولات کشاورزی استراتژيك محسوب می‌شود. در اختیار داشتن آمار و اطلاعات مناسب از سرزمين هاي تحت كشت گندم و برآورد ميزان دقيق توليد آنها در يك سال زراعي، به برنامه ريزان بخش كشاورزي و صنعت جهت مدیریت هرچه مؤثرتر تولید و مصرف محصول مذکور، كمك شاياني مي نمايد. یکی از ابزارهایی که در کمترین زمان و با هزینه پایین و دقت مناسب میتواند سطح زیر کشت گندم را محاسبه نماید علم و فناوری سنجش‌ازدور‌است. در تحقیق حاضر، با استفاده از کلاسه‌بندی نظارت‌شده تصاویر چند زمانه سنجنده سنتينل 2، سطح زیر کشت گندم و میزان تولید آن در دهستان سجاسرود از توابع شهرستان خدابنده استان زنجان برای سال زراعی 96-97 برآورده شده است. طبقهبندی نظارت‌شده با دقت کلی80% و ضریب کاپای 8/0 نتایج قابل‌قبول و مناسبی برای شناسایی و تفکیک گندم از سایر محصولات كشاورزي را ارائه مي دهد. تفاصيل المقالة -
حرية الوصول المقاله
8 - بررسی تخریب کاربری اراضی جنگلی در اثر احداث سد با استفاده از پردازش تصاویر ماهواره‌ای
ماندانا عزیزی محمد پناهندهشناسایی کاربری ها و تغییرات کاربری اراضی جهت بررسی و پایش مناطق حساس به منظور طرح ریزی و مدیریت پایدار سرزمین امری ضروری می باشد. هدف اصلی از این مطالعه بررسی تغییرات کاربری اراضی ناشی از احداث سد شفارود در عرصه جنگل های هیرکانی شمال کشور طی یک دوره 17 ساله با استفاده ا أکثرشناسایی کاربری ها و تغییرات کاربری اراضی جهت بررسی و پایش مناطق حساس به منظور طرح ریزی و مدیریت پایدار سرزمین امری ضروری می باشد. هدف اصلی از این مطالعه بررسی تغییرات کاربری اراضی ناشی از احداث سد شفارود در عرصه جنگل های هیرکانی شمال کشور طی یک دوره 17 ساله با استفاده از تصاویر ماهواره لندست می باشد. براي این کار 3 تصویر ماهواره اي متعلق به سال هاي 2013،2000 و2017 استفاده شد و تصحیح‌هاي (هندسی و اتمسفري) بر روي تصاویر اعمال و با روش طبقه‌بندي حداکثر احتمال نقشه کاربري اراضی منطقه برای هر مقطع تهیه شد که به ترتیب داراي صحت کاربري و ضریب کاپاي بالاتر از 86% و 83/0 بودند. روش مقایسه پس از طبقه بندی برای پایش تغییرات کاربری اراضی مورد استفاده قرار گرفت. نتایج نشان داد بیش ترین پوشش اراضی حوزه شفارود در هر سه سال متعلق به طبقه جنگل و در رتبه بعدی طبقه مرتع می باشد. نتایج تحقیق کاهش مستمر کلاس جنگل از 63.05 درصد در مقطع نخست به ترتیب به مقادیر 57.27 و 57.22 برای سال‌های 2013 و 2017 کاهش یافته است که شواهد تأیید کننده این موضوع افزایش مستمر کلاس هاس صخره (8.15-9.10-10.45) و بدون پوشش (3.5- 4.47-5.08 درصد) می باشد. چالش های محیط-زیستی ساخت سد مورد بررسی تأکیدی دیگر بر اهمیت انجام مطالعات تخصصی مبتنی بر دانش اکولوژی و ارتقای نوع نگرش تصمیم گیران به جنگل به عنوان یک زیستگاه پیچیده و شکل گرفته در مقیاس زمانی طولانی‌مدت می باشد. تفاصيل المقالة -
حرية الوصول المقاله
9 - مقایسه روش های طبقه بندی ماشین بردار پشتیبان و شبکه عصبی مصنوعی در تهیه ی نقشه کاربری اراضی (مطالعه موردی: پارک ملی بوجاق)
مهسا عبدلی لاکتاسرائی مریم حقیقی خمامیپارک های ملی و پناهگاه های حیات‌وحش از مهم ترین سرمایه های اکولوژیکی به شمار می روند. ازاین‌رو اطلاع از تغییرات کمی و کیفی کاربری اراضی آن ها نقش اساسی در کیفیت مدیریت این مناطق دارد. الگوریتم های متنوعی برای طبقه بندی تصاویر ماهواره ای در سنجش‌ازدور توسعه‌یافته‌اند، ان أکثرپارک های ملی و پناهگاه های حیات‌وحش از مهم ترین سرمایه های اکولوژیکی به شمار می روند. ازاین‌رو اطلاع از تغییرات کمی و کیفی کاربری اراضی آن ها نقش اساسی در کیفیت مدیریت این مناطق دارد. الگوریتم های متنوعی برای طبقه بندی تصاویر ماهواره ای در سنجش‌ازدور توسعه‌یافته‌اند، انتخاب الگوریتم مناسب طبقه بندی در دستیابی به نتایج صحیح نقش بسیار مهمی را ایفا می کند. در این تحقیق با مقایسه صحت طبقه بندی دو الگوریتم شبکه عصبی مصنوعی و ماشین بردار پشتیبان، الگوریتم دقیق‌تر تعیین و از آن برای بررسی روند تغییرات کاربری اراضی استفاده شد. تحقیق حاضر در پارک ملی بوجاق واقع در استان گیلان طی سال های 2000 تا 2017 با استفاده از تصاویر ماهواره‌ایETM+ و OLI لندست 7 و 8 انجام گرفت. نتایج نشان داد که الگوریتم ماشین بردار پشتیبان به ترتیب با دقت کل و ضریب کاپا، 42/86 و 83/0 برای سال 2000 و 65/90 و 88/0 برای سال 2017، در مقایسه با الگوریتم شبکه عصبی مصنوعی به ترتیب با دقت کل و ضریب کاپا، 71/83 و 80/0 برای سال 2000 و دقت کل و ضریب کاپا، 25/89 و 87/0 برای سال 2017، تصاویر ماهواره‌ای را بهتر طبقه بندی کرده است؛ بنابراین، از نقشه های کاربری اراضی حاصل از الگوریتم ماشین بردار پشتیبان جهت بررسی تغییرات کاربری استفاده شد. بررسی روند تغییرات کاربری اراضی با این روش مشخص کرد که در طی دوره بررسی شده، مساحت کاربری های پیکره آبی، دریا، پوشش علفی و کشاورزی کاهش‌یافته است درحالی‌که کلاس کاربری های باتلاقی، درختی و بدون پوشش افزایش‌یافته است. تفاصيل المقالة -
حرية الوصول المقاله
10 - پایش و تعیین حد آستانه‌ی پوشش سبز شهری مبتنی بر دادههای لندست، مطالعه‌‌ی موردی: مناطق 1 و 6 شهر شیراز
هادی عبدالعظیمی حسین روستاتغییر کاربری پوشش های سبز شهری با گذشت زمان می تواند مخاطرات زیست محیطی مختلفی را برای شهروندان یک شهر ایجاد نماید. با توجه به اهمیت این مسئله، پژوهش حاضر قصد دارد تغییرات زمانی و مکانی پوشش های سبز مناطق 1 و 6 کلانشهر شیراز را با استفاده از تصاویر ماهواره ی لندست طی پن أکثرتغییر کاربری پوشش های سبز شهری با گذشت زمان می تواند مخاطرات زیست محیطی مختلفی را برای شهروندان یک شهر ایجاد نماید. با توجه به اهمیت این مسئله، پژوهش حاضر قصد دارد تغییرات زمانی و مکانی پوشش های سبز مناطق 1 و 6 کلانشهر شیراز را با استفاده از تصاویر ماهواره ی لندست طی پنج دهه (1972 تا 2019) مورد بررسی قرار دهد. بدین منظور پس از انجام تصحیحات رادیومتری و اتمسفری، نقشه های منتج از شاخص‌های گیاهی NDVI ، SAVI ، OSAVI و همچنین الگوریتم حداکثر احتمال مشابهت، در نرم افزار ENVI5.3 تهیه گردید و در سامانه اطلاعات مکانی (GIS)، طبقه بندی و مورد ارزیابی قرار گرفت. نتایج این پژوهش نشان داد که مساحت پوشش سبز منطقه 1 برحسب هکتار به ترتیب در شاخص‌های NDVI، SAVI، OSAVI و همچنین در الگوریتم حداکثر احتمال مشابهت، از 1394 به 428، از 789 به 421، از 815 به 419، از 1402 به 439 و در منطقه 6، از 1374 به 858 (NDVI)، از 1160 به 862 (SAVI)، از 1149 به 884 هکتار (OSAVI) و در الگوریتم حداکثر احتمال مشابهت از 1393 به 855 هکتار کاهش یافته است. بررسی مقادیر حد آستانه شاخص های گیاهی جهت شناسایی پوشش های سبز شهری نشان داد دامنه ی مقادیر حد آستانه در NDVI، از 0.2 تا 0.3، SAVI از 0.44 تا 0.47 و OSAVI از 0.34 تا 0.36 متغیر بود و با استفاده از آزمون پیرسون در نرم افزار SPSS مقادیر ضریب همبستگی بین NDVI، SAVI، OSAVI، الگوریتم حداکثر احتمال مشابهت و سال های تحت مطالعه در سطح 1%، به صورت معنی دار نتیجه شد. نتایج این آزمون همچنین دلالت بر آن داشت که اختلاف معنی داری بین نتایج حاصل از این روش ها در این پژوهش وجود نداشته است. این کاهش پوشش سبز، خطری جدی برای شهروندان شهر شیراز تلقی می گردد. تفاصيل المقالة -
حرية الوصول المقاله
11 - بررسی و پیش‌بینی تغییرات پوشش جنگل‌ها با استفاده از طبقهبندی شیءگرا فازی تصاویر ماهواره‌ای و زنجیره مارکوف، مطالعه موردی: شهرستان رومشکان
رحمان زندی هژار شهابی ابراهیم اکبریجنگلها میراثی گران‌بها و یکی از عوامل مهم در اکوسیستم هر منطقه می باشند که علاوه بر استفاده و بهره برداری از آنها، در حفاظت و صیانت‌‌شان نیز باید اقدامات اساسی صورت گیرد. جنگل‌های زاگرس، به‌ویژه در استان لرستان، طی سالیان گذشته، در اثر بی‌توجهی روبه زوال نهاده و چهر أکثرجنگلها میراثی گران‌بها و یکی از عوامل مهم در اکوسیستم هر منطقه می باشند که علاوه بر استفاده و بهره برداری از آنها، در حفاظت و صیانت‌‌شان نیز باید اقدامات اساسی صورت گیرد. جنگل‌های زاگرس، به‌ویژه در استان لرستان، طی سالیان گذشته، در اثر بی‌توجهی روبه زوال نهاده و چهره متفاوتی به خود گرفته‌اند. هدف این تحقیق بررسی، آشکارسازی و مدل سازی آینده تغییرات پوشش جنگل‌های شهرستان رومشکان می‌باشد. بدین منظور ابتدا تغییر کاربری‌های صورت گرفته بین سال‌های 1987 و 2017 با استفاده از تصاویر لندست و تکنیک طبقهبندی فازی شیءپایه استخراج شد، و به کلاس های (کشاورزی، جنگل، مرتع، عوارض آبی، مسکونی) طبقه بندی شدند. نتایج حاصل در طول سی سال کاهش شدید (17/81 کیلومترمربع) مناطق جنگلی و افزایش اراضی کشاورزی و مرتع در مناطق جنگلی را نشان می دهد. در بازه زمانی 1987-2002 جنگل ها دچار تغییرات خاصی نشده و عمده تغییرات شامل گسترش طبقه کشاورزی در مراتع بوده است. در بازه دوم از سال 2002 به بعد پوشش جنگل ها دچار کاهش شدید شده و مساحت آنها از 58/122 به 42/43 کیلومتر مربع در سال 2017 رسیده است که 16/79 کیلومترمربع کاهش نشان داد. در ادامه برای پیش‌بینی روند تغییرات از زنجیره مارکوف استفاده شد که با توجه به نتایج پیش‌بینی زنجیره مارکوف در سال 2030، در نواحی جنگلی تغییراتی معادل 70/10 درصد اتفاق خواهد افتاد و عمده تغییرات مربوط به تغییر کاربری از کلاس جنگل به کلاس‌های کشاورزی و مرتع به ترتیب با 901/6 و 172/9 کیلومتر مربع خواهد بود. تفاصيل المقالة -
حرية الوصول المقاله
12 - روشی نوین برای کاهش تغيير روشنايي در تصاویر غيراخلاقي بر پایه شبکه عصبی عمیق فازی
ساسان کرمی زاده ابوذر عرب سرخیدر فضای اینترنت شناسایی عکس‌های غیراخلاقی امری ضروری در جهت حفاظت فیزیکی و ذهنی کودکان محسوب می شود؛ یکی از چالش های اصلی در تشخیص تصاوير غیر اخلاقی تغییرات روشنایی و رنگ پوست بدن است. به همین منظور در این مقاله روشی برای حل تغییرات روشنايي و بهبود تشخیص تصاویر غیراخلاق أکثردر فضای اینترنت شناسایی عکس‌های غیراخلاقی امری ضروری در جهت حفاظت فیزیکی و ذهنی کودکان محسوب می شود؛ یکی از چالش های اصلی در تشخیص تصاوير غیر اخلاقی تغییرات روشنایی و رنگ پوست بدن است. به همین منظور در این مقاله روشی برای حل تغییرات روشنايي و بهبود تشخیص تصاویر غیراخلاقی ارایه شده‌است. در اين مقاله از شبکه عصبی عمیق فازی برای بهبود روشنایی تصاویر غیراخلاقی استفاده شده است. در روش پیشنهادی از مدل یادگیری عمیق xception جهت تقسیم تصویر براساس شدت روشنايي به بخش‌های مختلف بهره گرفته شده است. تقسیم کردن تصویر به قسمت‌های مختلف باعث بهبود تغییرات روشنايي با حفظ جزئیات تصویر و نهایتا شناسایی بهتر تصاویر غیراخلاقی شده است. به علاوه برای طبقهبندی رنگ پوست از ترکیب الگوریتم مبتنی بر Gaussian-KNN بهره گرفته شده است که روشی غیرپارامتری برای طبقه‌بندی‌ها و رگرسیون‌ها است؛ و در انتها از الگوریتم ماشین بردار پشتیبان براي طبقهبندی تصاویر استفاده شده است. به منظور پیاده سازی و ارزیابی روش پیشنهادی یک مجموعه شامل 33000 تصویر گردآوری شد، نتایج بدست آمده نشان می‌دهد که طرح پیشنهادی با دقت 7/99 درصد تصاویر غیراخلاقی را تشخیص می دهد. تفاصيل المقالة -
حرية الوصول المقاله
13 - تعیین سن مورفومتری مخروط سیندر خاتون‌باغ، شمال خاوری مهاباد، استان آذربایجان غربی
مرتضی خلعت‌بری جعفری نفیسه صالحی سیاوشانی مرضیه فریدی ماسولهمخروط سیندر رخنمون یافته در جنوب روستای خاتون‌باغ، شمال خاوری مهاباد، استان آذربایجان غربی، از پایین به بالا شامل سه بخش است. بخش زیرین دربردارنده لایه‌های سرشار از اسکوری، خاکستر، تفرا، بخش میانی شامل لایه‌های اسکوری حاوی بمب و بخش بالایی از لایه‌های مملو از بمب آتش‌فش أکثرمخروط سیندر رخنمون یافته در جنوب روستای خاتون‌باغ، شمال خاوری مهاباد، استان آذربایجان غربی، از پایین به بالا شامل سه بخش است. بخش زیرین دربردارنده لایه‌های سرشار از اسکوری، خاکستر، تفرا، بخش میانی شامل لایه‌های اسکوری حاوی بمب و بخش بالایی از لایه‌های مملو از بمب آتشفشانی با میزان کمتری اسکوری است. ترکیب غالب این فراورده‌های آتشفشانی، الیوین‌بازالت است. در تعیین سن مورفومتری مخروط سیندر خاتون‌باغ، دادههای مورفومتری موردنیاز با کمک نقشه‌های توپوگرافی و محاسبات مدل رقومی ارتفاعی (DEM) به‌دست‌آمده‌اند. پارامترهای اصلی مخروط، مانند ارتفاع، قطر قاعده و دهانه کراتر، برای محاسبه نسبت Hco/Wco و زاویه شیب میانگین اندازه‌گیری شدند. با توجه به پارامترهای اصلی، مخروط سیندر مورد مطالعه در قاعده شکل بیضوی و در دهانه کراتر خود شکل فرابیضوی داشته و میتوان آن را در نوع مخروط نعل اسبی دسته‌بندی نمود. با مقایسه پارامترهای اصلی محاسبه شده با پارامترهای مخروط‌های سیندر در سایر مناطق دنیا، میتوان نتیجه گرفت که ابعاد این مخروط به میانگین جهانی آن بسیار نزدیک است. ازآنجایی‌که با افزایش سن مخروط، ارتفاع، نسبت ارتفاع به قطر و زاویه شیب مخروط در اثر فرسایش کاهش می‌یابد لذا از نسبت Hco/Wco میتوان جهت تعیین سن مورفومتری مخروط‌ها استفاده نمود. با مقایسه نسبت Hco/Wco مخروط خاتون‌باغ با نسبت‌های پیشنهادی Porker (1972) و دادههای سن‌سنجی Wood (1980b) و Sucipta et al. (2006)، میتوان سن نسبی 7/0 تا 2 میلیون سال را برای مخروط خاتون‌باغ تخمین زد که با سن چینه‌شناسی مستند در نقشه‌های زمین‌شناسی منطقه مطابقت دارد. تفاصيل المقالة -
حرية الوصول المقاله
14 - بررسی تکامل هیدروشیمیایی و کاهش کیفیت آب رودخانه گرگانرود
مجتبی قره محمودلو نادر جندقی مریم صیادیدر این پژوهش، تکامل هیدروشیمیایی و کاهش کیفیت آب رودخانه گرگانرود در فاصله حدود 100 کیلومتری از حاشیه شمالی ارتفاعات البرز تا دریای خزر بررسی شد. بدین منظور از نتایج آنالیز 11 پارامتر فیزیکوشیمیایی مربوط به چهار ایستگاه هیدرومتری در طی یک دوره آماری ده ساله استفاده شد. أکثردر این پژوهش، تکامل هیدروشیمیایی و کاهش کیفیت آب رودخانه گرگانرود در فاصله حدود 100 کیلومتری از حاشیه شمالی ارتفاعات البرز تا دریای خزر بررسی شد. بدین منظور از نتایج آنالیز 11 پارامتر فیزیکوشیمیایی مربوط به چهار ایستگاه هیدرومتری در طی یک دوره آماری ده ساله استفاده شد. برای بررسی تکامل هیدروشیمیایی رودخانه از نمودار‌های گیبس، استیف، پایپر، دوروف و همچنین پنج شاخص اشباع مربوط به کانی‌های کربناته، سولفاته و کلروره استفاده شد. همچنین تغییرات کیفی آب در بخش‌های شرب (با استفاده از نمودار‌شولر)، کشاورزی (با استفاده از نمودار ویلکوکس) و صنعت (با استفاده از شاخص‌های خوردگی) در طول مسیر رودخانه گرگانرود بررسی شد. در این تحقیق برای تجزیه واریانس داده ها از آزمون F و در نهایت از آنالیز خوشه‌بندی سلسه مراتبی برای تعیین تعداد عوامل تأثیرگذار بر هیدروشیمی آب استفاده شد. نتایج این پژوهش نشان داد که واکنش آب-سنگ، تبخیر و نفوذ آب شور دریای خزر از مهمترین عوامل کنترل کننده شیمی آب رودخانه هستند. همچنین تیپ غالب آب رودخانه گرگانرود در حاشیه ارتفاعات بیکربناته می‌باشد و با ورود به دشت، تمایل به رسیدن به بلوغ کامل یعنی تیپ کلروره سدیک دارد. در تمامی ایستگاه‌ها آب رودخانه نسبت به کلسیت و دولومیت فوق اشباع، اما نسبت به انیدریت، ژیپس و هالیت تحت اشباع می‌باشند. اگرچه در جهت جریان بر میزان اشباعیت کانی‌های تبخیری افزوده می‌شود. کیفیت آب برای شرب و کشاورزی در حاشیه ارتفاعات مناسب و با ورود به دشت و در ادامه مسیر به سمت دریای خزر بشدت کاهش می‌یابد. نتایج تمامی شاخص‌های کیفی در بخش صنعت نشان از افزایش خاصیت رسوبگذاری آب در طول مسیر رودخانه دارد. براساس نتایج آنالیز آماری، بیشترین تغییرات مربوط به پارامترهای فیزیکوشیمیایی بین ایستگاه لزوره در حاشیه ارتفاعات و ایستگاه قزاقلی واقع در قسمت میانی دشت دیده می‌شود و بعد از آن تا خروجی گرگانرود تغییرات فاحش و معنی داری بین پارامترهای کیفی آب مشاهده نشد. تفاصيل المقالة -
حرية الوصول المقاله
15 - طبقهبندی مضمونی رباعی‌هاي ابن‌یمین
نصرالله امامي زهرا نصیری شیرازرباعی از جمله قالب‌های مورد توجه شاعران فارسی زبان بوده و هست و در این میان، ابن‌یمین فریومدی شاعر مشهور و قطعه‌سرای چیره دست قرن هشتم نیز به این قالب، دل بستگی‌های خاصی داشته است. رباعی‌های ابن‌یمین از تنوّع مضمونی خاصی برخوردار است و به‌همین سبب رباعی‌های او را باید أکثررباعی از جمله قالب‌های مورد توجه شاعران فارسی زبان بوده و هست و در این میان، ابن‌یمین فریومدی شاعر مشهور و قطعه‌سرای چیره دست قرن هشتم نیز به این قالب، دل بستگی‌های خاصی داشته است. رباعی‌های ابن‌یمین از تنوّع مضمونی خاصی برخوردار است و به‌همین سبب رباعی‌های او را باید از جملۀ رنگین‌ترین رباعی‌هاي فارسی به شمار آورد. این تنوع تا آنجاست که رباعی‌های ابن‌یمین را میتوان در یک طبقهبندی موضوعی، به هشت گونه تقسیم کرد که هر کدام از آنها نشان‌دهندۀ جبنه‌هایی از خلاقیت‌های شعری و جهان‌بینی این شاعر است. از آنجا که قالب رباعی از قرن هفتم اندک‌اندک می‌رفت تا رونق و رواج خود از دست بدهد، تنوع مضمونی و لطافت‌های تعبیری ابن‌یمین موجب توجه دوباره‌ای به این قالب شد. رباعی‌های ابن‌یمین، مجال آن را فراهم کرده تا بسیاری از مضامینی را که شاعر در قطعات خود با تفصیل آورده است، باردیگر به صورت موجزتری در رباعی‌های او نیز بخوانیم. تفاصيل المقالة -
حرية الوصول المقاله
16 - زبان و سياست؛ ابعاد عملی و راهبردي زبان در رهبري امام خميني(ره) در فرایند انقلاب اسلامی
سید رضا شاكريانقلاب اسلامی در ایران با یک رهبری مذهبی تأثیرگذار به پیروزی رسید. با توجه به اینکه رهبری انقلاب در تبعید به سر می‌برد و از همۀ امکانات رسانه ای و ارتباطی با مردم محروم بود، پیوند محکمی میان رهبری انقلاب و مردم برقرار شد. این مسئله در این مقاله، مبنای بررسی نسبت زبان و أکثرانقلاب اسلامی در ایران با یک رهبری مذهبی تأثیرگذار به پیروزی رسید. با توجه به اینکه رهبری انقلاب در تبعید به سر می‌برد و از همۀ امکانات رسانه ای و ارتباطی با مردم محروم بود، پیوند محکمی میان رهبری انقلاب و مردم برقرار شد. این مسئله در این مقاله، مبنای بررسی نسبت زبان و سیاست و کوشش برای تبیین جنبه‌های عملی و راهبردی زبان در رهبری امام در دورۀ انقلاب قرار گرفته است. در مطالعات نسبت زبان و سیاست، دو رویکرد کلی سیاست چونان امری به معرفت و نظر و سیاست به مثابه قدرت و قلمرو عمل جمعی و در جهت حفظ یا تغییر وضع موجود حاکم است. در این مقاله بر اساس رویکرد دوم و با استفاده از نظریه‌هایی که در آن بر قابلیت‌ها و کارکردهای عملی، رسانه ای، شبکه ای و بسیج کننده زبان تأکید داشته‌اند، ابعاد و کارکردهای اثربخش و عملی زبان در اندیشۀ امام خمینی(ره) بررسی شده است. یافتههای این بررسی نشان می‌دهد که امام(ره) با داشتن تحصیلات تخصصی در سه حوزۀ عرفان، اخلاق و فقه و با توجه به طبقه بندی خاص خود از علوم اسلامی، بر عمل گرایی به عنوان مشترک این سه حوزه تأکید کرده و زبان را در راستای عمل سیاسی و انقلابی در این سه حوزه به کار می‌گیرد. بسیج گری، انتقادگری و مخالفت با وضع موجود و دعوت و برانگیختن مردم به تأسیس حکومت جدید، از ابعاد کارکردی زبان در رهبری امام است. تفاصيل المقالة -
حرية الوصول المقاله
17 - بهبود کارایی سازوکارهای کنترل نرخ مبتنی برکاوش به کمک دسته-بندی: ارزیابی بر روی بستر آزمایشی شبکه¬های بی¬سیم محلی پرسرعت
علی قالیباف محمد نصیری محمدحسن داعی مهدی سخائی نیافناوری MIMO در شبکه های محلی بی سیم، امکان استفاده از طیف متنوعی از نرخ های ارسال را فراهم می آورد. به‌منظور بهبود کارایی پیمانه کنترل نرخ، اطلاعات آماری در مورد تاریخچه وضعیت و میزان استفاده از هر نرخ ارسال در لایه MAC نگهداری می شود تا به تعیین نرخ ارسال بسته های آتی أکثرفناوری MIMO در شبکه های محلی بی سیم، امکان استفاده از طیف متنوعی از نرخ های ارسال را فراهم می آورد. به‌منظور بهبود کارایی پیمانه کنترل نرخ، اطلاعات آماری در مورد تاریخچه وضعیت و میزان استفاده از هر نرخ ارسال در لایه MAC نگهداری می شود تا به تعیین نرخ ارسال بسته های آتی کمک نماید. بااین‌وجود، تنوع زیاد نرخ های ارسال در استانداردهای 802.11n و 802.11ac هزینه سربار زیادی را برای به روزرسانی این اطلاعات تحمیل می کند. در این مقاله، برای کاهش فضای حالت نرخ های ارسال و به روز نگه داری توأمان آمار همه آنها، روشی برای دسته بندی نرخ ها ارائه شده است به‌نحوی‌که هنگام ارسال یک بسته با نرخ ارسال مشخص، اطلاعات آماری مربوط به همه نرخ های ارسالی که در همان دسته قرار می گیرند، به روز شود. درنتیجه، آمار وضعیت تعداد بیشتری از نرخ های ارسال حتی باوجود ارسال تعداد کمی بسته های داده می تواند به روز شود. سازوکار پیشنهادی در محیط هسته لینوکس پیاده-سازی و عملکرد آن را تحت شرایط مختلف در یک بستر آزمایشی که در آزمایشگاه پژوهشی خود راه اندازی نموده ایم، ارزیابی گردید. نتایج نشان می دهد که روش پیشنهادی ازنقطه‌نظر گذرداد و تعداد ارسال های موفق از سازوکار Minstrel-HT بهعنوان روش پیش فرض لینوکس عملکرد بهتری دارد. تفاصيل المقالة -
حرية الوصول المقاله
18 - تبدیل توالی پروتئین به تصویر جهت طبقه¬بندی با شبکه عصبی کانولوشنی
رضا احسن منصور ابراهیمی روح الله دیانتاز آنجا که روشهای مخصوص طبقهبندی توالی یادگیری ماشین، جهت طبقهبندی پروتئین‌‌های سالم و سرطانی موفق نبودند بنابراین یافتن راهکاری برای بازنمایی این توالی‌‌ها جهت طبقه بندی افراد سالم و مریض با رویکردهای یادگیری عمیق ضرورت تام دارد. در این مطالعه، روشهای مختلف با أکثراز آنجا که روشهای مخصوص طبقهبندی توالی یادگیری ماشین، جهت طبقهبندی پروتئین‌‌های سالم و سرطانی موفق نبودند بنابراین یافتن راهکاری برای بازنمایی این توالی‌‌ها جهت طبقه بندی افراد سالم و مریض با رویکردهای یادگیری عمیق ضرورت تام دارد. در این مطالعه، روشهای مختلف بازنمایی توالی پروتئین، جهت طبقهبندی توالی پروتئین افراد سالم و سرطان خون، مورد بررسی قرار گرفته است. نتایج نشان داد که تبدیل حروف اسید آمینه به بردار ویژگی یکبعدی در طبقه بندی 2 کلاس موفق نبود و فقط یک کلاس مریض تشخیص داده شد. با تغییر بردار ویژگی به‌‌صورت اعداد رنگی دقت تشخیص کلاس سالم کمی بهبود یافت. روش بازنمایی توالی پروتئینی به‌‌صورت یکپارچه دودویی، با ابتکار حفظ دنباله توالی در دو حالت یکبعدی و دوبعدی(تصویر با اعمال فیلتر گابور)، نسبت به روشهای قبلی موثرتر بود. بازنمایی توالی پروتئین به شکل تصویر دودویی با اعمال فیلتر گابور با دقت 100% توالی پروتئین افراد سالم و 98.6% توالی پروتئین افراد دارای سرطان خون را طبقهبندی کرد. یافتههای این تحقیق نشان داد که بازنمایی توالی پروتئین به شکل تصویر دودویی با اعمال فیلتر گابور، میتواند بهعنوان روش موثر جدید دربازنمایی توالی‌‌های پروتئینی جهت طبقهبندی، ارایه نماید. تفاصيل المقالة -
حرية الوصول المقاله
19 - Tracking Performance of Semi-Supervised Large Margin Classifiers in Automatic Modulation Classification
Hamidreza Hosseinzadeh فربد رزازی Afrooz HaghbinAutomatic modulation classification (AMC) in detected signals is an intermediate step between signal detection and demodulation, and is also an essential task for an intelligent receiver in various civil and military applications. In this paper, we propose a semi-superv أکثرAutomatic modulation classification (AMC) in detected signals is an intermediate step between signal detection and demodulation, and is also an essential task for an intelligent receiver in various civil and military applications. In this paper, we propose a semi-supervised Large margin AMC and evaluate it on tracking the received signal to noise ratio (SNR) changes to classify all forms of signals in a cognitive radio environment. To achieve this objective, two structures for self-training of large margin classifiers were developed in additive white Gaussian noise (AWGN) channels with priori unknown SNR. A suitable combination of the higher order statistics and instantaneous characteristics of digital modulation are selected as effective features. Simulation results show that adding unlabeled input samples to the training set, improve the tracking capacity of the presented system to robust against environmental SNR changes. تفاصيل المقالة -
حرية الوصول المقاله
20 - A new Sparse Coding Approach for Human Face and Action Recognition
Mohsen Nikpoor Mohammad Reza Karami-Mollaei Reza GhaderiSparse coding is an unsupervised method which learns a set of over-complete bases to represent data such as image, video and etc. In the cases where we have some similar images from the different classes, using the sparse coding method the images may be classified into أکثرSparse coding is an unsupervised method which learns a set of over-complete bases to represent data such as image, video and etc. In the cases where we have some similar images from the different classes, using the sparse coding method the images may be classified into the same class and devalue classification performance. In this paper, we propose an Affine Graph Regularized Sparse Coding approach for resolving this problem. We apply the sparse coding and graph regularized sparse coding approaches by adding the affinity constraint to the objective function to improve the recognition rate. Several experiments has been done on well-known face datasets such as ORL and YALE. The first experiment has been done on ORL dataset for face recognition and the second one has been done on YALE dataset for face expression detection. Both experiments have been compared with the basic approaches for evaluating the proposed method. The simulation results show that the proposed method can significantly outperform previous methods in face classification. In addition, the proposed method is applied to KTH action dataset and the results show that the proposed sparse coding approach could be applied for action recognition applications too. تفاصيل المقالة -
حرية الوصول المقاله
21 - Instance Based Sparse Classifier Fusion for Speaker Verification
Mohammad Hasheminejad حسن فرسیThis paper focuses on the problem of ensemble classification for text-independent speaker verification. Ensemble classification is an efficient method to improve the performance of the classification system. This method gains the advantage of a set of expert classifiers أکثرThis paper focuses on the problem of ensemble classification for text-independent speaker verification. Ensemble classification is an efficient method to improve the performance of the classification system. This method gains the advantage of a set of expert classifiers. A speaker verification system gets an input utterance and an identity claim, then verifies the claim in terms of a matching score. This score determines the resemblance of the input utterance and pre-enrolled target speakers. Since there is a variety of information in a speech signal, state-of-the-art speaker verification systems use a set of complementary classifiers to provide a reliable decision about the verification. Such a system receives some scores as input and takes a binary decision: accept or reject the claimed identity. Most of the recent studies on the classifier fusion for speaker verification used a weighted linear combination of the base classifiers. The corresponding weights are estimated using logistic regression. Additional researches have been performed on ensemble classification by adding different regularization terms to the logistic regression formulae. However, there are missing points in this type of ensemble classification, which are the correlation of the base classifiers and the superiority of some base classifiers for each test instance. We address both problems, by an instance based classifier ensemble selection and weight determination method. Our extensive studies on NIST 2004 speaker recognition evaluation (SRE) corpus in terms of EER, minDCF and minCLLR show the effectiveness of the proposed method. تفاصيل المقالة -
حرية الوصول المقاله
22 - Concept Detection in Images Using SVD Features and Multi-Granularity Partitioning and Classification
Kamran Farajzadeh Esmail Zarezadeh Jafar MansouriNew visual and static features, namely, right singular feature vector, left singular feature vector and singular value feature vector are proposed for the semantic concept detection in images. These features are derived by applying singular value decomposition (SVD) " أکثرNew visual and static features, namely, right singular feature vector, left singular feature vector and singular value feature vector are proposed for the semantic concept detection in images. These features are derived by applying singular value decomposition (SVD) "directly" to the "raw" images. In SVD features edge, color and texture information is integrated simultaneously and is sorted based on their importance for the concept detection. Feature extraction is performed in a multi-granularity partitioning manner. In contrast to the existing systems, classification is carried out for each grid partition of each granularity separately. This separates the effect of classifications on partitions with and without the target concept on each other. Since SVD features have high dimensionality, classification is carried out with K-nearest neighbor (K-NN) algorithm that utilizes a new and "stable" distance function, namely, multiplicative distance. Experimental results on PASCAL VOC and TRECVID datasets show the effectiveness of the proposed SVD features and multi-granularity partitioning and classification method تفاصيل المقالة -
حرية الوصول المقاله
23 - An Experimental Study on Performance of Text Representation Models for Sentiment Analysis
Sajjad Jahanbakhsh Gudakahriz Amir Masoud Eftekhari Moghaddam Fariborz MahmoudiSentiment analysis in social networks has been an active research field since 2000 and it is highly useful in the decision-making process of various domains and applications. In sentiment analysis, the goal is to analyze the opinion texts posted in social networks and o أکثرSentiment analysis in social networks has been an active research field since 2000 and it is highly useful in the decision-making process of various domains and applications. In sentiment analysis, the goal is to analyze the opinion texts posted in social networks and other web-based resources to extract the necessary information from them. The data collected from various social networks and web sites do not possess a structured format, and this unstructured format is the main challenge for facing such data. It is necessary to represent the texts in the form of a text representation model to be able to analyze the content to overcome this challenge. Afterward, the required analysis can be done. The research on text modeling started a few decades ago, and so far, various models have been proposed for performing this modeling process. The main purpose of this paper is to evaluate the efficiency and effectiveness of a number of commons and famous text representation models for sentiment analysis. This evaluation is carried out by using these models for sentiment classification by ensemble methods. An ensemble classifier is used for sentiment classification and after preprocessing, the texts is represented by selected models. The selected models for this study are TF-IDF, LSA, Word2Vec, and Doc2Vec and the used evaluation measures are Accuracy, Precision, Recall, and F-Measure. The results of the study show that in general, the Doc2Vec model provides better performance compared to other models in sentiment analysis and at best, accuracy is 0.72. تفاصيل المقالة -
حرية الوصول المقاله
24 - Predicting Student Performance for Early Intervention using Classification Algorithms in Machine Learning
Kalaivani K Ulagapriya K Saritha A Ashutosh KumarPredicting Student’s Performance System is to find students who may require early intervention before they fail to graduate. It is generally meant for the teaching faculty members to analyze Student's Performance and Results. It stores Student Details in a database and أکثرPredicting Student’s Performance System is to find students who may require early intervention before they fail to graduate. It is generally meant for the teaching faculty members to analyze Student's Performance and Results. It stores Student Details in a database and uses Machine Learning Model using i. Python Data Analysis tools like Pandas and ii. Data Visualization tools like Seaborn to analyze the overall Performance of the Class. The proposed system suggests student performance prediction through Machine Learning Algorithms and Data Mining Techniques. The Data Mining technique used here is classification, which classifies the students based on student’s attributes. The Front end of the application is made using React JS Library with Data Visualization Charts and connected to a backend Database where all student’s records are stored in MongoDB and the Machine Learning model is trained and deployed through Flask. In this process, the machine learning algorithm is trained using a dataset to create a model and predict the output on the basis of that model. Three different types of data used in Machine Learning are continuous, categorical and binary. In this study, a brief description and comparative analysis of various classification techniques is done using student performance dataset. The six different machine learning Classification algorithms, which have been compared, are Logistic Regression, Decision Tree, K-Nearest Neighbor, Naïve Bayes, Support Vector Machine and Random Forest. The results of Naïve Bayes classifier are comparatively higher than other techniques in terms of metrics such as precision, recall and F1 score. The values of precision, recall and F1 score are 0.93, 0.92 and 0.92 respectively. تفاصيل المقالة -
حرية الوصول المقاله
25 - Diagnosis of Gastric Cancer via Classification of the Tongue Images using Deep Convolutional Networks
Elham Gholami Seyed Reza Kamel Tabbakh Maryam khairabadiGastric cancer is the second most common cancer worldwide, responsible for the death of many people in society. One of the issues regarding this disease is the absence of early and accurate detection. In the medical industry, gastric cancer is diagnosed by conducting nu أکثرGastric cancer is the second most common cancer worldwide, responsible for the death of many people in society. One of the issues regarding this disease is the absence of early and accurate detection. In the medical industry, gastric cancer is diagnosed by conducting numerous tests and imagings, which are costly and time-consuming. Therefore, doctors are seeking a cost-effective and time-efficient alternative. One of the medical solutions is Chinese medicine and diagnosis by observing changes of the tongue. Detecting the disease using tongue appearance and color of various sections of the tongue is one of the key components of traditional Chinese medicine. In this study, a method is presented which can carry out the localization of tongue surface regardless of the different poses of people in images. In fact, if the localization of face components, especially the mouth, is done correctly, the components leading to the biggest distinction in the dataset can be used which is favorable in terms of time and space complexity. Also, since we have the best estimation, the best features can be extracted relative to those components and the best possible accuracy can be achieved in this situation. The extraction of appropriate features in this study is done using deep convolutional neural networks. Finally, we use the random forest algorithm to train the proposed model and evaluate the criteria. Experimental results show that the average classification accuracy has reached approximately 73.78 which demonstrates the superiority of the proposed method compared to other methods. تفاصيل المقالة -
حرية الوصول المقاله
26 - Performance Analysis of Hybrid SOM and AdaBoost Classifiers for Diagnosis of Hypertensive Retinopathy
Wiharto Wiharto Esti Suryani Murdoko SusiloThe diagnosis of hypertensive retinopathy (CAD-RH) can be made by observing the tortuosity of the retinal vessels. Tortuosity is a feature that is able to show the characteristics of normal or abnormal blood vessels. This study aims to analyze the performance of the CAD أکثرThe diagnosis of hypertensive retinopathy (CAD-RH) can be made by observing the tortuosity of the retinal vessels. Tortuosity is a feature that is able to show the characteristics of normal or abnormal blood vessels. This study aims to analyze the performance of the CAD-RH system based on feature extraction tortuosity of retinal blood vessels. This study uses a segmentation method based on clustering self-organizing maps (SOM) combined with feature extraction, feature selection, and the ensemble Adaptive Boosting (AdaBoost) classification algorithm. Feature extraction was performed using fractal analysis with the box-counting method, lacunarity with the gliding box method, and invariant moment. Feature selection is done by using the information gain method, to rank all the features that are produced, furthermore, it is selected by referring to the gain value. The best system performance is generated in the number of clusters 2 with fractal dimension, lacunarity with box size 22-29, and invariant moment M1 and M3. Performance in these conditions is able to provide 84% sensitivity, 88% specificity, 7.0 likelihood ratio positive (LR+), and 86% area under the curve (AUC). This model is also better than a number of ensemble algorithms, such as bagging and random forest. Referring to these results, it can be concluded that the use of this model can be an alternative to CAD-RH, where the resulting performance is in a good category. تفاصيل المقالة -
حرية الوصول المقاله
27 - Optimized kernel Nonparametric Weighted Feature Extraction for Hyperspectral Image Classification
Mohammad HasheminejadHyperspectral image (HSI) classification is an essential means of the analysis of remotely sensed images. Remote sensing of natural resources, astronomy, medicine, agriculture, food health, and many other applications are examples of possible applications of this techni أکثرHyperspectral image (HSI) classification is an essential means of the analysis of remotely sensed images. Remote sensing of natural resources, astronomy, medicine, agriculture, food health, and many other applications are examples of possible applications of this technique. Since hyperspectral images contain redundant measurements, it is crucial to identify a subset of efficient features for modeling the classes. Kernel-based methods are widely used in this field. In this paper, we introduce a new kernel-based method that defines Hyperplane more optimally than previous methods. The presence of noise data in many kernel-based HSI classification methods causes changes in boundary samples and, as a result, incorrect class hyperplane training. We propose the optimized kernel non-parametric weighted feature extraction for hyperspectral image classification. KNWFE is a kernel-based feature extraction method, which has promising results in classifying remotely-sensed image data. However, it does not take the closeness or distance of the data to the target classes. Solving the problem, we propose optimized KNWFE, which results in better classification performance. Our extensive experiments show that the proposed method improves the accuracy of HSI classification and is superior to the state-of-the-art HIS classifiers. تفاصيل المقالة -
حرية الوصول المقاله
28 - طبقه بندي مشتريان خدمات اينترنتي با استفاده از الگوريتم داده كاوي
فريد نوروزي حامد كاظمي پورامروزه نقش مشتريان بجاي پيروي از توليد کنندگان به هدايت آنها مبدل گشته است به همين دليل دسته بندي مشتريان در هدفمند سازي و سفارشي سازي خدمات و اولويت بندي محصولات شركتها بر مبناي ميزان سودآوري کمک شاياني مي کند. در بازار ارائه دهندگان خدمات اينترنتي، رقباي زيادي با هم ر أکثرامروزه نقش مشتريان بجاي پيروي از توليد کنندگان به هدايت آنها مبدل گشته است به همين دليل دسته بندي مشتريان در هدفمند سازي و سفارشي سازي خدمات و اولويت بندي محصولات شركتها بر مبناي ميزان سودآوري کمک شاياني مي کند. در بازار ارائه دهندگان خدمات اينترنتي، رقباي زيادي با هم رقابت مي کنند زيرا سرمايه گذاري بر روي خدمات ارتباطي و اينترنتي سودآور و مفيد مي باشد. لذا براي پيشرفت در بازار مذکور، ارائه سرويس هاي جديد و خلاقيت و نوآوري از موارد ضروري مي باشد. شركت هاي ارائه دهنده خدمات اينترنتي براي گرفتن حجم بيشتري از بازار بايد با شناخت کافي از بازار و مشتريان، به حفظ مشتريان موجود و جذب مشتريان جديد بپردازند چنين شركتهايي مي توانند با طبقه بندي و خوشه بندي مشتريان خود، ضمن شناسايي و حمايت از مشتريان فعال و سودرسان، مشتريان نامتعارف را از چرخه خدمات رساني شركت خارج نمايند. اين تحقيق با استفاده از الگوريتم داده كاوي، ضمن كشف و شناسايي چنين مشترياني، شركت هاي ارائه دهنده خدمات اينترنتي را نيز به اهدافشان نزديكتر مي كند. تفاصيل المقالة -
حرية الوصول المقاله
29 - نوآوری فناورانه: عواملِ درون‌سازمانی و برون‌سازمانیِ مؤثر و تأثیرپذیر
علی اصغر زارعی سید عباس ابراهیمیدر محیط رقابتی کسب‌وکار، توسعه و حفظ یک مزیت رقابتی برای کلیه شرکت‌ها امری حیاتی است؛ نوآوری فناورانه عاملی کلیدی در تحقق این مهم به شمار میرود که توجه به عوامل مؤثر بر نوآوری فناورانه و چگونگی تأثیر این عوامل در بهبود نوآوری فناورانه را ضرورت می‌بخشد. از طرفی شناسایی أکثردر محیط رقابتی کسب‌وکار، توسعه و حفظ یک مزیت رقابتی برای کلیه شرکت‌ها امری حیاتی است؛ نوآوری فناورانه عاملی کلیدی در تحقق این مهم به شمار میرود که توجه به عوامل مؤثر بر نوآوری فناورانه و چگونگی تأثیر این عوامل در بهبود نوآوری فناورانه را ضرورت می‌بخشد. از طرفی شناسایی مهمترین ابعاد تأثیرپذیر از نوآوری فناورانه چه درون سازمان و چه بیرون از سازمان، راهنمایی برای مدیران و مسئولان در جهت نیل به اهداف سازمان و کشور به شمار میرود و بیش از پیش اهمیت توجه به این نوع خاص از نوآوری را آشکار می‌سازد. مرور تحقیقات انجام‌شده در زمینه نوآوری فناورانه، نشان می‌دهد که محققان بسیاری به شناسایی، اولویت‌بندی و بررسی تأثیر عوامل صاحب نقش پرداخته‌اند. در پژوهش حاضر تلاش شده است تا با بهره‌گیری از روش تجزیه و تحلیل محتوای کیفی و منتظم ساختن مباحث پیرامون موضوع در تحقیقات پیشین از طریق مطالعات کیفی تلخیصی، عوامل صاحب نقش همراه با ابعاد و مؤلفه‌ها تبیین و تشریح شوند. از طریق تجزیه و تحلیل صورت گرفته بیش از بیست عامل شناسایی گردید که ابعاد و مؤلفه‌ها و چگونگی تأثیرگذاری یا تأثیرپذیری هر عامل نیز تشریح شد. مهمترین عامل تأثیرپذیر از نوآوری فناورانه که ضرورت توجه به این مهم را بیش از پیش آشکار می‌سازد، عملکرد شرکت است. اما نمی‌توان درخصوص اثرگذارترین عامل تصمیمی اتخاذ نمود. لذا سازمان‌ها می‌بایستی در راستای بهبود عملکرد شرکت در همه جنبه‌ها نظیر مالی، مشتری، بازار، توسعه محصول جدید، شهرت نام تجاری و غیره توجه ویژه‌ای به نوآوری فناورانه داشته باشند و در راستای بهبود این امر، تمامی عوامل مؤثر را رصد کرده و به‌طور خاص در کنترل و بهبود عوامل درون‌سازمانی به منظور بهبود نوآوری فناورانه بکوشند. تفاصيل المقالة -
حرية الوصول المقاله
30 - جایگاه ادبی هاتفی در پژوهش‌های معاصر
سیدعلی کرامتی مقدم سیده آمنه حسینی جهانگیرهاتفی خرجردی از شاعرانِ بزرگ اواخر دورۀ تیموری است. او تحصیلات مقدّماتی خود را در خرجرد به انجام رساند. پس از آن به هرات رفت و سال‌ها از محضر عبدالرحمن جامی بهره‌مند شد و در کنف حمایت و تربیت او روزگار گذرانید. اگر چه در آغاز کار مقلّد شاعران بزرگی چون فردوسی و نظامی ب أکثرهاتفی خرجردی از شاعرانِ بزرگ اواخر دورۀ تیموری است. او تحصیلات مقدّماتی خود را در خرجرد به انجام رساند. پس از آن به هرات رفت و سال‌ها از محضر عبدالرحمن جامی بهره‌مند شد و در کنف حمایت و تربیت او روزگار گذرانید. اگر چه در آغاز کار مقلّد شاعران بزرگی چون فردوسی و نظامی بود و به تبعیت از آنان آثاری را خلق کرد ولی در بسیاری موارد توانست از حدّ تقلید فراتر رود و ابتکاراتی داشته باشد. خلّاقیتهای ادبی هاتفی در شعر و آثارش سبب شده است که بعدها او را از شعرای زبردست قرن نهم و دهم هرات و از شاعران صاحب سبک به شمار آورند و او را در تذکرهها زُبدۀ شعرا و افصح فُصحا بخوانند. اگرچه هاتفی شاعر بزرگی بوده و در عهد خود شهرتی کسب کرده است ولی در سدۀ اخیر که اوج پژوهش‌های ادبی به سبک علمی جدید است، پژوهشگران کمتر به جایگاه ادبی هاتفی و نقد و بررسی اشعارش پرداخته‌اند. حال این سئوال پیش می‌آید که پژوهشگران در دورۀ اخیر در آثار خود چه جایگاهی برای هاتفی قائل شده و چه تصویری از او در ذهن خوانندگان ترسیم نمودهاند؟ در این پژوهش، مقالههایی که در دورۀ اخیر دربارۀ هاتفی خرجردی نگارش یافته، نقد و بررسی شده است؛ در ادامه جایگاه ادبی هاتفی بر مبنای مباحث مطرح شدۀ پژوهشگران معاصر تبیین و توصیف شده است. تفاصيل المقالة -
حرية الوصول المقاله
31 - تقسيمبندي علوم از منظر اخوان‌الصفا و فارابي
سيداحمد حسيني مهدي اميريبا آنکه فيلسوفان بسياري از تقسيم علوم سخن گفته‌اند اما همة آنها از تقسيم واحدي سخن بميان نياورده‌اند. در اين بين هم مقسم و هم اقسام متفاوت است. اخوان الصفا در تقسيم علوم مطلق دانش را در نظر ميگيرند و در ابتدا علوم را به دو دسته صنايع علمي و صنايع عملي تقسيم ميکنند؛ اما أکثربا آنکه فيلسوفان بسياري از تقسيم علوم سخن گفته‌اند اما همة آنها از تقسيم واحدي سخن بميان نياورده‌اند. در اين بين هم مقسم و هم اقسام متفاوت است. اخوان الصفا در تقسيم علوم مطلق دانش را در نظر ميگيرند و در ابتدا علوم را به دو دسته صنايع علمي و صنايع عملي تقسيم ميکنند؛ اما فارابي رشته هاي علمي ـ و نه مطلق دانش ـ را تقسيم ميکند و اين علوم را براساس سودمندي، به دو بخش علوم ابزاري و غيرابزاري تقسيم ميکند. در تقسيمبندي اخوان الصفا که رويکردي نوافلاطوني دارند، جايگاه نفس، سياست، منطق و اخلاق متفاوت از جايگاه اين مسائل نزد مشائياني مانند فارابي است. مهمترين مبناي تقسيم علوم از ديدگاه اخوان-الصفا، تقسيمبندي از حيث غايت است. اما فارابي همانند ارسطو، بر دو ملاک اصلي تقسيم علوم، يعني غايت و موضوع تکيه ميکند. در نوشتار حاضر، علاوه بر آنکه به بررسي تفاوت تقسيم علوم از ديدگاه اخوان الصفا و فارابي پرداخته ميشود، جايگاه خاص برخي علوم نيز نزد آنها مشخص ميشود. تفاصيل المقالة -
حرية الوصول المقاله
32 - تحلیل یادگیری دانش آموزان از طریق ورزش صبحگاهی با استفاده از روش های داده کاوی
بهزاد لک نرگس عباسییکی از عوامل اصلی فرایند جامعه پذیری، مدرسه است که اهمیت آن در نظام آموزشی هر کشوری بیش از پیش احساس می شود. ارتقاء سطح یادگیری دانش آموزان، یک عامل مهم برای ارتقای کیفیت نظام آموزش در مدارس، می باشد. از آنجایی که ورزش کردن ثاثیر بسزایی در یادگیری دارد، هدف اصلی مقاله ا أکثریکی از عوامل اصلی فرایند جامعه پذیری، مدرسه است که اهمیت آن در نظام آموزشی هر کشوری بیش از پیش احساس می شود. ارتقاء سطح یادگیری دانش آموزان، یک عامل مهم برای ارتقای کیفیت نظام آموزش در مدارس، می باشد. از آنجایی که ورزش کردن ثاثیر بسزایی در یادگیری دارد، هدف اصلی مقاله ارائه روشی جهت تقویت روند یادگیری دانش آموزان از طریق ورزش صبحگاهی مبتنی بر تکنیک شبکه عصبی و الگوریتم بهینه سازی قطرات هوشمند آب است. رویکرد این پژوهش به صورت کمی بوده و از نظر هدف كاربردي و همچنین از نظر نوع روش، توصيفي- تحليلي است. جهت دستیابی به این هدف از تکنیک شبکه عصبی به منظور طبقهبندی و استخراج نتایج و از الگوریتم بهینه سازی قطرات هوشمند آب جهت انتخاب ویژگی استفاده می شود. برای شبکه عصبی از 11 نورون به عنوان تعداد نورون مناسب لایه مخفی و ترکیب دو تابع فعال سازي خطي و سيگموئيدي به عنوان توابع انتقال بین لایه‌ای و از یک تابع آموزش جهت آموزش شبکه و حداکثر تکرار الگوریتم آموزش بر روی مجموعه داده 3000 تعداد، پیشنهاد شده است. دقت روش پیشنهادی 68 درصد است که به نسبت روش پایه حدود 2/2 درصد بهبود داشته و این یعنی ورزش برروی یادگیری دانش‌آموزان تاثیر دارد. نتایج نشان داد طبقه بندی بهینه روی مجموعه داده با پارامترهای همگن، عملکرد مناسبی داشته و همچنین شبکه‌های عصبی مصنوعی نسبت به روش های جدید ، عملکرد بهتری دارد. طبق نتایج به دست آمده روش پیشنهادی از نظر صحت خروجی می تواند بهبود مناسبی در تقویت روند یادگیری داشته باشد. تفاصيل المقالة -
حرية الوصول المقاله
33 - کاهش فضاي جستجو در بازشناسي اثر انگشت به کمک تصوير بلوک جهتي
صادق هل‌فروش حسن قاسمیان یزدینخستين مرحله در هر فرايند شناسايي خودکار اثر انگشت، دسته‌بندي است. فرايند دسته‌بندي، با کوچک‌کردن فضاي جستجو، زمان و هزينه را کاهش مي‌دهد. روشهاي معمول دسته‌بندي، مبتني بر کلاس‌هاي قابل رؤيت اثر انگشت است. نظر به تعداد کم اين کلاس‌ها و عدم توزيع يکنواخت تصاوير اثر انگشت أکثرنخستين مرحله در هر فرايند شناسايي خودکار اثر انگشت، دسته‌بندي است. فرايند دسته‌بندي، با کوچک‌کردن فضاي جستجو، زمان و هزينه را کاهش مي‌دهد. روشهاي معمول دسته‌بندي، مبتني بر کلاس‌هاي قابل رؤيت اثر انگشت است. نظر به تعداد کم اين کلاس‌ها و عدم توزيع يکنواخت تصاوير اثر انگشت در اين کلاس‌ها، دسته‌بندي پيوسته اثر انگشت مورد توجه قرار گرفته است. در دسته‌بندي پيوسته، يک تابع شباهت تعريف ميشود و براي شباهت تصاوير موجود در پايگاه داده و اثر انگشت ورودي، با توجه به تابع تعريف‌شده، درجه‌اي اختصاص مي‌يابد. مرحله تطابق اثر انگشت ورودي با تصاوير موجود در پايگاه داده، از تصويري از پايگاه داده آغاز ميشود که بيشترين شباهت را با ورودي داشته باشد. در اين مقاله يک روش براي اندازه‌گيري شباهت و دسته‌بندي پيوسته اثر انگشت مبتني بر تصوير بلوک جهتي، ارائه شده است. روش ارائه‌شده نسبت به انتقال و چرخش اثر انگشت مقاوم بوده و نيازي به وجود و آشکارسازي نقطه مرجع ندارد. پياده‌سازي روش مذکور بر روي پايگاه داده 2000FVC، دقت قابل ملاحظه روش را در کاهش فضاي جستجو در مقايسه با ساير روشها نشان مي‌دهد. تفاصيل المقالة -
حرية الوصول المقاله
34 - ارائه روشی برای خواندن خودکار نقشه چاپی فرش و مقایسه آن با روش خوشه‌یابی C - میانگین
احمد ايزدي‌پور احسان‌اله کبیرخواندن خودکار نقشه چاپی فرش به دو مرحله تقسیم می‌شود: آشکارسازی خطوط نقشه، شامل خطوط باريک و خطوط ضخيم؛ کاهش رنگ پيکسل‌های تصوير به رنگ‌های پالت. برای شناسایی خطوط نقشه الگوریتمی پیشنهاد شده است. در این الگوریتم ابتدا فاصله خطوط باریک محاسبه می‌شود. پس از شناسایی اولین أکثرخواندن خودکار نقشه چاپی فرش به دو مرحله تقسیم می‌شود: آشکارسازی خطوط نقشه، شامل خطوط باريک و خطوط ضخيم؛ کاهش رنگ پيکسل‌های تصوير به رنگ‌های پالت. برای شناسایی خطوط نقشه الگوریتمی پیشنهاد شده است. در این الگوریتم ابتدا فاصله خطوط باریک محاسبه می‌شود. پس از شناسایی اولین خط باریک، خطوط باریک بعدی به‌ترتیب رسم می‌شوند. برای شناسایی اولین خط ضخیم از الگوریتم شانه‌گذاری استفاده شده است. مشکل عمده در شناسایی خطوط، خطای نمونه‌برداری ناشی از اسکنر است. این خطا غیر قابل اجتناب است. برای اصلاح این خطا در مراحل مختلف شناسایی و ترسیم خطوط راه حل‌هایی پیشنهاد شده است. پس از شناسایی خطوط، کاهش رنگ انجام می‌شود. هدف اين است که رنگ پيکسل‌های درون چهارخانه‌های نقشه - که از تلاقی خطوط باريک حاصل می‌شوند - به رنگ‌هاي پالت، نگاشت شوند. سه روش برای کاهش رنگ ارائه شده است. در روش اول کاربر برای هر رنگ نقشه، دو پيکسل انتخاب می‌کند. پالت رنگ، با پردازش مناسب بر روی رنگ‌های انتخابی کاربر به‌دست می‌آيد. برای تعيين رنگ يک چهارخانه، رنگ پيکسل‌های ميانی آن بر اساس اين پالت نگاشت می‌شود و فراوان‌ترين رنگ به‌دست می‌آيد. سپس چهارخانه مربوطه با اين رنگ پر می‌شود. اين الگوريتم کاهش رنگ به همراه يک مرحله پس‌پردازش روی چند تصوير نمونه اعمال شد. ميزان خطا برای تصاوير پایگاه داده از 07/0 درصد تا 5/0 درصد بود. به‌منظور بررسی امکان کاهش دخالت کاربر از روش C - میانگین به دو صورت استفاده شده است. مراکز خوشه‌های اولیه یک بار با دخالت کاربر و بار دیگر به‌طور تصادفی تعیین می‌شوند. نتایج این سه روش مورد مقایسه و بحث قرار می‌گیرد. تفاصيل المقالة -
حرية الوصول المقاله
35 - آموزش شبکه عصبی MLP در طبقهبندی داده‌ها با استفاده از روش GSA
مریم ده‌باشیان سیدحمید ظهیریتاکنون شیوه‌های مختلفی برای طبقهبندی داده ارائه شده است اما در این میان شبکه‌های عصبی مخاطبان بیشتری را به خود جذب کرده‌اند. مهمترین مسئله در این نوع از طبقه‌بندی‌کننده‌ها انتخاب روشی مناسب برای آموزش شبکه‌های عصبی است. متداول‌ترین روش آموزشی شبکه‌های عصبی روش پس‌انتش أکثرتاکنون شیوه‌های مختلفی برای طبقهبندی داده ارائه شده است اما در این میان شبکه‌های عصبی مخاطبان بیشتری را به خود جذب کرده‌اند. مهمترین مسئله در این نوع از طبقه‌بندی‌کننده‌ها انتخاب روشی مناسب برای آموزش شبکه‌های عصبی است. متداول‌ترین روش آموزشی شبکه‌های عصبی روش پس‌انتشار خطا است که همگرايي کُند و توقف در نقاط بهينه محلي از مهمترین نقاط ضعف آن محسوب می‌شود. رویکرد جدید محققین استفاده از الگوریتم‌های ابتکاری در فرایند آموزش شبکه‌های عصبی است. در این مقاله پیشنهاد استفاده از روش آموزشی نوینی به نام الگوریتم جستجوي گرانشي (GSA) در آموزش شبکه‌های عصبی به‌منظور طبقهبندی داده‌ها ارائه می‌شود. روش GSA آخرين و جديدترين نسخه از انواع روشهاي بهينه‌سازي هوش جمعي است که با الهام از مفاهيم جرم و نيروي جاذبه و با شبيه‌سازي قوانين مرتبط با آن ارائه شده است. در این مقاله با استفاده از روش GSA یک شبکه عصبی MLP جهت طبقهبندی پنج مجموعه داده مرجع آموزش داده می‌شود. همچنین کارایی روش پیشنهادی در آموزش و آزمایش شبکه عصبی با دو روش آموزشی پس‌انتشار خطا و بهینه‌سازی گروه ذرات مقایسه می‌شود. نتایج نهایی نشان می‌دهند در اکثر موارد روش GSA قابلیت چشمگیری در طبقهبندی صحیح داده‌ها دارد. به‌علاوه در آزمایشات انجام‌گرفته ویژگی منحصر به‌فردی از روش GSA پدیدار شد و آن پایداری نسبتاً عالی در طبقهبندی صحیح داده‌ها در تمام موارد بود. از نقطه نظر معیار زمانی نیز روش GSA نسبت به روش PSO در زمان کمتری به پاسخ مناسب دست می‌یابد. تفاصيل المقالة -
حرية الوصول المقاله
36 - طبقه‌بند تک‌کلاسه گرانش‌گرای مبتنی بر ماشین بردار پشتیبان
سیدحسین غفاریان هادی صدوقی یزدی یونس اللهیاریدر این مقاله یک طبقه‌بند تک‌کلاسه مبتنی بر مرز با الهام از طبقه‌بند توصیف‌گر داده مبتنی بر بردار پشتیبان (SVDD) ارائه شده است. در طبقه‌بند SVDD حتی زمانی که نمونه‌های پرت به بیرون از مرز رانده می‌شوند، باز هم این نمونه‌ها بر مرز طبقه‌بند اثر می‌گذارند و این مسئله باعث ا أکثردر این مقاله یک طبقه‌بند تک‌کلاسه مبتنی بر مرز با الهام از طبقه‌بند توصیف‌گر داده مبتنی بر بردار پشتیبان (SVDD) ارائه شده است. در طبقه‌بند SVDD حتی زمانی که نمونه‌های پرت به بیرون از مرز رانده می‌شوند، باز هم این نمونه‌ها بر مرز طبقه‌بند اثر می‌گذارند و این مسئله باعث افزایش خطای طبقه‌بند می‌شود. در طبقه‌بند پیشنهادی به گرانش نمونه‌های آموزش اهمیت داده می‌شود و همچنین همه نمونه‌ها در تعیین مرز طبقه‌بند دخالت دارند. بر این مبنا دو طبقه‌بند که در یکی دانش در مورد نمونه‌های پرت نیز در نظر گرفته می‌شود، پیشنهاد شده است. مسئله بهینه‌سازی مطرح در طبقه‌بند پیشنهادی علاوه بر این که تحدب را حفظ می کند، در حوزه کرنل نیز به سهولت قابل استفاده است. پس از معرفی طبقه‌بند پیشنهادی و حل مسئله بهینه‌سازی آن، چگونگی تغییرات مرز طبقه‌بند پیشنهادی در مقابل تغییرات پارامترهای مدل بررسی می‌شود. نتایج آزمایش‌ها در مقایسه با دو طبقه‌بند SVDD و Density Induced SVDD نشان می‌دهد که روش پیشنهادی در کاهش اثر نمونه‌های پرت موفق بوده است. تفاصيل المقالة -
حرية الوصول المقاله
37 - ارائه یک شکل جدید از الگوهای باینری محلی به منظور طبقهبندی بافت تصویر
مرضیه پاکدل فرشاد فرشاد تاجریپورطبقهبندی بافت تصویر نقش بسیار مهمی در بینایی ماشین و پردازش تصویر دارد. اولین و مهمترین مرحله در طبقهبندی بافت تصویر، استخراج ویژگی از تصویر می‌باشد. تاکنون روشهای بسیار زیادی برای استخراج ویژگی از تصاویر بافتی ارائه شده‌اند اما از میان روشهای موجود الگوهای باینری أکثرطبقهبندی بافت تصویر نقش بسیار مهمی در بینایی ماشین و پردازش تصویر دارد. اولین و مهمترین مرحله در طبقهبندی بافت تصویر، استخراج ویژگی از تصویر می‌باشد. تاکنون روشهای بسیار زیادی برای استخراج ویژگی از تصاویر بافتی ارائه شده‌اند اما از میان روشهای موجود الگوهای باینری محلی، در شکل اصلی و بهبودیافته خود، به دلیل سادگی در پیاده‌سازی و استخراج ویژگی‌های مناسب با دقت طبقهبندی بالا، مورد توجه بسیاری از متخصصان این زمینه قرار گرفته است. شکل اصلی الگوهای باینری محلی هرچند از نظر پیاده‌سازی بسیار ساده است، اما زمانی که شعاع همسایگی افزایش یابد پیچیدگی محاسباتی بالایی دارد. شکل بهبودیافته الگوهای باینری محلی نیز به الگوهای همگن برچسب‌های متمایز و به تمام الگوهای غیر همگن یک برچسب یکسان انتساب می‌دهد و این امر، طبقهبندی تصاویری که دارای درصد بالایی از الگوهای غیر همگن می‌باشند را با مشکل مواجه می‌سازد. در این مقاله، یک شکل جدید از الگوهای باینری محلی ارائه شده است که پیچیدگی محاسباتی آن نسبت به شکل اصلی الگوهای باینری محلی کمتر و دقت طبقهبندی آن نیز از شکل اصلی و بهبودیافته الگوهای باینری محلی بیشتر می‌باشد. روش ارائه‌شده در این مقاله نه تنها تصاویر با الگوهای همگن را به خوبی طبقهبندی می‌کند، بلکه در مورد تصاویری که دارای حجم بسیار بالایی از الگوهای غیر همگن می‌باشند نیز به خوبی عمل می‌کند. همچنین میتوان با تغییر در بازه‌های شدت روشنایی، محلی یا سراسری‌بودن ویژگی‌ها را کنترل کرد. دقت طبقهبندی برای تمام تصاویر بافتی موجود در پایگاه داده Brodatz و Outex، کارایی روش ارائه‌شده را نشان می‌دهد. تفاصيل المقالة -
حرية الوصول المقاله
38 - روشی مطمئن برای مقابله با مشکلات طبقهبندی اثر انگشت
فائزه ميرزايي حسين ابراهيم‌پور کومله محسن بيگلرياثر انگشت بیومتریکی است که به دلیل ویژگی‌های منحصر به فردش، بیشترین کاربرد را در سیستم‌های تشخیص و تعیین هویت داشته است. در سیستم‌های تعیین هویت، تصویر ورودی با تمام تصاویر ثبت‌شده در پایگاه مقایسه می‌گردد و در صورتی که پایگاه داده حجیم باشد، عمل مقایسه بسیار زمان‌بر خو أکثراثر انگشت بیومتریکی است که به دلیل ویژگی‌های منحصر به فردش، بیشترین کاربرد را در سیستم‌های تشخیص و تعیین هویت داشته است. در سیستم‌های تعیین هویت، تصویر ورودی با تمام تصاویر ثبت‌شده در پایگاه مقایسه می‌گردد و در صورتی که پایگاه داده حجیم باشد، عمل مقایسه بسیار زمان‌بر خواهد بود. برای نمونه میتوان به پایگاه‌های داده موجود در FBI اشاره نمود. یکی از راه حل‌های تأییدشده برای افزایش سرعت، طبقهبندی تصاویر است. در طبقهبندی مطلق، به هر اثر انگشت تنها یک کلاس تخصیص می‌یابد. دلایل مختلفی چون نویز یا عدم وجود همه نقاط یکتا در محدوده تصویر، تعیین یک کلاس مطلق برای همه تصاویر را دچار مشکل می‌کند. در این مقاله، روشی جدید بر پایه طبقهبندی احتمالی ارائه شده که برای هر تصویر ورودی، مجموعه‌ای از کلاس‌ها مشخص می‌شود که هر یک دارای یک احتمال می‌باشند. در مرحله انطباق، کلاس‌ها به ترتیب اولویتشان جستجو می‌شوند. آزمایشات صورت‌گرفته بر روی پایگاه داده شناخته‌شده 2002 FVC، تأثیر استفاده از طبقهبندی احتمالی را به روشنی نشان داده است. با در نظر گرفتن کلاس‌های دوم و سوم تعیین‌شده توسط روش پیشنهادی، دقت شناسایی سیستم تقریباً 18% افزایش یافته است، در صورتی که سرعت آن، 2 تا 3 برابر بیشتر از طبقهبندی مطلق می‌باشد. تفاصيل المقالة -
حرية الوصول المقاله
39 - تفکیک‌پذیری مجموعه نقاط دورنگ با مثلث قائم‌الزاویه
زهرا مصلحی علیرضا باقریتفکیکپذیری 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 أکثرتفکیکپذیری 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. تفاصيل المقالة -
حرية الوصول المقاله
40 - ارائه روشی جدید از نگاشت توسعه‌یافته الگوی دودویی محلی جهت طبقهبندی تصاویر بافتی
محمدحسین شکور فرشاد فرشاد تاجریپورطبقهبندی بافت از جمله شاخه‌های مهم پردازش تصویر است و مهمترین نکته در طبقهبندی بافت‌ها، استخراج ویژگی‌های تصویر بافتی است. یکی از مهمترین و ساده‌ترین روشها، روش مبتنی بر الگوی دودویی محلی است که به دلیل سادگی در پیاده‌سازی و استخراج ویژگی‌های مناسب با دقت طبقهبندی أکثرطبقهبندی بافت از جمله شاخه‌های مهم پردازش تصویر است و مهمترین نکته در طبقهبندی بافت‌ها، استخراج ویژگی‌های تصویر بافتی است. یکی از مهمترین و ساده‌ترین روشها، روش مبتنی بر الگوی دودویی محلی است که به دلیل سادگی در پیاده‌سازی و استخراج ویژگی‌های مناسب با دقت طبقهبندی بالا، مورد توجه قرار گرفته است. در اغلب روشهای الگوی دودویی محلی بیشتر به الگوهای محلی همگن توجه شده و همه اطلاعات قسمت‌های ناهمگن تصویر صرفاً به عنوان یک ویژگی استخراج می‌شود. در این مقاله، یک شکل جدید از نگاشت الگوهای دودویی محلی ارائه شده که از اطلاعات الگوهای ناهمگن به شکل مناسب استفاده می‌کند. یعنی بر خلاف اغلب روشهای قبلی، در اینجا از الگوهای محلی ناهمگن ویژگی‌های بیشتری استخراج می‌شود و در نتیجه دقت طبقهبندی بالاتر میرود. ضمن این که کلیه نکات مثبت روشهای موجود مانند غیر حساس بودن به چرخش و تغییرات روشنایی را دارد. روش ارائه‌شده با استخراج ویژگی‌های بیشتر از الگوهای ناهمگن به دقت بالاتری از طبقهبندی نسبت به روشهای مشهور و مهم دست یافته است. پیاده‌سازی روش ارائه‌شده روی پایگاه بافتی Outex این بهبود را نشان می‌دهد. تفاصيل المقالة -
حرية الوصول المقاله
41 - ارائه یک الگوریتم آبشاری برای بهبود سرعت و دقت یک سیستم شناسایی نوع و مدل خودرو
محسن بيگلريدر دهه اخیر، مطالعات بسیاری بر روی طبقهبندی دانه‌ریز اشیا صورت گرفته است. در این نوع طبقهبندی گروه کلی شیء مشخص بوده و هدف تعیین زیرگروه دقیق آن است و شناسایی نوع و مدل وسیله نقلیه (VMMR) نیز در این حوزه قرار می‌گیرد. این مسئله به دلیل وجود تعداد کلاس‌های زیاد، تفاوت أکثردر دهه اخیر، مطالعات بسیاری بر روی طبقهبندی دانه‌ریز اشیا صورت گرفته است. در این نوع طبقهبندی گروه کلی شیء مشخص بوده و هدف تعیین زیرگروه دقیق آن است و شناسایی نوع و مدل وسیله نقلیه (VMMR) نیز در این حوزه قرار می‌گیرد. این مسئله به دلیل وجود تعداد کلاس‌های زیاد، تفاوت درون کلاسی بسیار و تفاوت بین کلاسی کم از مسایل طبقهبندی دشوار به شمار میرود. علاوه بر این معمولاً سرعت سیستم‌های شناسایی اشیا با افزایش دقت، کاهش می‌یابد و چنان که می‌بینیم یکی از چالش‌های مهم در شبکه‌های عصبی عمیق به عنوان یک ابزار قدرتمند بینایی ماشین، سرعت پردازش است. در این مقاله ابتدا روشی مبتنی بر بخش برای شناسایی نوع و مدل خودرو مختصراً معرفی می‌گردد و سپس یک الگوریتم آبشاری برای بهبود توأمان سرعت و دقت این سیستم ارائه می‌شود. الگوریتم آبشاری پیشنهادی، طبقه‌بندهای موجود در سیستم را به صورت ترتیبی به تصویر ورودی اعمال کرده تا از حجم پردازش بکاهد. چند معیار مناسب برای رسیدن به یک ترتیب کارا از طبقه‌بندها معرفی شده و در نهایت ترکیبی از آنها در الگوریتم پیشنهادی به کار گرفته شده است. نتیجه آزمایشات انجام‌شده بر روی مجموعه داده کاملاً متفاوت BVMMR و CompCars، نشان از دقت بالای سیستم شناسایی نوع و مدل خودرو دارد. پس از اعمال الگوریتم آبشاری به سیستم مورد بحث، سرعت پردازش تا 80% افزایش یافته است در حالی که دقت سیستم تنها کاهش جزئی داشته است. تفاصيل المقالة -
حرية الوصول المقاله
42 - ارائه یک الگوریتم آبشاری برای بهبود سرعت و دقت یک سیستم شناسایی نوع و مدل خودرو
محسن بيگلري سیدعلی سلیمانی حمید حسنپوردر دهه اخیر، مطالعات بسیاری بر روی طبقهبندی دانه‌ریز اشیا صورت گرفته است. در این نوع طبقهبندی گروه کلی شیء مشخص بوده و هدف تعیین زیرگروه دقیق آن است و شناسایی نوع و مدل وسیله نقلیه (VMMR) نیز در این حوزه قرار می‌گیرد. این مسئله به دلیل وجود تعداد کلاس‌های زیاد، تفاوت أکثردر دهه اخیر، مطالعات بسیاری بر روی طبقهبندی دانه‌ریز اشیا صورت گرفته است. در این نوع طبقهبندی گروه کلی شیء مشخص بوده و هدف تعیین زیرگروه دقیق آن است و شناسایی نوع و مدل وسیله نقلیه (VMMR) نیز در این حوزه قرار می‌گیرد. این مسئله به دلیل وجود تعداد کلاس‌های زیاد، تفاوت درون کلاسی بسیار و تفاوت بین کلاسی کم از مسایل طبقهبندی دشوار به شمار میرود. علاوه بر این معمولاً سرعت سیستم‌های شناسایی اشیا با افزایش دقت، کاهش می‌یابد و چنان که می‌بینیم یکی از چالش‌های مهم در شبکه‌های عصبی عمیق به عنوان یک ابزار قدرتمند بینایی ماشین، سرعت پردازش است. در این مقاله ابتدا روشی مبتنی بر بخش برای شناسایی نوع و مدل خودرو مختصراً معرفی می‌گردد و سپس یک الگوریتم آبشاری برای بهبود توأمان سرعت و دقت این سیستم ارائه می‌شود. الگوریتم آبشاری پیشنهادی، طبقه‌بندهای موجود در سیستم را به صورت ترتیبی به تصویر ورودی اعمال کرده تا از حجم پردازش بکاهد. چند معیار مناسب برای رسیدن به یک ترتیب کارا از طبقه‌بندها معرفی شده و در نهایت ترکیبی از آنها در الگوریتم پیشنهادی به کار گرفته شده است. نتیجه آزمایشات انجام‌شده بر روی مجموعه داده کاملاً متفاوت BVMMR و CompCars، نشان از دقت بالای سیستم شناسایی نوع و مدل خودرو دارد. پس از اعمال الگوریتم آبشاری به سیستم مورد بحث، سرعت پردازش تا 80% افزایش یافته است در حالی که دقت سیستم تنها کاهش جزئی داشته است. تفاصيل المقالة -
حرية الوصول المقاله
43 - الگوريتم وفقي دسته‌بندي ترافيک پخش زنده IPTV در شبکه EPON
محسن احمدزاده محمد بهدادفر محمدرضا نوری فرددر اين مقاله، الگوريتمي با قابليت تنظيم وفقي براي دسته‌بندي بسته‌‌هاي IPTV با هدف کاهش نرخ از دست دادن بسته در شبکه غير فعال نوري در بستر اترنت ارائه شده است. این الگوریتم به وسیله دسته‌بندی مناسب بسته‌های ورودی به OLT، عملکرد تخصیص پهنای باند با روش WRR را بهبود می‌بخ أکثردر اين مقاله، الگوريتمي با قابليت تنظيم وفقي براي دسته‌بندي بسته‌‌هاي IPTV با هدف کاهش نرخ از دست دادن بسته در شبکه غير فعال نوري در بستر اترنت ارائه شده است. این الگوریتم به وسیله دسته‌بندی مناسب بسته‌های ورودی به OLT، عملکرد تخصیص پهنای باند با روش WRR را بهبود می‌بخشد. بر اساس نتايج شبيه‌سازي‌هاي صورت‌گرفته توسط شبيه‌ساز NS، نرخ از دست دادن بسته در روش پيشنهادي نسبت به روشهاي پيشين در بهترین حالت 65% کاهش يافته است. تفاصيل المقالة -
حرية الوصول المقاله
44 - کاهش ابعاد ویژگی مبتنی بر تئوری راف با استفاده از الگوریتم رقابت لیگ فوتبال
مجید عبدالرزاق نژاد علی ادیبیانافزایش حجم پایگاه داده‌ها، مسئله کاهش ویژگی را ایجاد و پراهمیت می‌سازد. از این رو در علم داده‌کاوی، یکی از زیربخش‌های مهم، مسئله کاهش ابعاد (انتخاب ویژگی) می‌باشد که در آن زیرمجموعه‌ای از ویژگی‌هایی که بیشترین تأثیر را بر روی الگوهای پنهان داده اصلی دارند انتخاب می‌شوند أکثرافزایش حجم پایگاه داده‌ها، مسئله کاهش ویژگی را ایجاد و پراهمیت می‌سازد. از این رو در علم داده‌کاوی، یکی از زیربخش‌های مهم، مسئله کاهش ابعاد (انتخاب ویژگی) می‌باشد که در آن زیرمجموعه‌ای از ویژگی‌هایی که بیشترین تأثیر را بر روی الگوهای پنهان داده اصلی دارند انتخاب می‌شوند. در سال‌های اخیر، تئوری مجموعه راف به عنوان یکی از ابزارهای موثر و کارآمد در کاهش ویژگی مورد توجه محققان قرار گرفته است. در این مقاله الگوریتم رقابت لیگ فوتبال برای اولین بار به منظور حل این مسئله مورد استفاده قرار گرفته شده است. توانایی فرار از بهین‌های موضعی، امکان بهره‌گیری از اطلاعات بازیکنان توزیع‌شده در فضای جستجو، همگرایی سریع به جواب‌های بهین و پارامترهای کم این الگوریتم، انگیزه این انتخاب بود. علاوه بر این نوآوری، ارائه تغییراتی همچون بهره‌گیری از مجموع توان بازیکنان ثابت و ذخیره در محاسبه توان هر تیم، در نظر گرفتن ترکیب ساختارهای پیوسته و گسسته برای هر بازیکن، ارائه یک مکانیزم ابتکاری گسسته‌سازی جدید، ارائه تحلیل هیدرولیک متناسب با مسئله تحقیق برای فرایند برازش هر بازیکن، ارائه اصلاح در عملگرهای تقلید و تهییج بر اساس چالش‌های نسخه اصلی را میتوان به عنوان ایده‌های پیشنهادی به منظور اصلاح و سازگاری این الگوریتم برای مسئله کاهش ویژگی برشمرد. ایده‌های پیشنهادشده بر روی سه سطح داده در ابعاد کوچک، متوسط و بزرگ به همراه چهار الگوریتم فراابتکاری مشهور ژنتیک و بهینه‌سازی ازدحام ذارت، سیستم ایمنی مصنوعی و لیگ قهرمانان پیاده‌سازی گردیده و مقایسه نتایج به دست آمده نشان از مزیت‌های رقابتی قابل توجه الگوریتم رقابت لیگ فوتبال با سایر الگوریتم‌ها دارد. تفاصيل المقالة -
حرية الوصول المقاله
45 - طبقهبندی بااحتیاط دادههای ابرمستطیلی، ابردایروی و ابربیضوی با حداکثر حاشیه متقارن نسبت به لبه داده‌ها
یحیی فرقانی میثاق سادات حجازی هادی صدوقی یزدیمدل طبقهبندی مقاوم، یک مدل غیر استاندارد برای یادگیری طبقه‌بند بر اساس یک مجموعه داده توأم با عدم قطعیت است. به هر مدل طبقهبندی که در مجموعه جواب‌های ممکن آن، جواب بی‌معنی وجود داشته باشد، مدل بی‌احتیاط گفته می‌شود. جواب بهینه یک مدل طبقهبندی مقاوم بی‌احتیاط به ازای أکثرمدل طبقهبندی مقاوم، یک مدل غیر استاندارد برای یادگیری طبقه‌بند بر اساس یک مجموعه داده توأم با عدم قطعیت است. به هر مدل طبقهبندی که در مجموعه جواب‌های ممکن آن، جواب بی‌معنی وجود داشته باشد، مدل بی‌احتیاط گفته می‌شود. جواب بهینه یک مدل طبقهبندی مقاوم بی‌احتیاط به ازای یک مجموعه داده آموزشی، ممکن است ابرصفحه نباشد که در این صورت امکان طبقهبندی داده‌ها در مرحله آزمون میسر نخواهد بود. در این مقاله مدل‌های طبقه‌بند مقاوم بی‌احتیاط معرفی و مشکلات آنها بررسی شده و سپس با تغییر تابع ضرر در طبقه‌بند مقاوم، مدل طبقهبندی مقاوم بااحتیاط برای ممانعت از بی‌احتیاطی معرفی می‌شود. مدل بااحتیاط پیشنهادی، استاندارد شده و راهکارهایی برای کاهش زمان آموزش و زمان آزمون آن ارائه می‌گردد. در آزمایشات از مدل طبقه‌بند مقاوم بااحتیاط پیشنهادی در مقایسه با چند مدل مقاوم بی‌احتیاط، برای طبقهبندی مجموعه دادههای آموزشی ناقص و مجموعه دادههای آموزشی قطعی کامل استفاده شد. نتایج به دست آمده نشان داد که در مجموعه دادههای ناقص، مدل پیشنهادی زمان آموزش و زمان آزمون و نرخ خطای کمتری نسبت به مدل‌های بی‌احتیاط داشت. همچنین در مجموعه دادههای کامل قطعی، مدل پیشنهادی زمان آموزش و زمان آزمون کمتری نسبت به مدل‌های بی‌احتیاط داشت. نتایج به دست آمده کارایی افزودن احتیاط به طبقه‌بند مقاوم را تأیید نمود. تفاصيل المقالة -
حرية الوصول المقاله
46 - یک روش ترافیک‌آگاه برای دسته‌بندی بسته‌ها با هدف کاهش تعداد دفعات دسترسی به حافظه
سعید اسدروز محمد نصیری مهدی عباسی حاتم عبدلیدستهبندی بسته‌ها نقش بسزایی در بهبود عملکرد تجهیزات شبکه‌ای از جمله مسیریاب‌ها، دیواره‌های آتش و سیستم‌های تشخیص نفوذ ایفا می‌کند. الگوریتم‌های دسته‌بندی بسته عموماً مبتنی بر ساختار داده‌ای ایستا هستند که الگوی رفتاری ترافیک ورودی را در بهینه‌سازی ساختار جستجو در نظر ن أکثردستهبندی بسته‌ها نقش بسزایی در بهبود عملکرد تجهیزات شبکه‌ای از جمله مسیریاب‌ها، دیواره‌های آتش و سیستم‌های تشخیص نفوذ ایفا می‌کند. الگوریتم‌های دسته‌بندی بسته عموماً مبتنی بر ساختار داده‌ای ایستا هستند که الگوی رفتاری ترافیک ورودی را در بهینه‌سازی ساختار جستجو در نظر نمی‌گیرند. در این پژوهش، ویژگی‌های آماری ترافیک ورودی در نظر گرفته شده و از ساختمان دادههای کمکی ترافیک‌آگاه در کنار ساختارهای اصلی استفاده شده است. از آنجا که حجم غالب ترافیک اینترنت، مربوط به جریان‌های بلندمدت است، برای مدت‌زمانی نه چندان کوتاه، اکثر مطابقت‌های قوانین در زیردرخت‌های مشخصی از درخت جستجو قرار دارند. برای بهره‌گیری از این ویژگی، در این پژوهش از ساختار داده درخت AVL برای نگهداری قوانین دسته‌بند و از حدهای بالا و پایین مجموعه قوانین به عنوان گره‌های درخت جستجو استفاده شده است. ارزیابی‌ها نشان می‌دهد که با افزایش چولگی بسته‌های آزمون، تعداد دفعات دسترسی به حافظه الگوریتم دسته‌بندی ترافیک‌آگاه نسبت به الگوریتم دسته‌بندی پایه کاهش قابل توجهی دارد. بر اساس ارزیابی‌ها، دسته‌بندی بسته ترافیک‌آگاه با استفاده از قوانین پرتکرار میتواند میانگین کل تعداد دفعات دسترسی به حافظه و در نتیجه زمان جستجو را بیش از 40 درصد کاهش دهد. تفاصيل المقالة -
حرية الوصول المقاله
47 - اصلاح معماری شبکه عصبی کانولوشنال جهت طبقهبندی تصاویر آغشته به نویز ضربه
محمد مومنی مهدی آقاصرام علی محمد لطیف راضیه شیخ پورنویز ضربه موجب اختلال در فرایند طبقهبندی تصاویر توسط شبکه عصبی کانولوشنال می‌گردد. پیش‌پردازش جهت حذف نویز ضربه هزینه‌بر است و تصاویر تخریب‌شده به دلیل عدم بهبود کافی، اثر مخرب در مراحل آموزش و اعتبارسنجی این شبکه دارند. در این مقاله با اصلاح معماری شبکه عصبی کانولوشنا أکثرنویز ضربه موجب اختلال در فرایند طبقهبندی تصاویر توسط شبکه عصبی کانولوشنال می‌گردد. پیش‌پردازش جهت حذف نویز ضربه هزینه‌بر است و تصاویر تخریب‌شده به دلیل عدم بهبود کافی، اثر مخرب در مراحل آموزش و اعتبارسنجی این شبکه دارند. در این مقاله با اصلاح معماری شبکه عصبی کانولوشنال، یک مدل مقاوم در برابر نویز ضربه معرفی می‌شود. روش پیشنهادی، طبقهبندی تصاویر نویزی را بدون نیاز به هیچ گونه پیش‌پردازش انجام می‌دهد. لایه تشخیص نویز ضربه در بدنه شبکه عصبی کانولوشنال تعبیه می‌شود و از پردازش مقادیر نویزی جلوگیری می‌کند. برای آموزش مدل پیشنهادی از پایگاه داده 2012- ILSVRC استفاده شده است. نتایج شبیه‌سازی نشان می‌دهد که جلوگیری از تأثیرگذاری نویز ضربه در فرایند آموزش و طبقهبندی شبکه عصبی کانولوشنال، دقت و سرعت آموزش شبکه را افزایش می‌دهد. روش پیشنهادی با خطای 24/0 در طبقهبندی تصاویر آغشته به نویز ضربه با چگالی 10% بهتر از سایر روشهای مورد مقایسه می‌باشد. مرتبه زمانی (1)O در اصلاح CNN جهت مقاومت در برابر نویز نشان‌دهنده برتری روش پیشنهادی است. تفاصيل المقالة -
حرية الوصول المقاله
48 - ارائه یک الگوریتم مناسب برای یادگیری جریانی بر اساس الگوریتم ماشین‌های بردار پشتیبان دوقلوی مربعات حداقلی فازی
جواد سلیمی سرتختی سلمان گلیالگوریتم ماشین بردار پشتیبان یکی از الگوریتم‌های مشهور و با کارایی بالا در یادگیری ماشین و کاربردهای مختلف است. از این الگوریتم تا کنون نسخه‌های متعددی ارائه شده که آخرین نسخه آن ماشین‌های بردار پشتیبان دوقلوی مربعات حداقلی فازی می‌باشد. اغلب کاربردها در دنیای امروز دار أکثرالگوریتم ماشین بردار پشتیبان یکی از الگوریتم‌های مشهور و با کارایی بالا در یادگیری ماشین و کاربردهای مختلف است. از این الگوریتم تا کنون نسخه‌های متعددی ارائه شده که آخرین نسخه آن ماشین‌های بردار پشتیبان دوقلوی مربعات حداقلی فازی می‌باشد. اغلب کاربردها در دنیای امروز دارای حجم انبوهی از اطلاعات هستند. از سویی دیگر یکی از جنبه‌های مهم دادههای حجیم، جریانی‌بودن آنها می‌باشد که باعث شده است بسیاری از الگوریتم‌های سنتی، کارایی لازم را در مواجهه با آن نداشته باشند. در این مقاله برای نخستین بار نسخه افزایشی الگوریتم ماشین‌های بردار پشتیبان دوقلوی مربعات حداقلی فازی، در دو حالت برخط و شبه برخط ارائه شده است. برای بررسی صحت و دقت الگوریتم ارائه‌شده دو کاربرد آن مورد ارزیابی قرار گرفته است. در یک کاربرد، این الگوریتم بر روی 6 دیتاست مخزن UCI اجرا شده که در مقایسه با سایر الگوریتم‌ها از کارایی بالاتری برخوردار است. حتی این کارایی در مقایسه با نسخه‌های غیر افزایشی نیز کاملاً قابل تشخیص است که در آزمایش‌ها به آن پرداخته شده است. در کاربرد دوم، این الگوریتم در مبحث اینترنت اشیا و به طور خاص در دادههای مربوط به فعالیت روزانه به کار گرفته شده است. طبق نتایج آزمایشگاهی، الگوریتم ارائه‌شده بهترین کارایی را در مقایسه با سایر الگوریتم‌های افزایشی دارد. تفاصيل المقالة -
حرية الوصول المقاله
49 - راهکاری مبتنی بر ساخت درخت دودویی تقریبی برای سرعت‌بخشیدن به جستجوی نزدیک‌ترین همسایگی در دادههای حجیم
حسین کلاته نگین دانشپوربا توجه به سرعت روزافزون تولید اطلاعات و نیاز تبدیل اطلاعات به دانش، روشهای یادگیری ماشین قدیمی دیگر پاسخگو نیستند. هنگام استفاده از طبقه‌بندی‌ها با روشهای یادگیری ماشین قدیمی، به ویژه استفاده از طبقه‌بندی‌های ذاتاً تنبل مانند روش k- نزدیک‌ترین همسایگی (KNN)، عملیات ط أکثربا توجه به سرعت روزافزون تولید اطلاعات و نیاز تبدیل اطلاعات به دانش، روشهای یادگیری ماشین قدیمی دیگر پاسخگو نیستند. هنگام استفاده از طبقه‌بندی‌ها با روشهای یادگیری ماشین قدیمی، به ویژه استفاده از طبقه‌بندی‌های ذاتاً تنبل مانند روش k- نزدیک‌ترین همسایگی (KNN)، عملیات طبقهبندی دادههای حجیم بسیار کند است. نزدیک‌ترین همسایگی به دلیل سادگی و دقت عملی که ارائه می‌دهد یک روش محبوب در زمینه طبقهبندی داده‌ها می‌باشد. روش پیشنهادی مبتنی بر مرتب‌سازی بردارهای ویژگی دادههای آموزشی در یک درخت جستجوی دودویی است تا طبقهبندی دادههای بزرگ را با استفاده از روش نزدیک‌ترین همسایگی تسریع بخشد. این کار با استفاده از یافتن تقریبی دو دورترین داده محلی در هر گره درخت انجام می‌شود. این دو داده به عنوان معیار برای تقسیم دادههای موجود در گره فعلی بین دو گروه، مورد استفاده قرار می‌گیرند. مجموعه دادههای موجود در هر گره بر اساس شباهت آنها به این دو داده، به فرزند چپ یا راست گره فعلی تخصیص داده می‌شوند. نتایج آزمایش‌های متعدد انجام‌شده بر روی مجموعه دادههای مختلف از مخزن UCI، میزان دقت خوب با توجه به زمان اجرای کم روش پیشنهادی را نشان می‌دهد. تفاصيل المقالة -
حرية الوصول المقاله
50 - تشخیص دستگاه قطعه های موسیقی سنتی ایرانی بر مبنای استخراج توالی نت‌ها و استفاده از شبکه‌های LSTM
سینا غضنفری پور مرتضی خادمی عباس ابراهیمی مقدمدستهبندی دستگاه قطعات موسیقی سنتی ایرانی توسط کامپیوتر برای علاقه‌مندان موسیقی دستگاهی ایرانی، موضوعی بسیار جالب ولی پیچیده و چالش‌برانگیز است. این مسئله اولاً به دلیل کاربردهای فراوان آن در زمینه‌هایی مانند آهنگ‌سازی و آموزش موسیقی و ثانیاً به خاطر نیاز افراد عادی به أکثردستهبندی دستگاه قطعات موسیقی سنتی ایرانی توسط کامپیوتر برای علاقه‌مندان موسیقی دستگاهی ایرانی، موضوعی بسیار جالب ولی پیچیده و چالش‌برانگیز است. این مسئله اولاً به دلیل کاربردهای فراوان آن در زمینه‌هایی مانند آهنگ‌سازی و آموزش موسیقی و ثانیاً به خاطر نیاز افراد عادی به کامپیوتر برای تشخیص دستگاه از اهمیت بالایی برخوردار است. در این مقاله روشی برای تشخیص دستگاه و زیردستگاه یک قطعه موسیقی ایرانی بر پایه استخراج نت‌های متوالی، دسته‌بندی سلسله‌مراتبی و استفاده از شبکه‌های LSTM ارائه شده است. در این روش، قطعه موسیقی در مرحله اول به یکی از سه دسته کلی، دسته‌بندی می‌شود. دسته اول صرفاً شامل دستگاه ماهور، دسته دوم شامل دستگاه‌های شور و نوا و دسته سوم شامل دستگاه‌های همایون، سه‌گاه و چهارگاه است. سپس برای هر دسته بسته به نوع آن، تعداد متفاوت دسته‌بندهای دیگر اعمال می‌شود تا این که یکی از 6 دستگاه و یکی از 11 زیردستگاه موسیقی سنتی ایرانی مشخص گردد. این تحقیق به هیچ سبک نوازندگی و ساز خاصی محدود نشده و تحت تأثیر سرعت و تکنیک‌های نوازندگی قرار نمی‌گیرد. قطعات برچسب‌گذاری شده در پایگاه داده "اَرگ" که برای این تحقیق به وجود آمده است، به صورت تکنوازی هستند؛ اگرچه تعداد اندکی از آنها از هم‌نوایی سازهای کوبه‌ای (مانند تنبک) نیز در کنار سازهای ملودی بهره‌مند می‌باشند. نتایج نشان می‌دهند که تشخیص 6 دستگاه اصلی و 11 زیردستگاه به ترتیب با دقت میانگین 5/74% و 35/66% انجام گرفته که نسبت به تحقیقات کم‌شمار مشابه، نتایج بهتری دارد. تفاصيل المقالة -
حرية الوصول المقاله
51 - طبقهبندی خودآموز نیمه‌نظارتی مبتنی بر ساخت همسایگی
منا عمادی جعفر تنها محمد ابراهیم شیری مهدی حسین زاده اقدمبهکارگیری دادههای بدون برچسب در خودآموزی نیمه‌نظارتی میتواند به طور قابل توجهی دقت طبقه‌بند نظارت‌شده را بهبود بخشد، اما در برخی موارد ممکن است دقت طبقهبندی را به مقدار چشمگیری کاهش دهد. یکی از دلایل چنین تنزلی، برچسب‌گذاری اشتباه به دادههای بدون برچسب می‌باشد. در أکثربهکارگیری دادههای بدون برچسب در خودآموزی نیمه‌نظارتی میتواند به طور قابل توجهی دقت طبقه‌بند نظارت‌شده را بهبود بخشد، اما در برخی موارد ممکن است دقت طبقهبندی را به مقدار چشمگیری کاهش دهد. یکی از دلایل چنین تنزلی، برچسب‌گذاری اشتباه به دادههای بدون برچسب می‌باشد. در این مقاله، روشی را برای برچسب‌گذاری با قابلیت اطمینان بالا به دادههای بدون برچسب پیشنهاد می‌کنیم. طبقه‌بند پایه در الگوریتم پیشنهادی، ماشین بردار پشتیبان است. در این روش، برچسب‌گذاری فقط به مجموعه‌ای از دادههای بدون برچسب که از مقدار مشخصی به مرز تصمیم نزدیک‌تر هستند انجام می‌شود. به این داده‌ها، دادههای دارای اطلاعات می‌گویند. اضافه‌شدن دادههای دارای اطلاعات به مجموعه آموزشی در صورتی که برچسب آنها به درستی پیش‌بینی شود در دستیابی به مرز تصمیم بهینه تأثیر به‌سزایی دارد. برای کشف ساختار برچسب‌زنی در فضای داده از الگوریتم اپسیلون- همسایگی (DBSCAN) استفاده شده است. آزمایش‌های مقایسه‌ای روی مجموعه دادههای UCI نشان می‌دهند که روش پیشنهادی برای دستیابی به دقت بیشتر طبقه‌بند نیمه‌نظارتی خودآموز به نسبت برخی از کارهای قبلی عملکرد بهتری دارد. تفاصيل المقالة -
حرية الوصول المقاله
52 - انتخاب ویژگی چندبرچسبه با استفاده از راهکار ترکیبی مبتنی بر الگوریتم بهینه‌سازی ازدحام ذرات
آذر رفیعی پرهام مرادی عبدالباقی قادرزادهطبقهبندی چندبرچسبی یکی از مسائل مهم در یادگیری ماشین است که کارایی الگوریتم‌های این طبقهبندی با افزایش ابعاد مسأله به شدت کاهش می‌یابد. انتخاب ویژگی، یکی از راهکارهای اصلی برای کاهش ابعاد در مسائل چندبرچسبی است. انتخاب ویژگی چندبرچسبی یک راهکار NP Hard است و تا کنون أکثرطبقهبندی چندبرچسبی یکی از مسائل مهم در یادگیری ماشین است که کارایی الگوریتم‌های این طبقهبندی با افزایش ابعاد مسأله به شدت کاهش می‌یابد. انتخاب ویژگی، یکی از راهکارهای اصلی برای کاهش ابعاد در مسائل چندبرچسبی است. انتخاب ویژگی چندبرچسبی یک راهکار NP Hard است و تا کنون تعدادی راهکار مبتنی بر هوش جمعی و الگوریتم‌های تکاملی برای آن ارائه شده است. افزایش ابعاد مسأله منجر به افزایش فضای جستجو و به تبع، کاهش کارایی و همچنین کاهش سرعت همگرایی این الگوریتم‌ها می‌شود. در این مقاله یک راهکار هوش جمعی ترکیبی مبتنی الگوریتم دودویی بهینه‌سازی ازدحام ذرات و استراتژی جستجوی محلی برای انتخاب ویژگی چندبرچسبی ارائه شده است. برای افزایش سرعت همگرایی، در استراتژی جستجوی محلی، ویژگی‌ها بر اساس میزان افزونه‌بودن و میزان ارتباط با خروجی مسأله به دو دسته تقسیم‌بندی می‌شوند. دسته اول را ویژگی‌هایی تشکیل می‌دهند که شباهت زیادی به کلاس مسأله و شباهت کمتری به سایر ویژگی‌ها دارند و دسته دوم هم ویژگی‌های افزونه و کمتر مرتبط است. بر این اساس، یک اپراتور محلی به الگوریتم بهینه‌سازی ازدحام ذرات اضافه شده که منجر به کاهش ویژگی‌های غیر مرتبط و افزونه هر جواب می‌شود. اعمال این اپراتور منجر به افزایش سرعت همگرایی الگوریتم پیشنهادی در مقایسه با سایر الگوریتم‌های ارائه‌شده در این زمینه می‌شود. عملکرد روش پیشنهادی با شناخته‌شده‌ترین روشهای انتخاب ویژگی، بر روی مجموعه دادههای مختلف مقایسه گردیده است. نتایج آزمایش‌ها نشان دادند که روش پیشنهادی از نظر دقت، دارای عملکردی مناسب است. تفاصيل المقالة -
حرية الوصول المقاله
53 - طبقهبندی علوم از دیدگاه ملاصدرا و تأثیر شرایط اجتماعی بر آن
فاطمه جمشیدی نسرین سراجیپوردر دوران صفویه، معاصر با حیات صدرالمتألهین، با روی کار آمدن فقهای درباری و تصوف بازاری، علوم حقیقی همچون فقه و فلسفه و عرفان به انزوا رفت. ملاصدرا، که با اندیشه‌های فلسفی و عرفانی پیش از خود آشنایی داشت و در مقام یک عالم دینی، در پی زدودن تشویش فکری از جامعة علمی و مقاب أکثردر دوران صفویه، معاصر با حیات صدرالمتألهین، با روی کار آمدن فقهای درباری و تصوف بازاری، علوم حقیقی همچون فقه و فلسفه و عرفان به انزوا رفت. ملاصدرا، که با اندیشه‌های فلسفی و عرفانی پیش از خود آشنایی داشت و در مقام یک عالم دینی، در پی زدودن تشویش فکری از جامعة علمی و مقابله با این رویکرد گمراه‌کننده، به تأسیس نظام فلسفی جدیدی پرداخت تا بتواند تمام تفکرات پیشین را به‌نحوی سازگار و در خود جمع نماید. در واقع او در تلاش بود با تأسیس مکتب فلسفی خود، جایگاه علم حقیقی و راه رسیدن به آن را برای جامعه تبیین کند. از آنجا که طبقهبندی علوم از مسائل اولیه هر نظام فلسفی بشمار میرود و هر نظام فلسفی و مجموعه مسائل آن، متأثر از شرایط اجتماعی هستند، طبقهبندی ملاصدرا از علوم متأثر از دغدغه‌های اجتماعی وی بوده و در جهت پاسخگویی به نیاز جامعه خویش و هدایت آن بسمت علوم حقیقی ترسیم شده است. او در هر یک از سه دورة حیات علمی خود، دسته‌بندی خاصی از علوم ارائه داده است؛ در دورة نخست، بر اساس رویکرد مشائی، سپس بر اساس رویکرد اشراقی، و در دورة پختگی تفکرش، با رویکرد متعالیه. این مقاله بر آنست تا طبقهبندی صدرالمتألهين از علوم را در هر یک از سه دورة حیات علمی وی بررسی نماید و نشان دهد که در هر یک از ادوار چه تأثیری از دغدغه‌های جامعه پذیرفته و چگونه پاسخگوی آنها بوده است. تفاصيل المقالة -
حرية الوصول المقاله
54 - بهبود روش LET وبه کار گیری آن در مدل سازی منحنی های تراوائی نسبی سنگ یکی از مخازن هیدرو کربوری کشور
غلامرضا بشیریدوروش برای تخمین سنگ وسیال در جریان چند فازی وجود دارد . یکی تعیین خواص سیال چند فازی توسط داده های آزمایشگاهی ودیگری ارائه توابع تحلیلی براب تعیین فشار موئینگی وتراوایی نسبی می باشد . ضروری است که این توابع از درجه آزادی کافی برخوردار باشند تا بتوانند داده های اندازه گ أکثردوروش برای تخمین سنگ وسیال در جریان چند فازی وجود دارد . یکی تعیین خواص سیال چند فازی توسط داده های آزمایشگاهی ودیگری ارائه توابع تحلیلی براب تعیین فشار موئینگی وتراوایی نسبی می باشد . ضروری است که این توابع از درجه آزادی کافی برخوردار باشند تا بتوانند داده های اندازه گیری شده را در عین راحتی وقابل فهم بودن تععین نمایند .مدل های مختلفی از جمله مدل کوری ، بروکس –کوری،لی-پورسل،بوردین و....برای محاسبه تراوائی نسبی از روی داده های روتین مخزن موجود می باشد .برخی از این مد لها در محدوده های خاص دارای حساسیت بوده ودر برخی از نواحی دیگر جواب های پایداری ارائه نداده وقابل اطمینان نیستند .در تحقیقات اخیر یک رابطه تحلیلی 3پارامتری انعطاف پذیر برای تخمین تراوائی نسبی پیشنهاد شده است .مدل سازی نتایج آزمایشات تراوایی نسبی در حالت ناپایدار اغلب توسط روابط مورد استفاده مانند رابطه کوری را سخت می نماید .روابط جدید قسمت های مختلف منحنی های تراوائی نسبی را تحت تاثیر قرار داده ودر نتیجه رفتار مختلف در کل محدوده اشباع تعیین می گردد .روابط بهبود یافته با انجام آزمایشات حالت ناپایدار بر روی مغزه ها ی بدست آمده از یکی از میادین جنوب کشور در شرایط مخزن آزموده شده ودقت آن اثبات شده است .نتایج مطالعه نشان می دهد که رابطه منطقی بین داده های اساسی سنگ مخزن وپارامتر های تطابق وجود دارد .به منظور مدل سازی منحنی های تراوائی نسی ، منحنی تغییرات پارامتر های تطابق در مقابل داده ای اساسی سنگ مخزن از جمله تراوائی وتخلخل رسم ورابطه ای منطقی بین این مقادیر بدست می آید .سپس با دانستن رابطه ومقادیر تخلخل با تراوائی میتوان منحنی تراوائی نسبی مربوط به آن را تعیین نمود . تفاصيل المقالة -
حرية الوصول المقاله
55 - مطالعه اثرات تغييرات فشار متوالي بر خواص پتروفيزيکي سنگ مخازن کربناته
علی مرادزاده یاسر سلیمی دلشاد عزت اله کاظم زاده عباس مجدیامروزه صنعت نفت بسيار متكي به تعيين دقيق خصوصيات سنگ مخزن است كه اين مهم مي تواند سبب كاهش هزينه ها و ريسك برنامه ريزي توليد شود. سنگ مخزن همواره با افت فشار منفذي ناشي از توليد متراكم ميشود که اين امر سبب افزايش تنش مؤثر، فشردگي مخزن و تغييرات در خواص مخزني ميگردد. أکثرامروزه صنعت نفت بسيار متكي به تعيين دقيق خصوصيات سنگ مخزن است كه اين مهم مي تواند سبب كاهش هزينه ها و ريسك برنامه ريزي توليد شود. سنگ مخزن همواره با افت فشار منفذي ناشي از توليد متراكم ميشود که اين امر سبب افزايش تنش مؤثر، فشردگي مخزن و تغييرات در خواص مخزني ميگردد. از آنجاييکه اين تغييرات فشار مي تواند بر خواص پتروفيزيکي اثرگذار باشد، در اين مطالعه، چندين نمونه سنگ مخزن کربناته با بافت و نوع تخلخل متفاوت براساس تصاوير سي‌تي اسکن و طبقه بندي آرچي تحت بارهاي متوالي و کوتاه مدت، از 600 تا 6000 پوند بر اينچ مربع قرارگرفته اند و خصوصيات پتروفيزيکي و تراکمي آنها شامل حجم فضاي منفذي، نفوذپذيري و تراکم‌پذيري توسط دستگاه CMS-300 مورد مطالعه قرار گرفته است. همچنين بررسي ساختاري و ناهمگني نمونه مغزه ها توسط تصاوير سي‌تي اسکن مورد آناليز قرار گرفته اند. در واقع به کمک اين پژوهش شناسايي اندازه اثر پسماند بر روي نمونه سنگ مخزن در اثر افزايش و کاهش فشار، طي اعمال بار سيکليک مقدور خواهد بود. نتايج حاصل نشان دادند که در اثر بارگذاري تغييرات حجم فضاي منفذي و نفوذپذيري روند کاهشي از خود نشان مي دهند، بطوريکه کاهش نفوذپذيري چندين برابر کاهش حجم منفذي است. همچنين اين کاهش حجم فضاي منفذي در نمونه هاي داراي تخلخل حفره اي با شدت کمتري است که اثر همگني و نوع تخلخل بر ميزان پديده پسماند را نشان مي دهد. همچنين نتايج به‌دست آمده از چگونگي رفتار سنگ مخزن تحت تنش-هاي مختلف در اين مطالعه، مي تواند الگوي مناسب براي مطالعات مربوط به تزريق گاز به منظور ازدياد برداشت و همچنين متناسب با اهداف مرتبط ديگر نظير ذخيره‌سازي گاز طبيعي را فراهم آورد. تفاصيل المقالة -
حرية الوصول المقاله
56 - A Comparison Analysis of Conventional Classifiers and Deep Learning Model for Activity Recognition in Smart Homes based on Multi-label Classification
John Kasubi Manjaiah D. Huchaiah Ibrahim Gad Mohammad Kazim HooshmandActivity Recognition is essential for exploring the various activities that humans engage in within Smart Homes in the presence of multiple sensors as residents interact with household appliances. Smart homes use intelligent IoT devices linked to residents' homes to tra أکثرActivity Recognition is essential for exploring the various activities that humans engage in within Smart Homes in the presence of multiple sensors as residents interact with household appliances. Smart homes use intelligent IoT devices linked to residents' homes to track changes in human behavior as the humans interact with the home's equipment, which may improve healthcare and security issues for the residents. This study presents a research work that compares conventional classifiers such as DT, LDA, Adaboost, GB, XGBoost, MPL, KNN, and DL, focusing on recognizing human activities in Smart Homes using Activity Recognizing Ambient Sensing (ARAS). The experimental results demonstrated that DL Model outperformed with excellent accuracy compared to conventional classifiers in recognizing human activities in Smart Homes. This work proves that DL Models perform best in analyzing ARAS datasets compared to traditional machine learning algorithms. تفاصيل المقالة -
حرية الوصول المقاله
57 - تأثیر آمادگی فناوری و سرمایه خارجی بر پیچیدگی اقتصادی در کشورهای منتخب نفتی
ابوالفضل شاه آبادی زهرا صادقی معتمد ساناز گهرازهدر اقتصاد مبتنی بر دانش، محصولات با فناوری بالا و پیچیده نقش کلیدی دارند چرا که ابزاری برای برتری فناورانه، ایجادهای مزیت های رقابتی و تداوم آن و افزایش بهره وری به شمار می روند. برای اندازه گیری میزان دانش به کار رفته در تولیدات یک کشور شاخص های مختلفی وجود دارد. یکی ا أکثردر اقتصاد مبتنی بر دانش، محصولات با فناوری بالا و پیچیده نقش کلیدی دارند چرا که ابزاری برای برتری فناورانه، ایجادهای مزیت های رقابتی و تداوم آن و افزایش بهره وری به شمار می روند. برای اندازه گیری میزان دانش به کار رفته در تولیدات یک کشور شاخص های مختلفی وجود دارد. یکی از این شاخص ها، شاخص پیچیدگی اقتصادی است. با توجه به اثر پیچیدگی اقتصادی بر رشد، توسعه، رفاه اجتماعی و میزان رقابت پذیری و همچنین شکاف قابل توجه شاخص پیچیدگی اقتصادی بین کشورهای در حال توسعه با کشورهای توسعه یافته نیاز به بررسی علمی عوامل تعیین کننده پیچیدگی اقتصادی در راستای تغییر رویکرد از اقتصاد منابع محور به اقتصاد دانش محور در کشورهای در حال توسعه ضروری است. مطالعه حاضر با استفاده از روش گشتاورهای تعمیم یافته(GMM ) به بررسی تأثیر سرمایه خارجی و آمادگی فناورانه بر پیچیدگی اقتصادی در کشورهای منتخب نفتی طی دوره 2020-2008 پرداخته است. یافته های مطالعه حاکی از آنست که سرمایه گذاری مستقیم خارجی و آمادگی فناوری ارتباط مثبت و معنادار با پیچیدگی اقتصادی در کشورهای منتخب نفتی دارند. علاوه بر این یافته های تحقیق نشان می دهد، سرمایه طبیعی اثر منفی و معنادار بر پیچیدگی اقتصادی داشته است و کنترل ریسک مالی بر پیچیدگی اقتصادی در کشورهای منتخب تأثیر مثبت و معنادار داشته است تفاصيل المقالة -
حرية الوصول المقاله
58 - تعيين سطح زير كشت محصول سيب زميني در استان همدان با استفاده از سري زماني تصاوير ماهواره IRSP6
علی شهبازی لقمان خداکرمی دکتر کامران نصیراحمدیاین مطالعهبا هدف استفاده از تکنیک سنجش از دور و سري زماني تصاویر ماهواره ای برای شناسایی و تعیین سطح زیر کشت مزارع سيب زميني در استان همدان صورت گرفت. بدين ترتیب از سري زماني تصاوير ماهوارهIRSP6 سنجنده Awifs براي تعيين سطح زير کشت سيب زميني، استفاده شد. براي اين منظور أکثراین مطالعهبا هدف استفاده از تکنیک سنجش از دور و سري زماني تصاویر ماهواره ای برای شناسایی و تعیین سطح زیر کشت مزارع سيب زميني در استان همدان صورت گرفت. بدين ترتیب از سري زماني تصاوير ماهوارهIRSP6 سنجنده Awifs براي تعيين سطح زير کشت سيب زميني، استفاده شد. براي اين منظور در سه گذر زماني که همزمان با سبزينگي و زردشدگي گياه سيب زميني بوده تصاوير تهيه شد. پردازش هاي لازم از جمله آماد سازي تصاوير، تصحيح هندسي، شاخص گياهي، طبقه بندي نظارت نشده و طبقه بندي نظارت شده فازي بر روي تصاوير انجام شد. در نهايت با استفاده روش Overlay بر روي نقشه هاي حاصل از طبقه بندي نظارت شده فازي و شاخص هايNDVI, و SAVI سطح زيرکشت سيب زميني شناسايي شد. ضريب کاپا براي نقشه هاي سطح زير کشت سيب زميني حاصل از روش طبقه بندي فازي، شاخص-هايNDVI و SAVI به ترتيب90، 87 و 85 درصد به دست آمد. مساحت سطح زير کشت سيب زميني نيز به ترتيب حدود38740، 36728 و 36614 هکتار در سال 1387 تعيين شد. بر اساس نتایج اين مطالعه مشخص شد که مي توان از روش طبقه بندي فازي و سري زماني داده هاي سنجندهAWIFS براي تشخيص و تخمين سطح زير کشت سيب زميني با دقت تقريبا قابل قبول استفاده کرد و همچنين استفاده از شاخص هاي گياهي مذکور داراي سرعت بالا براي تفکيک سطح زيرکشت اين محصول است. تفاصيل المقالة -
حرية الوصول المقاله
59 - Ensemble learning of daboosting based on deep weighting for classification of hand-written numbers in Persian
amir asil hamed Alipour Shahram mojtahedzadeh hasan AsilToday, the hand-written data volume is huge, which prohibits these data from being manually converted into electronic files. During the past years, different types of solutions were developed to convert machine learning-based handwritten data. Each method classifies or أکثرToday, the hand-written data volume is huge, which prohibits these data from being manually converted into electronic files. During the past years, different types of solutions were developed to convert machine learning-based handwritten data. Each method classifies or clusters the data according to the data type and application. In the present paper, a new approach is presented based on compound methods and deep learning for the classification of Persian handwritten data, where a deeper investigation is made of the data in basic learning by combining the Ada boosting and convolution. The present study aims at providing a new technique for classification of the images of handwritten Persian numbers. The structure of this technique is founded on Ada Boosting, which in turn, is based on weak learning. This technique improves learning by iteration of the weak learning processes and updating weights. In the meantime, the proposed method tried to employ stronger learners and present a stronger algorithm by combining these strong learners. The method was assessed on the standard Hoda dataset containing 60000 training data. The results show that the proposed method has a lower error rate than the previous methods by more than 1%. In the future, by developing basic learner, new mechanisms can be provided to improve the results by new types of learning. – Today, the hand-written data volume is huge, which prohibits these data from being manually converted into electronic files. During the past years, different types of solutions were developed to convert machine learning-based handwritten data. Each method classifies or clusters the data according to the data type and application. In the present paper, a new approach is presented based on compound methods and deep learning for the classification of Persian handwritten data, where a deeper investigation is made of the data in basic learning by combining the Ada boosting and convolution. The method was assessed on the standard Hoda dataset containing 60000 training data. The results showed that the error rate of the method has decreased by more than 1% compared to the previous methods. تفاصيل المقالة -
حرية الوصول المقاله
60 - ترکیب تکنیک‌های انتخاب نمونه و داده‌افزایي برای حل مسئله طبقهبندی مجموعه دادههای نامتوازن
پرستو محقق سميرا نوفرستی مهری رجائیدر عصر کلان‌داده‌ها، تکنیک‌های تجزیه و تحلیل خودکار مانند داده‌کاوی به‌طور گسترده‌ای برای تصمیم‌گیری به‌کار گرفته شده و بسیار مؤثر واقع شده‌اند. از جمله تکنیک‌های داده‌کاوی میتوان به طبقهبندی اشاره کرد که یک روش رایج برای تصمیم‌گیری و پیش‌بینی است. الگوریتم‌های طبقه‌ب أکثردر عصر کلان‌داده‌ها، تکنیک‌های تجزیه و تحلیل خودکار مانند داده‌کاوی به‌طور گسترده‌ای برای تصمیم‌گیری به‌کار گرفته شده و بسیار مؤثر واقع شده‌اند. از جمله تکنیک‌های داده‌کاوی میتوان به طبقهبندی اشاره کرد که یک روش رایج برای تصمیم‌گیری و پیش‌بینی است. الگوریتم‌های طبقهبندی به‌طور معمول بر روی مجموعه دادههای متوازن به‌خوبی عمل می‌کنند. با وجود این، یکی از مشکلاتی که الگوریتم‌های طبقهبندی با آن مواجه هستند، پیش‌بینی صحیح برچسب نمونه‌های جدید بر اساس یادگیری بر روی مجموعه دادههای نامتوازن است. در این نوع از مجموعه داده‌ها، توزیع ناهمگونی که داده‌ها در کلاس‌های مختلف دارند باعث نادیده گرفته‌شدن نمونه‌های کلاس با تعداد نمونه کمتر در یادگیری طبقه‌بند می‌شوند؛ در حالی که این کلاس در برخی مسائل پیش‌بینی دارای اهمیت بیشتری است. به‌منظور مقابله با مشکل مذکور در این مقاله، روشی کارا برای متعادل‌سازی مجموعه دادههای نامتوازن ارائه می‌شود که با متعادل‌نمودن تعداد نمونه‌های کلاس‌های مختلف در مجموعه داده‌ای نامتوازن، پیش‌بینی صحیح برچسب کلاس نمونه‌های جدید توسط الگوریتم یادگیری ماشین را بهبود می‌بخشد. بر اساس ارزیابی‌های صورت‌گرفته، روش پیشنهادی بر اساس دو معیار رایج در ارزیابی طبقهبندی مجموعه دادههای نامتوازن به نام‌های «صحت متعادل» و «ویژگی»، عملکرد بهتری در مقایسه با روشهای دیگر دارد. تفاصيل المقالة -
حرية الوصول المقاله
61 - شناسایی برنامه از طریق طبقه بندی هوشمند ترافیک شبکه
شقایق نادریطبقه بندی و تحلیل ترافیک، یکی از چالش های بزرگ در حوزه داده کاوی و یادگیری ماشین است که نقش مهمی در تأمین امنیت، تضمین کیفیت و مدیریت شبکه دارد. امروزه حجم زیادی از ترافیک انتقالی در بستر شبكه توسط پروتكلهای ارتباطي امن مانند HTTPS رمز می‌شوند. ترافیک رمز، امکان نظارت أکثرطبقه بندی و تحلیل ترافیک، یکی از چالش های بزرگ در حوزه داده کاوی و یادگیری ماشین است که نقش مهمی در تأمین امنیت، تضمین کیفیت و مدیریت شبکه دارد. امروزه حجم زیادی از ترافیک انتقالی در بستر شبكه توسط پروتكلهای ارتباطي امن مانند HTTPS رمز می‌شوند. ترافیک رمز، امکان نظارت و تشخیص ترافيک مشکوک و مخرب در زيرساختهاي ارتباطي را (در قبال افزایش امنيت و حريم خصوصي کاربر) کاهش مي‌دهد و طبقهبندی آن بدون رمزگشايي ارتباطات شبكهاي كار دشواري است، چرا که اطلاعات payload از دست ميرود و تنها اطلاعات سرآيند كه بخشي از آن هم در نسخه‌هاي جدید پروتكلهاي ارتباطي شبكه (نظيرTLS1.03) رمز ميشود، قابل دسترس است. از اينرو رويكردهاي قدیمی تحلیل ترافیک مانند روشهاي مختلف مبتني بر پورت و Payload کارآمدی خود را از دست داده، و رویکردهای جدید مبتنی بر هوش مصنوعی و یادگیری ماشین در تحلیل ترافیک رمز مورد استفاده قرار می‌گیرند. در این مقاله پس از بررسی روشهای تحلیل ترافیک، چارچوب معماري عملیاتی برای تحلیل و طبقهبندی هوشمند ترافیک طراحی شده است. سپس یک مدل هوشمند با رویکرد شناسایی ترافیک برنامه‌‌ها مبتنی بر معماری پیشنهادی ارائه گردیده و با استفاده از روشهای یادگیری ماشین روی پایگاه داده ترافیکی Kaggle141 مورد ارزیابی قرار گرفته است. نتایج بدست آمده نشان می‌دهد که مدل مبتنی بر جنگل تصادفی، علاوه بر قابلیت تفسیرپذیری بالا در مقایسه با روشهای یادگیری عمیق، توانسته است دقت بالایی در طبقهبندی هوشمند ترافیک (95 درصد) در مقایسه با سایر روشهای یادگیری ماشین ارائه دهد. تفاصيل المقالة -
حرية الوصول المقاله
62 - بررسی تغییرات زمانی و مکانی کاربری اراضی با استفاده از سنجش از دور، مطالعه موردی: مراتع جیرانسو، خراسان شمالی
محبت نداف رضا امیدی پور حسین سبحانی<p>اطلاع از روند تغییرات و همچنین مدیریت صحیح کاربری¬های اراضی در اکوسیستم های طبیعی اهمیت بالایی در حفاظت از منابع طبیعی دارد. در این راستا، استفاده از سنجش از دور به دلیل فراهم کردن اطلاعات مکانی و زمانی گسترده به یک رویه مرسوم تبدیل شده است. در تحقیق حاضر به منظو أکثر<p>اطلاع از روند تغییرات و همچنین مدیریت صحیح کاربری¬های اراضی در اکوسیستم های طبیعی اهمیت بالایی در حفاظت از منابع طبیعی دارد. در این راستا، استفاده از سنجش از دور به دلیل فراهم کردن اطلاعات مکانی و زمانی گسترده به یک رویه مرسوم تبدیل شده است. در تحقیق حاضر به منظور تهیه نقشه کاربری اراضی، ابتدا دقت سه روش مرسوم پیکسل پایه (حداکثر احتمال)، یادگیری ماشینی (ماشین بردار پشتیبان) و شیءگرا با یکدیگر مقایسه شدند. سپس روند تغییرات زمانی و مکانی کاربری های اراضی در یک دوره 26 ساله (1997-2023) با استفاده از شش تصویر ماهواره های لندست انجام شد. ارزیابی دقت طبقه بندی با استفاده از شاخص های ضریب کاپا و صحت کلی و ارزیابی روند تغییرات با استفاده از روش ارزیابی متقاطع و ارزیابی مکانی صورت گرفت. بر اساس نتایج، روش ماشین بردار پشتیبان دارای بالاترین ضریب کاپا (71/0 تا 98/0) و صحت کلی (86 تا 99 درصد) برای دوره¬های مورد مطالعه بود. بر اساس نتایج، مراتع با وضعیت فقیر دارای روند کلی کاهشی و کاربری¬های مراتع خیلی فقیر، اراضی بدون پوشش و زراعت دیم دارای روندهای افزایشی بودند. مساحت اراضی مرتعی فقیر از 962 هکتار (36/44 درصد) در سال 1997 به 489 هکتار (57/22 درصد) در سال 2023 کاهش یافتند، در حالی که مراتع خیلی فقیر در مدت مشابه از 1138 هکتار (48/52 درصد) به 1606 هکتار (05/74 درصد) افزایش داشته است. نتایج این تحقیق نشان داد که روند تغیرات کاربری اراضی در مرتع جیرانسو به سمت تخریب مراتع بوده و با گذشت زمان این روند در حال تشدید شدن است. همچنین، بر اساس نتایج بدست آمده از این تحقیق پیشنهاد می شود در تحقیقات آتی از روش های طبقه بندی مبتنی بر یادگیری ماشینی برای تهیه نقشه کاربری اراضی استفاده شود.</p> تفاصيل المقالة -
حرية الوصول المقاله
63 - نقش نوآوري مالي بر رشد اقتصادي کشورهای توسعه‌یافته و درحال‌توسعه بر اساس مدل رشد شومپیتر
ارشام هدائی محمدرضا فرزین کریم امامی جزه فرهاد غفاریچكيده در جهان، اکثر اقتصادهای ملی پس از بحران مالی دچار رکود اقتصادی شده‌اند. این نیاز به بررسی تأثیر نوآوری مالی و رشد اقتصادی برای محافظت از کشورها در برابر مشکلاتی که ممکن است با کمبودهای بازار بخش مالی مواجه شود، مطرح کرده است. با رشد در اقتصاد جهانی، یکی از عوامل أکثرچكيده در جهان، اکثر اقتصادهای ملی پس از بحران مالی دچار رکود اقتصادی شده‌اند. این نیاز به بررسی تأثیر نوآوری مالی و رشد اقتصادی برای محافظت از کشورها در برابر مشکلاتی که ممکن است با کمبودهای بازار بخش مالی مواجه شود، مطرح کرده است. با رشد در اقتصاد جهانی، یکی از عوامل اساسی نوآوری مالی است که در کشورهای توسعه‌یافته و درحال‌توسعه مشاهده می‌شود و نتایج ثمربخشی برای اقتصاد ایجاد می‌نماید. رابطه بین نوآوری مالی با رشد اقتصادي طی چند دهه اخیر بهعنوان یکی از موضوعات موردتوجه اقتصاددانان است. در این مطالعه، با استفاده از آزمون PMG تأثیر شاخص‌های نوآوری مالی بر رشد اقتصادی در کشورهای توسعه‌یافته و درحال‌توسعه را برای دوره زمانی 2000 تا 2022 آزمون می‌کنیم. از سه متغیر پروکسی برای محاسبه نوآوری مالی استفاده شده است،: نقدینگی به حجم پول در گردش (M2/M1)، اعتبار بانکی به بخش خصوصی، پروکسی با ضریب نفوذ تلفن همراه برای محاسبه تعداد مشترك فعال اینترنت به جمعیت استفاده می‌شود. در کشورهای توسعه‌یافته در بلندمدت همه ضرایب به‌جز نرخ تورم در سطح 5% معنادار می‌باشند. تأثیر هزینه‌های دولت، تشکیل سرمایه ناخالص و آزادسازی تجاری بر رشد اقتصادی مثبت بوده است. ضرایب M2/M1 و نفوذ تلفن همراه منفی و ضریب اعتبارت مثبت می‌باشند. در کشورهای درحال‌توسعه ضرایب M2/M1 و نفوذ تلفن همراه منفی و اعتبارات مثبت می‌باشند. از شاخص‌های نوآوری مالی M2/M1 و ضریب نفوذ تلفن همراه (MB) تأثیر منفی بر رشد اقتصادی دارند. رشد نوآوری نمی‌تواند زیربنای توسعه اقتصادی برای اقتصادهای درحال‌توسعه باشد؛ زیرا زیرساخت‌‌ها در این کشورها فراهم نمی‌باشند. تفاصيل المقالة -
حرية الوصول المقاله
64 - شناسایی و اولویت‌بندی چالش‌های نظام بیمه و ضمانت صادرات کشور
باقر ادبی فیروزجائیچكيده یکی از اقدامات سیاستی دولت‌ها برای توسعه صادرات، پوشش ریسک¬های سیاسی و تجاری از طریق صدور محصولات بیمه و ضمانت صادرات توسط موسسات اعتبار صادراتی (ECA) است. در ایران این موضوع توسط صندوق ضمانت صادرات ایران انجام می‌شود. شواهد حاکی از آن است که ارزش بیمه‌نامه¬ها و أکثرچكيده یکی از اقدامات سیاستی دولت‌ها برای توسعه صادرات، پوشش ریسک¬های سیاسی و تجاری از طریق صدور محصولات بیمه و ضمانت صادرات توسط موسسات اعتبار صادراتی (ECA) است. در ایران این موضوع توسط صندوق ضمانت صادرات ایران انجام می‌شود. شواهد حاکی از آن است که ارزش بیمه‌نامه¬ها و ضمانت¬نامه¬های صادراتی و نیز تعداد صادرکنندگان بهره¬مند از آن پایین است. از اینرو هدف اصلی تحقیق حاضر شناسایی و اولویت‌بندی چالش‌های محصولات بیمه و ضمانت صادرات کشور بر اساس رویکرد سه شاخکی (SBC) است. علاوه بر این، این پژوهش به روش تحلیلی-توصیفی-پیمایشی انجام شده است به طوری که پس از بررسی مطالعات نظری و تجربی و نیز اخذ نظرات خبرگان، چالش‌های اصلی صادرکنندگان در بهره‌مندی از خدمات بیمه و ضمانت صادرات در قالب پرسشنامه‌ای (مشتمل بر 34 مولفه) احصا شد و پس از تایید روایی و پایایی آن، پرسشنامه میان صادرکنندگان منتخب (مشتریان فعلی و سابق صندوق ضمانت) توزیع و به وسیله نرم¬افزار SPSS مورد بررسی و تحلیل قرار گرفت. نتایج تحلیل حاصل از پرسشنامه بیانگر آن است که چالش¬های صادرکنندگان در بهره‌مندی از خدمات صندوق مشتمل بر سه دسته عوامل محیطی (نظیر فقدان پوشش نوسانات ارز، ریسک بالای کشورهای مقصد صادراتی، اعتبارات تکلیفی دولت و کفایت سرمایه پایین صندوق)، عوامل رفتاری یا عملکردی (محدودیت در صدور ضمانت‌نامه‌های ارزی، ضعف روابط کارگزاری مالی صندوق با همتایان خارجی، عدم وضع حق بیمه ترجیحی، عدم تنوع ابزار بیمه‌ای و فقدان زیرساخت‌های الکترونیکی) و عوامل ساختاری (مشکلات وثیقه، عدم هماهنگی سیاست‌ها میان صندوق ضمانت و بانک توسعه صادرات، عدم وجود یک نقشه ریسک جامع و عدم وجود برنامه بیمه و ضمانت صادرات مخصوص صنایع کوچک و متوسط) می‌باشد. در پایان راهکارهای توسعه خدمات بیمه و ضمانت صادرات بر مبنای سه دسته عوامل مذکور ارائه شده است. تفاصيل المقالة -
حرية الوصول المقاله
65 - شناسایی برنامه با طبقهبندی هوشمند ترافیک شبکه
شقایق نادریطبقهبندی و تحلیل ترافیک، یکی از چالش‌های بزرگ در حوزه داده کاوی و یادگیری ماشین است که نقش مهمی در تأمین امنیت، تضمین کیفیت و مدیریت شبکه دارد. امروزه حجم زیادی از ترافیک انتقالی در بستر شبكه توسط پروتكلهای ارتباطي امن مانند HTTPS رمز می‌شوند. ترافیک رمز، امکان نظارت أکثرطبقهبندی و تحلیل ترافیک، یکی از چالش‌های بزرگ در حوزه داده کاوی و یادگیری ماشین است که نقش مهمی در تأمین امنیت، تضمین کیفیت و مدیریت شبکه دارد. امروزه حجم زیادی از ترافیک انتقالی در بستر شبكه توسط پروتكلهای ارتباطي امن مانند HTTPS رمز می‌شوند. ترافیک رمز، امکان نظارت و تشخیص ترافيک مشکوک و مخرب در زيرساختهاي ارتباطي را (در قبال افزایش امنيت و حريم خصوصي کاربر) کاهش مي‌دهد و طبقهبندی آن بدون رمزگشايي ارتباطات شبكهاي كار دشواري است، چرا که اطلاعات payload از دست ميرود و تنها اطلاعات سرآيند كه بخشي از آن هم در نسخه‌هاي جدید پروتكلهاي ارتباطي شبكه (نظيرTLS1.03) رمز ميشود، قابل دسترس است. از اينرو رويكردهاي قدیمی تحلیل ترافیک مانند روشهاي مختلف مبتني بر پورت و Payload کارآمدی خود را از دست داده، و رویکردهای جدید مبتنی بر هوش مصنوعی و یادگیری ماشین در تحلیل ترافیک رمز مورد استفاده قرار می‌گیرند. در این مقاله پس از بررسی روشهای تحلیل ترافیک، چارچوب معماري عملیاتی برای تحلیل و طبقهبندی هوشمند ترافیک طراحی شده است. سپس یک مدل هوشمند با رویکرد شناسایی ترافیک برنامه‌‌ها مبتنی بر معماری پیشنهادی ارائه گردیده و با استفاده از روشهای یادگیری ماشین روی مجموعه داده ترافیکی Kaggle141 و مجموعه داده محلی مورد ارزیابی قرار گرفته است. نتایج بدست آمده نشان می‌دهد که مدل مبتنی بر جنگل تصادفی، علاوه بر قابلیت تفسیرپذیری بالا در مقایسه با روشهای یادگیری عمیق، توانسته است دقت بالایی در طبقهبندی هوشمند ترافیک (به ترتیب 95% و 97%) نسبت به سایر روشهای یادگیری ماشین روی مجموعه داده Kaggle141 و ترافیک محلی ارائه دهد. تفاصيل المقالة
رایمگ
يقوم نظام رایمگ بتنفيذ جميع عمليات الاستلام والتقييم والحكم والتحرير وتخطيط الصفحة والنشر الإلكتروني للمجلات العلمية.
الروابط
المراكز ذات الصلة
دعامة
الصفحات الرسمية
حقوق هذا الموقع الإلكتروني مملوكة لنظام Rimag Press Management. © 1438-1446