فهرس المقالات cuckoo optimization algorithm

• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  1 - Data Aggregation Tree Structure in Wireless Sensor Networks Using Cuckoo Optimization Algorithm
  Elham mohsenifard Behnam Talebi
  10.7508/jist.2016.03.006
  Wireless sensor networks (WSNs) consist of numerous tiny sensors which can be regarded as a robust tool for collecting and aggregating data in different data environments. The energy of these small sensors is supplied by a battery with limited power which cannot be rech أکثر

  Wireless sensor networks (WSNs) consist of numerous tiny sensors which can be regarded as a robust tool for collecting and aggregating data in different data environments. The energy of these small sensors is supplied by a battery with limited power which cannot be recharged. Certain approaches are needed so that the power of the sensors can be efficiently and optimally utilized. One of the notable approaches for reducing energy consumption in WSNs is to decrease the number of packets to be transmitted in the network. Using data aggregation method, the mass of data which should be transmitted can be remarkably reduced. One of the related methods in this approach is the data aggregation tree. However, it should be noted that finding the optimization tree for data aggregation in networks with one working-station is an NP-Hard problem. In this paper, using cuckoo optimization algorithm (COA), a data aggregation tree was proposed which can optimize energy consumption in the network. The proposed method in this study was compared with genetic algorithm (GA), Power Efficient Data gathering and Aggregation Protocol- Power Aware (PEDAPPA) and energy efficient spanning tree (EESR). The results of simulations which were conducted in matlab indicated that the proposed method had better performance than GA, PEDAPPA and EESR algorithm in terms of energy consumption. Consequently, the proposed method was able to enhance network lifetime. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  2 - ارائه یک سیستم تشخیص چهره با انتخاب بهینه‌ی ویژگی‌ها مبتنی بر الگوریتم بهینه‌سازی فاخته
  فرناز حسینی حامد سپهرزاده
  تشخیص چهره، یک عمل تشخیص الگوست که به‌طور خاص بر روی چهره‌ها انجام می‌شود و کاربردهای فراوانی در شناسایی کارت‌های اعتباری، سیستم‌های امنیتی و موارد دیگر دارد. ایجاد یک سیستم تشخیص چهره با دقت بالا، یک چالش بزرگ می‌باشد که در سال‌های اخیر مورد توجه محققان مختلفی قرار گرف أکثر

  تشخیص چهره، یک عمل تشخیص الگوست که به‌طور خاص بر روی چهره‌ها انجام می‌شود و کاربردهای فراوانی در شناسایی کارت‌های اعتباری، سیستم‌های امنیتی و موارد دیگر دارد. ایجاد یک سیستم تشخیص چهره با دقت بالا، یک چالش بزرگ می‌باشد که در سال‌های اخیر مورد توجه محققان مختلفی قرار گرفته است. فرایند استخراج ویژگی و طبقه‌بندی، دو مسئله مهم در سیستم‌های تشخیص هستند که می‌توانند در افزایش دقت تشخیص نقش بسزایی را ایفا کنند. با توجه به این موضوع در این مطالعه با درنظرگرفتن ویژگی‌های ترکیبی و بهینه‌سازی الگوریتم فاخته، روشی برای بهبود میزان دقت در تشخیص چهره پیشنهاد شده است. در روش ارائه‌شده، هفت ویژگی از روی تصاویر موجود در پایگاه داده استخراج شده، سپس با به‌دست‌آوردن بردار ویژگیِ مطلوب، مراحل مربوط به انتخاب ویژگی با استفاده از الگوریتم فاخته انجام می‌شود. روش پیشنهادی با نرم‌افزار Matlab پیاده‌سازی گردیده و با روش‌های دیگر مورد مقایسه قرار گرفته است. نتایج مربوط به ارزیابی نشان می‌دهند که روش پیشنهادی توانسته عمل تشخیص بر روی تصاویر دو بانک داده ORL و FDBB را به‌ترتیب با دقت 00/93% و %12/95% انجام دهد. نتیجه به‌دست‌آمده برای این معیار ارزیابی نسبت به سایر روش‌های مقایسه‌شده از مقدار بالاتری برخوردار است. تفاصيل المقالة