-
دسترسی آزاد مقاله
1 - ارائه روشی برای بخش‌بندی مشتریان با استفاده از مدل RFM در شرایط عدم قطعیت
عظیمه مظفریهدف از انجام این پژوهش ارائه روشی برای بخش‌بندی مشتریان بانک بر مبنای مدل RFM در شرایط عدم قطعیت می‌باشد. در چارچوب پیشنهادی این پژوهش پس از تعیین مقادیر شاخص‌های مدل RFM شامل تازگی مبادله (R)، تعداد دفعات مبادله (F) و ارزش پولی مبادله (M) برای از بین بردن عدم قطعیت حاک چکیده کاملهدف از انجام این پژوهش ارائه روشی برای بخش‌بندی مشتریان بانک بر مبنای مدل RFM در شرایط عدم قطعیت می‌باشد. در چارچوب پیشنهادی این پژوهش پس از تعیین مقادیر شاخص‌های مدل RFM شامل تازگی مبادله (R)، تعداد دفعات مبادله (F) و ارزش پولی مبادله (M) برای از بین بردن عدم قطعیت حاکم بر آنها، از تئوری اعداد خاکستری استفاده شده و با استفاده از یک روش متفاوت به بخش‌بندی مشتریان پرداخته شده است. به این ترتیب مشتریان بانک به سه بخش یا خوشه اصلی تحت عنوان مشتریان خوب، معمولی و بد تفکیک شده اند. پس از اعتبارسنجی خوشهها با استفاده از شاخص‌های دان و دیویس بولدین، ویژگی‌های مشتریان در هر یک از بخش‌ها شناسایی شده است. در پایان نیز پیشنهادهایی جهت بهبود سیستم مدیریت ارتباط با مشتری ارائه می‌گردد. پرونده مقاله -
دسترسی آزاد مقاله
2 - تجمع داده انرژی-کارآمد و حافظ محرمانگی و پنهانی داده ها در شبکه های حسگر بی سیم
زهرا زارعمصرف انرژی یکی از مسائل عمده مورد توجه محققان در شبکه های حسگر بی سیم است. در شبکه های حسگر بی سیم دلیل اصلی شکست و خرابی گره ها خالی شدن باتری آن هاست. بنابراین مصرف انرژی نقش مهمی را در این شبکه ها ایفا می کند. تجمع داده با حذف داده های افزونه می تواند کمک بزرگی در کا چکیده کاملمصرف انرژی یکی از مسائل عمده مورد توجه محققان در شبکه های حسگر بی سیم است. در شبکه های حسگر بی سیم دلیل اصلی شکست و خرابی گره ها خالی شدن باتری آن هاست. بنابراین مصرف انرژی نقش مهمی را در این شبکه ها ایفا می کند. تجمع داده با حذف داده های افزونه می تواند کمک بزرگی در کاهش انرژی مصرفی داشته باشد و استفاده از متدهای خوشه بندی برای انجام تجمع داده به کاهش بیشتر مصرف انرژی کمک می کند. همچنین گره های حسگر مستعد حملاتی مثل حملات تسخیر گره هستند که باعث می شود دشمن نتیجه تجمع را تغییر دهد و داده ی غلط به شبکه تزریق کند، از اینرو نکات امنیتی از قبیل محرمانگی و صحت داده ها در این شبکه ها خیلی مهم است. بنابراین تجمع داده و امنیت، هر دو مسائل بحرانی برای شبکه های حسگر بی سیم هستند، و دستیابی به تجمع داده امن که صحت و درستی داده ها را حفظ کرده و انرژی-کارآمد باشد یک مسئله مهم است. در این مقاله با ارائه یک پروتکل خوشه بندی که بهبودیافته پروتکل خوشه بندی LEACH می باشد و استفاده از تکنیک رمزگذاری همومورفیک، یک پروتکل تجمع داده امن به نام تجمع داده امن حافظ پنهانی و انرژی-کارآمد ارائه می دهیم. پرونده مقاله -
دسترسی آزاد مقاله
3 - تحلیل تاریخی روند نهادسازی در حوزه سیاست¬گذاری علم و فناوری ایران
سید کمال واعظی مهرشاد جواهردشتیاین پژوهش به تحلیل نهادسازی هایی که برای سیاست گذاری علم و فناوری در جمهوری اسلامی ایران از دوران پهلوی(پهلوی اول و دوم) تا کنون انجام شده است پرداخته است. نهاد هایی که در طول این دوره ایجاد شده اند و وظایف و اختیارات آنها به طور خلاصه ذکر شده اند و رویکرد ها یی از جم چکیده کاملاین پژوهش به تحلیل نهادسازی هایی که برای سیاست گذاری علم و فناوری در جمهوری اسلامی ایران از دوران پهلوی(پهلوی اول و دوم) تا کنون انجام شده است پرداخته است. نهاد هایی که در طول این دوره ایجاد شده اند و وظایف و اختیارات آنها به طور خلاصه ذکر شده اند و رویکرد ها یی از جمله نوسازی و مدرنیزاسیون در دوران پهلوی ها ، باز تعریف ارزش ها و ارزش آفرینی های مبتنی بر شاخص های اسلامی در دوره بعد از انقلاب 1357، که منشاء نهاد سازی های دوران مربوط به خود بوده اند، با استفاده از روش تاریخی(شرایط محیطی حاکم)و گروه کانونی، این روند مورد تحلیل قرار گرفته ودر بخش پایانی نیز در قالب نتیجه گیری، توصیه های سیاستی که از این تحلیل بدست آمده است از قبیل ادغام بعضی از نهاد ها، تعیین مکانیزم وحدت عین تکثرنهاد های سیاست گذار و مجری، هماهنگی استراتژیک عمودی و افقی بین برنامه و اسناد کلان این حوزه و نهایتاً پیشنهادهای کاربردی و پیشنهادهایی برای پژوهش های آتی ارائه شده است. پرونده مقاله -
دسترسی آزاد مقاله
4 - بخش‌بندي تصاوير رنگي بيروني به هدف تشخيص اشياء به كمك هيستوگرام با دقت دوگانه
جواد راستي سید امیرحسن منجمی عباس وفاییيكي از مسايل مهم در پردازش خودكار تصاوير بيروني، نحوه بخش‌بندي اين تصاوير به هدف تشخيص شيء در آنها ميباشد. مشخصات خاص اين تصاوير از جمله تنوع رنگ، اثرات نوري متفاوت، وجود سايه‌هاي رنگي، جزييات بافتي زياد و وجود اشياء كوچك و ناهمگن باعث ميشود مسأله بخش‌بندي تصاوير بيرو چکیده کامليكي از مسايل مهم در پردازش خودكار تصاوير بيروني، نحوه بخش‌بندي اين تصاوير به هدف تشخيص شيء در آنها ميباشد. مشخصات خاص اين تصاوير از جمله تنوع رنگ، اثرات نوري متفاوت، وجود سايه‌هاي رنگي، جزييات بافتي زياد و وجود اشياء كوچك و ناهمگن باعث ميشود مسأله بخش‌بندي تصاوير بيروني به ويژه بخش‌بندي رنگي با چالش‌هاي جدي مواجه شود. در تحقيقات قبليبراي خوشهبندي رنگي تصاوير بيروني به هدف بخش‌بندي ابتدايي، روشي مبتني بر الگوريتم خوشهبندي k-means در بستري با دقت چندگانه پيشنهاد شده بود.اين روش با استفاده از محو عمدي جزييات بافتي تصوير و حذف كلاسهاي محرز در تصاوير محو شده و سپس اضافه كردن كلاسها در تصاوير با دقت بالاتر، كارايي مناسبي براي بخش‌بندي ابتدايي اين تصاوير در مقايسه با روش k-means عادي نشان مي‌داد.در اين مقاله، يك روش تطبيق‌پذير با تصوير با استفاده از هيستوگرام حلقوي ته‌رنگ براي تشخيص كلاسهاي محرز در تصاوير محوشده در بستري با دقت دوگانه پيشنهاد گرديده است.كارايي اين الگوريتم به كمك يك روش ارزيابينظارت‌شده روي دو پايگاه داده از تصاوير بيروني بررسي شده كه حدود 20% كاهش خطاي پيكسلي در بخش‌بندي و نيز دقت و حدود 30% سرعت بيشتر در همگرايي الگوريتم خوشهبندي، نشانگر كيفيت بالاتر روش پيشنهادي نسبت به روش عادي است. پرونده مقاله -
دسترسی آزاد مقاله
5 - استفاده از خوشه¬بندی در پروتکل مسیریابی AODV برای شبکه-های بین خودرویی بر روی سناریوی بزرگراه
امین فیضی وحید ستاری نائینی مجید محمدیشبکه های بین خودرویی زیرمجموعه‌ای از شبکه های سیار موردی می باشد که در آن خودروها به عنوان گره های شبکه محسوب می شوند. تفاوت اصلی آن با شبکه های سیار موردی در تحرک سریع گره ها است که باعث تغییر سریع توپولوژی در این شبکه می شود. تغییرات سریع توپولوژی شبکه یک چالش بزر چکیده کاملشبکه های بین خودرویی زیرمجموعه‌ای از شبکه های سیار موردی می باشد که در آن خودروها به عنوان گره های شبکه محسوب می شوند. تفاوت اصلی آن با شبکه های سیار موردی در تحرک سریع گره ها است که باعث تغییر سریع توپولوژی در این شبکه می شود. تغییرات سریع توپولوژی شبکه یک چالش بزرگ برای مسیریابی محسوب می شود که برای مسیریابی در این شبکه ها، پروتکل های مسیریابی باید قوی و قابل‌اعتماد باشد. یکی از پروتکل های مسیریابی شناخته شده در شبکه‌های بین خودرویی، پروتکل مسیریابیAODV است. اعمال این پروتکل مسیریابی بر روی شبکه های بین خودرویی نیز دارای مشکلاتی می‌باشد که با افزایش مقیاس شبکه و تعداد گره ها، تعداد پیام های کنترلی در شبکه افزایش می یابد. یکی از روش‌های کاهش سربار در پروتکل AODV، خوشه بندی کردن گره های شبکه است. در این مقاله برای خوشه بندی کردن گره ها از الگوریتم تغییریافته K-Means و برای انتخاب سر خوشه از الگوریتم ازدحام ذرات استفاده شده است. نتایج بدست آمده از روش پیشنهادی باعث بهبود بار مسیریابی نرمال شده و افزایش نرخ تحویل بسته در مقایسه با پروتکل مسیریابی AODV شده است. پرونده مقاله -
دسترسی آزاد مقاله
6 - گروه‌بندی همسان یادگیرندگان در محیط یادگیری الکترونیکی به کمک روش خوشه¬بندی شورایی
ملیحه کمرئی غلامعلی منتظریادگیری الکترونیکی به عنوان روشی نوین در امر آموزش و یادگیری در طی سالیان اخیر مورد استقبال فراوانی قرار گرفته است. اکثر سامانه های یادگیری الکترونیکی، صرف نظر از تفاوت های فردی یادگیرندگان محتوای آموزشی مشابهی را برای همة یادگیرندگان ارائه می دهند در حالی که در آموزش ه چکیده کاملیادگیری الکترونیکی به عنوان روشی نوین در امر آموزش و یادگیری در طی سالیان اخیر مورد استقبال فراوانی قرار گرفته است. اکثر سامانه های یادگیری الکترونیکی، صرف نظر از تفاوت های فردی یادگیرندگان محتوای آموزشی مشابهی را برای همة یادگیرندگان ارائه می دهند در حالی که در آموزش های مبتنی بر وب، علاوه بر افزایش فرصت یادگیری باید به ارتقای بازدهی یادگیری نیز توجه شود. سامانه های یادگیری تطبیقی برای ارائة محتوای تطبیق پذیر با هر یادگیرنده، نیازمند گروه بندی یادگیرندگان با علایق مشابه است و برای تحقق این هدف، می توان از سبک های یادگیری یادگیرندگان بهره گرفت. گروه-بندی خودکار یادگیرندگان در این محیط به کمک روش های خوشه بندی امکان پذیر است. به دلیل متفاوت بودن نتایج روش های خوشه بندی در تکرارهای مختلف، در این پژوهـش از روش خوشه بندی شورایی برای ترکیـب نـتایج خوشـه بندی پنـج روش FCM، K-means، KNN , SVM و medoids-K برای گروه بندی یادگیرندگان در محیط یادگیری الکترونیکی استفاده شده است. نتایج ارزیابی تجربی روش خوشه‌بندی پیشنهادی بر اساس سه شاخص «دیویس – بولدین»، « خلوص و تجمع» و « واریانس » نشان می‌دهد که این روش، کاهش هزینة محاسباتی و دقت و سرعت بیشتری نسبت به سایر روش‌های متداول در شناسایی گروه‌ها داشته است. پرونده مقاله -
دسترسی آزاد مقاله
7 - بهبود مسیریابی جهت کنترل ازدحام در شبکه¬هاب مبتنی بر نرم¬افزار با استفاده از کنترلرهای توزیع¬شده
سعید بختیاری اردشیر آذرنژادشبکه های مبتنی بر نرم افزار (SDN) برای استفاده در تعیین مسیریابی ترافیک شبکه قابل انعطاف هستند، زیرا سطح داده ای و سطح کنترلی را از یکدیگر تفکیک می کنند. یکی از چالش های بزرگی که پیش روی شبکه‌های مبتنی بر نرم‌افزار قرار گرفته است، انتخاب مکان هایی مناسب برای قرار دادن و چکیده کاملشبکه های مبتنی بر نرم افزار (SDN) برای استفاده در تعیین مسیریابی ترافیک شبکه قابل انعطاف هستند، زیرا سطح داده ای و سطح کنترلی را از یکدیگر تفکیک می کنند. یکی از چالش های بزرگی که پیش روی شبکه‌های مبتنی بر نرم‌افزار قرار گرفته است، انتخاب مکان هایی مناسب برای قرار دادن و توزیع کنترلرها (کنترل کننده ها) است؛ به گونه‌ای که بتوان تأخیر بین کنترلرها و سوئیچ ها را در شبکه‌های گسترده کاهش داد. در همین راستا اغلب روش‌های ارائه شده بر روی کاهش تأخیر متمرکز بوده‌اند. ولی تأخیر تنها یکی از عواملی است که در کارائی شبکه و کاهش هزینه ی کلی بین کنترلرها و سوئیچ‌های مرتبط با آنها نقش دارد. این مقاله به بررسی عوامل بیشتری برای کاهش هزینه بین کنترلر ها و سوئیچ ها نظیر ترافیک لینک های ارتباطی می پردازد. به همین منظور یک الگوریتم مبتنی برخوشه بندی برای بخش بندی شبکه ارائه می شود. با بهره گیری از این الگوریتم می‌توان تضمین کرد که هر بخش از شبکه می‌تواند حداکثر هزینه (شامل تأخیر و ترافیک موجود روی لینک ها) را در بین کنترلر و سوئیچ های مربوط به آن کاهش دهد. در این مقاله، با بکارگیری از Topology Zoo، شبیه‌سازی‌های گسترده‌ای تحت توپولوژی های واقعی شبکه انجام شده است. نتایج شبیه سازی ها نشان می دهد در شرایطی که احتمال ازدحام در شبکه بالا می رود، الگوریتم پیشنهادی با شناسایی لینک های گلوگاه در مسیرهای ارتباطی هر گره با سایر گره ها، توانسته به خوبی ازدحام را در شبکه کنترل نماید. لذا، با در نظر گرفتن دو معیار تأخیر و میزان مشغول بودن لینک ها، فرآیند قرارگیری و توزیع کنترلر ها را در عمل خوشه-بندی با دقت بالاتری انجام می دهد. با این کار، میانگین حداکثر هزینه ی انتها به انتها بین هر کنترلر و سوئیچ های مربوط به آن به ترتیب در توپولوژی های Chinanet کشور چین، Uunet کشور آمریکا، DFN کشور آلمان، و Rediris کشور اسپانیا به اندازه ی 4694/41، 2853/29، 3805/21 و 4829/46 درصد کاهش یافته است. پرونده مقاله -
دسترسی آزاد مقاله
8 - سيستم توصيه گر زمينه آگاه سفر با بهرهگيری از اطلاعات عکسهای برچسبدار جغرافيايی
رضوان محمدرضایی لرکی رضا روانمهر میلاد امرالهیسيستمهاي توصیهگر بر اساس اطلاعات کاربران و آیتم‌ها، سلایق و علاقه‌مندی‌های مورد نظر کاربران را پیش‌بینی کرده و بر اساس آنها آیتم‌های مناسب را به کاربران پیشنهاد می‌دهند. اکثر رويکردهاي موجود براي سيستم‌هاي توصيه‌گر بر روی پیشنهاد دادن مرتبط‌ترین آیتم‌ها تمرکز میکنند و چکیده کاملسيستمهاي توصیهگر بر اساس اطلاعات کاربران و آیتم‌ها، سلایق و علاقه‌مندی‌های مورد نظر کاربران را پیش‌بینی کرده و بر اساس آنها آیتم‌های مناسب را به کاربران پیشنهاد می‌دهند. اکثر رويکردهاي موجود براي سيستم‌هاي توصيه‌گر بر روی پیشنهاد دادن مرتبط‌ترین آیتم‌ها تمرکز میکنند و اطلاعات زمينه‌اي مانند زمان یا مکان را در نظر نمی‌گیرند. در اين مقاله يک روش برای سیستم توصيه‌گر زمينه آگاه سفر با بهرهگيري از اطلاعات عکس‌هاي برچسب دار جغرافيايي ارایه شده است که از دقت بالايي برخوردار است. این روش نسبت به مقالات مشابه، تعداد زمينه‌هاي بيشتری مانند (وضعيت آب و هوا، وضعيت روحي کاربر، ميزان ترافيک و ...) را در نظر می‌گیرد. با این کار باعث نزديک شدن کاربران يک خوشه و در نتیجه افزايش دقت می‌شود. روش پیشنهادی به جای استفاده از الگوریتم خوشهبندي کلاسيک از ادغام دو الگوريتم رقابت استعماري و خوشهبندي C-Means فازی استفاده می‌کند. ارزيابي روش ارايه شده بر روی مجموعه داده فليکر انجام شده و نتايج ارزيابي حاکي از آن است که روش پيشنهادي قادر به فراهم کردن توصيه‌هاي موثر و دقیق مطابق با علاقه‌مندی‌های کاربر و موقعيت فعلي بازديد او ميباشد. رویکرد پيشنهادي در معیارهای دقت، متوسط مطلق دقت و میانگین قدر مطلق خطا به ترتیب به 0.69 و 0.53 و 0.31 دست یافته است. پرونده مقاله -
دسترسی آزاد مقاله
9 - ترکیب الگوریتم خوشه¬بندی Fuzzy c-means با شبکه عصبی پرسپترون چند لایه برای افزایش دقت تخمین غلظت عناصر ژئوشیمیایی، مثال موردی – محدوده شرقی کانسار مس پورفیری سوناجیل
محرم جهانگیری سیدرضا قوامی ریابی بهزاد تخم¬چیروش های شناسایی الگو توانایی کشف روابط پنهان موجود در بین داده های اکتشافی را دارند و با بهره-گیری از این روش ها، الگوی پراکندگی ژئوشیمیایی حاکم بر عناصر در محدوده مورد مطالعه قابل شناسایی و تعمیم است. یکی از روش های شناسایی الگو، شبکه عصبی چند لایه است که در تخمین غل چکیده کاملروش های شناسایی الگو توانایی کشف روابط پنهان موجود در بین داده های اکتشافی را دارند و با بهره-گیری از این روش ها، الگوی پراکندگی ژئوشیمیایی حاکم بر عناصر در محدوده مورد مطالعه قابل شناسایی و تعمیم است. یکی از روش های شناسایی الگو، شبکه عصبی چند لایه است که در تخمین غلظت عناصر ژئوشیمیایی در مطالعات معدنی استفاده می شود و دقت قابل قبولی ارائه می نماید. در این مطالعه، روش شبکه عصبی چند لایه به‌عنوان تخمینگر انتخاب شده و با 1755 نمونه سنگی آنالیز شده با روش ICP، طراحی تخمینگر انجام پذیرفته است. در تحلیل ها برای بالا بردن دقت تخمین شبکه عصبی از الگوریتم خوشه بندی FCM استفاده شده است. پس از شناسایی تعداد خوشه بهینه موجود در داده های ژئوشیمیایی، اقدام به خوشه بندی شده و مجموعه داده برای طراحی تخمینگر ها از داده های خوشه بندی شده انتخاب شد. نتایج به‌دست‌آمده نشان داد که استفاده از داده های خوشه بندی شده، دقت تخمین را 13 درصد افزایش داده و میانگین دقت تخمینگرهای عناصر ژئوشیمیایی که در حالت استفاده از کل داده ها برابر 75 درصد بود به 88 درصد افزایش یافته است. عناصری با دقت های پایین در حالت استفاده از کل داده ها، در حالت استفاده از داده های خوشه بندی شده افزایش قابل ملاحظه ای از خود نشان داده و خطای تخمین (MSE) در حالت استفاده از داده های خوشه بندی به میزان قابل توجهی کاهش پیدا کرده است و میانگین خطا از مقدار 079/0 با کاهشی 3 برابری به 025/0 رسیده است. پرونده مقاله -
دسترسی آزاد مقاله
10 - زون بندی ژئومکانیکی سازندهای فراقان، زاکین و سرچاهان بر اساس مطالعات رسوب‌شناسی و مکانیک سنگی در یکی از میادین خلیج فارس
مهران کلهری هوشنگ مهرابی ابراهیم سفیداری حسن اشراقی بهنام واعظ لیواریمطالعات ژئومکانیکی در بحث های تحلیل پایداری چاه، تکمیل چاه، تعیین جهت‌یابی حفاری چاه، طراحی و اجرای شکاف هیدرولیکی، تولید شن و نشست در میدان های هیدروکربوری کاربرد اساسی دارد. پارامترهای مکانیک سنگی با تغییرات سنگ-شناسی دچار تغییر می شوند. در این مطالعه با به دست آوردن چکیده کاملمطالعات ژئومکانیکی در بحث های تحلیل پایداری چاه، تکمیل چاه، تعیین جهت‌یابی حفاری چاه، طراحی و اجرای شکاف هیدرولیکی، تولید شن و نشست در میدان های هیدروکربوری کاربرد اساسی دارد. پارامترهای مکانیک سنگی با تغییرات سنگ-شناسی دچار تغییر می شوند. در این مطالعه با به دست آوردن پارامترهای مکانیک سنگی به‌صورت پیوسته، برای سازندهای فراقان، زاکین و سرچاهان در یکی از میادین خلیج فارس، به خوشه‌بندی این پارامترها پرداخته شده است. نتایج خوشه‌بندی منجر به استخراج 6 خوشه با ویژگی های مکانیک سنگی متفاوت گردید. از طرفی با مطالعات سنگ‌شناسی (رخساره ها، سیمان شدگی و دیاژنز) 5 رخساره با مشخصات سنگ‌شناسی و سیمان شدگی متفاوت تعیین شده که شامل رخساره های ماسه سنگی کواتز آرنایتی و آرکوزی، شیلی، گلسنگ قرمز و کربناته می باشد. انطباق بین رخساره های رسوبی و ژئومکانیکی برقرار گردید. با توجه به مطالعات سنگ‌شناسی و ژئومکانیکی، بازه عمقی مورد مطالعه به 7 بخش تقسیم شده و چگونگی تغییرات پارامترهای مکانیک سنگی با تغییرات لیتولوژی مورد بررسی قرار گرفته، و تأثیر تغییر در جنس سنگ، سیمان شدگی و فشردگی بر پارامترهای مکانیک سنگی مورد ارزیابی قرار گرفته است. پرونده مقاله -
دسترسی آزاد مقاله
11 - Referral Traffic Analysis: A Case Study of the Iranian Students' News Agency (ISNA)
Roya Hassanian Esfahani Mohammad Javad KargarWeb traffic analysis is a well-known e-marketing activity. Today most of the news agencies have entered the web providing a variety of online services to their customers. The number of online news consumers is also increasing dramatically all over the world. A news webs چکیده کاملWeb traffic analysis is a well-known e-marketing activity. Today most of the news agencies have entered the web providing a variety of online services to their customers. The number of online news consumers is also increasing dramatically all over the world. A news website usually benefits from different acquisition channels including organic search services, paid search services, referral links, direct hits, links from online social media, and e-mails. This article presents the results of an empirical study of analyzing referral traffic of a news website through data mining techniques. Main methods include correlation analysis, outlier detection, clustering, and model performance evaluation. The results decline any significant relationship between the amount of referral traffic coming from a referrer website and the website's popularity state. Furthermore, the referrer websites of the study fit into three clusters applying K-means Squared Euclidean Distance clustering algorithm. Performance evaluations assure the significance of the model. Also, among detected clusters, the most populated one has labeled as "Automatic News Aggregator Websites" by the experts. The findings of the study help to have a better understanding of the different referring behaviors, which form around 15% of the overall traffic of Iranian Students' News Agency (ISNA) website. They are also helpful to develop more efficient online marketing plans, business alliances, and corporate strategies. پرونده مقاله -
دسترسی آزاد مقاله
12 - A Study on Clustering for Clustering Based Image De-noising
Hossein Bakhshi Golestani Mohsen Joneidi Mostafa SadeghiIn this paper, the problem of de-noising of an image contaminated with Additive White Gaussian Noise (AWGN) is studied. This subject is an open problem in signal processing for more than 50 years. In the present paper, we suggest a method based on global clustering of i چکیده کاملIn this paper, the problem of de-noising of an image contaminated with Additive White Gaussian Noise (AWGN) is studied. This subject is an open problem in signal processing for more than 50 years. In the present paper, we suggest a method based on global clustering of image constructing blocks. As the type of clustering plays an important role in clustering-based de-noising methods, we address two questions about the clustering. The first, which parts of the data should be considered for clustering? The second, what data clustering method is suitable for de-noising? Then clustering is exploited to learn an over complete dictionary. By obtaining sparse decomposition of the noisy image blocks in terms of the dictionary atoms, the de-noised version is achieved. Experimental results show that our dictionary learning framework outperforms its competitors in terms of de-noising performance and execution time. پرونده مقاله -
دسترسی آزاد مقاله
13 - On-road Vehicle detection based on hierarchical clustering using adaptive vehicle localization
Moslem Mohammadi Jenghara Hossein Ebrahimpour KomlehVehicle detection is one of the important tasks in automatic driving. It is a hard problem that many researchers focused on it. Most commercial vehicle detection systems are based on radar. But these methods have some problems such as have problem in zigzag motions. Im چکیده کاملVehicle detection is one of the important tasks in automatic driving. It is a hard problem that many researchers focused on it. Most commercial vehicle detection systems are based on radar. But these methods have some problems such as have problem in zigzag motions. Image processing techniques can overcome these problems.This paper introduces a method based on hierarchical clustering using low-level image features for on-road vehicle detection. Each vehicle assumed as a cluster. In traditional clustering methods, the threshold distance for each cluster is fixed, but in this paper, the adaptive threshold varies according to the position of each cluster. The threshold measure is computed with bivariate normal distribution. Sampling and teammate selection for each cluster is applied by the members-based weighted average. For this purpose, unlike other methods that use only horizontal or vertical lines, a fully edge detection algorithm was utilized. Corner is an important feature of video images that commonly were used in vehicle detection systems. In this paper, Harris features are applied to detect the corners. LISA data set is used to evaluate the proposed method. Several experiments are applied to investigate the performance of proposed algorithm. Experimental results show good performance compared to other algorithms . پرونده مقاله -
دسترسی آزاد مقاله
14 - Coverage Improving with Energy Efficient in Wireless Sensor Networks
Amir Pakmehr Ali GhaffariWireless sensor networks (WSNs) are formed by numerous sensors nodes that are able to sense different environmental phenomena and to transfer the collected data to the sink. The coverage of a network is one of the main discussion and one of the parameters of service qua چکیده کاملWireless sensor networks (WSNs) are formed by numerous sensors nodes that are able to sense different environmental phenomena and to transfer the collected data to the sink. The coverage of a network is one of the main discussion and one of the parameters of service quality in WSNs. In most of the applications, the sensor nodes are scattered in the environment randomly that causes the density of the nodes to be high in some regions and low in some other regions. In this case, some regions are not covered with any nodes of the network that are called covering holes. Moreover, creating some regions with high density causes extra overlapping and consequently the consumption of energy increases in the network and life of the network decreases. The proposed approach causes an increase in life of the network and an increase in it through careful selection of the most appropriate approach as cluster head node and form clusters with a maximum length of two steps and selecting some nodes as redundancy nodes in order to cover the created holes in the network. The proposed scheme is simulated using MATLAB software. The function of the suggested approach will be compared with Learning Automata based Energy Efficient Coverage protocol (LAEEC) approach either. Simulation results shows that the function of the suggested approach is better than LAEEC considering the parameters such as average of the active nodes, average remaining energy in nodes, percent of network coverage and number of control packets. پرونده مقاله -
دسترسی آزاد مقاله
15 - Preserving Data Clustering with Expectation Maximization Algorithm
Leila Jafar Tafreshi Farzin YaghmaeeData mining and knowledge discovery are important technologies for business and research. Despite their benefits in various areas such as marketing, business and medical analysis, the use of data mining techniques can also result in new threats to privacy and informatio چکیده کاملData mining and knowledge discovery are important technologies for business and research. Despite their benefits in various areas such as marketing, business and medical analysis, the use of data mining techniques can also result in new threats to privacy and information security. Therefore, a new class of data mining methods called privacy preserving data mining (PPDM) has been developed. The aim of researches in this field is to develop techniques those could be applied to databases without violating the privacy of individuals. In this work we introduce a new approach to preserve sensitive information in databases with both numerical and categorical attributes using fuzzy logic. We map a database into a new one that conceals private information while preserving mining benefits. In our proposed method, we use fuzzy membership functions (MFs) such as Gaussian, P-shaped, Sigmoid, S-shaped and Z-shaped for private data. Then we cluster modified datasets by Expectation Maximization (EM) algorithm. Our experimental results show that using fuzzy logic for preserving data privacy guarantees valid data clustering results while protecting sensitive information. The accuracy of the clustering algorithm using fuzzy data is approximately equivalent to original data and is better than the state of the art methods in this field. پرونده مقاله -
دسترسی آزاد مقاله
16 - Graph Based Feature Selection Using Symmetrical Uncertainty in Microarray Dataset
Soodeh Bakhshandeh رضا عزمی Mohammad TeshnehlabMicroarray data with small samples and thousands of genes makes a difficult challenge for researches. Using gene selection in microarray data helps to select the most relevant genes from original dataset with the purpose of reducing the dimensionality of the microarray چکیده کاملMicroarray data with small samples and thousands of genes makes a difficult challenge for researches. Using gene selection in microarray data helps to select the most relevant genes from original dataset with the purpose of reducing the dimensionality of the microarray data as well as increasing the prediction performance. In this paper, a new gene selection method is proposed based on community detection technique and ranking the best genes. Symmetric Uncertainty is used for selection of the best genes by calculation of similarity between two genes and between each gene and class label which leads to representation of search space as a graph, in the first step. Afterwards, the proposed graph is divided into several clusters using community detection algorithm and finally, after ranking the genes, the genes with maximum ranks are selected as the best genes. This approach is a supervised/unsupervised filter-based gene selection method that minimizes the redundancy between genes and maximizes the relevance of genes and class label. Performance of the proposed method is compared with thirteen well-known unsupervised/supervised gene selection approaches over six microarray datasets using four classifiers including SVM, DT, NB and k-NN. Results show the advantages of the proposed approach. پرونده مقاله -
دسترسی آزاد مقاله
17 - Energy Efficient Clustering Algorithm for Wireless Sensor Networks
Maryam Bavaghar Amin Mohajer Sarah Taghavi MotlaghIn Wireless Sensor Networks (WSNs), sensor nodes are usually deployed with limited energy reserves in remote environments for a long period of time with less or no human intervention. It makes energy efficiency as a challenging issue both for the design and deployment o چکیده کاملIn Wireless Sensor Networks (WSNs), sensor nodes are usually deployed with limited energy reserves in remote environments for a long period of time with less or no human intervention. It makes energy efficiency as a challenging issue both for the design and deployment of sensor networks. This paper presents a novel approach named Energy Efficient Clustering Algorithm (EECA) for Wireless Sensor Networks which is based on two phases clustering model and provides maximum network coverage in an energy efficient way. In this framework, an effective resource-aware load balancing approach applied for autonomous methods of configuring the parameters in accordance with the signaling patterns in which approximately the same bit rate data is provided for each sensor. This resource-efficient clustering model can also form energy balanced clusters which results in increasing network life time and ensuring better network coverage. Simulation results prove that EECA is better than LEACH, LEA2C and EECS with respect to network lifetime and at the same time achieving more network coverage. In addition to obtained an optimal cluster size with minimum energy loss, the proposed approach also suggests new and better way for selecting cluster heads to reduce energy consumption of the distributed nodes resulting in increased operational reliability of sensor networks. پرونده مقاله -
دسترسی آزاد مقاله
18 - Overcoming the Link Prediction Limitation in Sparse Networks using Community Detection
Mohammad Pouya Salvati Jamshid Bagherzadeh Mohasefi Sadegh SulaimanyLink prediction seeks to detect missing links and the ones that may be established in the future given the network structure or node features. Numerous methods have been presented for improving the basic unsupervised neighbourhood-based methods of link prediction. A maj چکیده کاملLink prediction seeks to detect missing links and the ones that may be established in the future given the network structure or node features. Numerous methods have been presented for improving the basic unsupervised neighbourhood-based methods of link prediction. A major issue confronted by all these methods, is that many of the available networks are sparse. This results in high volume of computation, longer processing times, more memory requirements, and more poor results. This research has presented a new, distinct method for link prediction based on community detection in large-scale sparse networks. Here, the communities over the network are first identified, and the link prediction operations are then performed within each obtained community using neighbourhood-based methods. Next, a new method for link prediction has been carried out between the clusters with a specified manner for maximal utilization of the network capacity. Utilized community detection algorithms are Best partition, Link community, Info map and Girvan-Newman, and the datasets used in experiments are Email, HEP, REL, Wikivote, Word and PPI. For evaluation of the proposed method, three measures have been used: precision, computation time and AUC. The results obtained over different datasets demonstrate that extra calculations have been prevented, and precision has been increased. In this method, runtime has also been reduced considerably. Moreover, in many cases Best partition community detection method has good results compared to other community detection algorithms. پرونده مقاله -
دسترسی آزاد مقاله
19 - Reducing Energy Consumption in Sensor-Based Internet of Things Networks Based on Multi-Objective Optimization Algorithms
Mohammad sedighimanesh Hessam Zandhessami Mahmood Alborzi Mohammadsadegh KhayyatianEnergy is an important parameter in establishing various communications types in the sensor-based IoT. Sensors usually possess low-energy and non-rechargeable batteries since these sensors are often applied in places and applications that cannot be recharged. The mos چکیده کاملEnergy is an important parameter in establishing various communications types in the sensor-based IoT. Sensors usually possess low-energy and non-rechargeable batteries since these sensors are often applied in places and applications that cannot be recharged. The most important objective of the present study is to minimize the energy consumption of sensors and increase the IoT network's lifetime by applying multi-objective optimization algorithms when selecting cluster heads and routing between cluster heads for transferring data to the base station. In the present article, after distributing the sensor nodes in the network, the type-2 fuzzy algorithm has been employed to select the cluster heads and also the genetic algorithm has been used to create a tree between the cluster heads and base station. After selecting the cluster heads, the normal nodes become cluster members and send their data to the cluster head. After collecting and aggregating the data by the cluster heads, the data is transferred to the base station from the path specified by the genetic algorithm. The proposed algorithm was implemented with MATLAB simulator and compared with LEACH, MB-CBCCP, and DCABGA protocols, the simulation results indicate the better performance of the proposed algorithm in different environments compared to the mentioned protocols. Due to the limited energy in the sensor-based IoT and the fact that they cannot be recharged in most applications, the use of multi-objective optimization algorithms in the design and implementation of routing and clustering algorithms has a significant impact on the increase in the lifetime of these networks. پرونده مقاله -
دسترسی آزاد مقاله
20 - Energy Efficient Routing-Based Clustering Protocol Using Computational Intelligence Algorithms in Sensor-Based IoT
Mohammad sedighimanesh Hessam Zandhessami Mahmood Alborzi Mohammadsadegh KhayyatianBackground: The main limitation of wireless IoT sensor-based networks is their energy resource, which cannot be charged or replaced because, in most applications, these sensors are usually applied in places where they are not accessible or rechargeable. Objective: The p چکیده کاملBackground: The main limitation of wireless IoT sensor-based networks is their energy resource, which cannot be charged or replaced because, in most applications, these sensors are usually applied in places where they are not accessible or rechargeable. Objective: The present article's main objective is to assist in improving energy consumption in the sensor-based IoT network and thus increase the network’s lifetime. Cluster heads are used to send data to the base station. Methods: In the present paper, the type-1 fuzzy algorithm is employed to select cluster heads, and the type-2 fuzzy algorithm is used for routing between cluster heads to the base station. After selecting the cluster head using the type-1 fuzzy algorithm, the normal nodes become the members of the cluster heads and send their data to the cluster head, and then the cluster heads transfer the collected data to the main station through the path which has been determined by the type-2 fuzzy algorithm. Results: The proposed algorithm was implemented using MATLAB simulator and compared with LEACH, DEC, and DEEC protocols. The simulation results suggest that the proposed protocol among the mentioned algorithms increases the network’s lifetime in homogeneous and heterogeneous environments. Conclusion: Due to the energy limitation in sensor-based IoT networks and the impossibility of recharging the sensors in most applications, the use of computational intelligence techniques in the design and implementation of these algorithms considerably contributes to the reduction of energy consumption and ultimately the increase in network’s lifetime. پرونده مقاله -
دسترسی آزاد مقاله
21 - Cluster-based Coverage Scheme for Wireless Sensor Networks using Learning Automata
Ali Ghaffari Seyyed Keyvan MousaviNetwork coverage is one of the most important challenges in wireless sensor networks (WSNs). In a WSN, each sensor node has a sensing area coverage based on its sensing range. In most applications, sensor nodes are randomly deployed in the environment which causes the d چکیده کاملNetwork coverage is one of the most important challenges in wireless sensor networks (WSNs). In a WSN, each sensor node has a sensing area coverage based on its sensing range. In most applications, sensor nodes are randomly deployed in the environment which causes the density of nodes become high in some areas and low in some other. In this case, some areas are not covered by none of sensor nodes which these areas are called coverage holes. Also, creating areas with high density leads to redundant overlapping and as a result the network lifetime decreases. In this paper, a cluster-based scheme for the coverage problem of WSNs using learning automata is proposed. In the proposed scheme, each node creates the action and probability vectors of learning automata for itself and its neighbors, then determines the status of itself and all its neighbors and finally sends them to the cluster head (CH). Afterward, each CH starts to reward or penalize the vectors and sends the results to the sender for updating purposes. Thereafter, among the sent vectors, the CH node selects the best action vector and broadcasts it in the form of a message inside the cluster. Finally, each member changes its status in accordance with the vector included in the received message from the corresponding CH and the active sensor nodes perform environment monitoring operations. The simulation results show that the proposed scheme improves the network coverage and the energy consumption. پرونده مقاله -
دسترسی آزاد مقاله
22 - Word Sense Induction in Persian and English: A Comparative Study
Masood GhayoomiWords in the natural language have forms and meanings, and there might not always be a one-to-one match between them. This property of the language causes words to have more than one meaning; as a result, a text processing system faces challenges to determine the precis چکیده کاملWords in the natural language have forms and meanings, and there might not always be a one-to-one match between them. This property of the language causes words to have more than one meaning; as a result, a text processing system faces challenges to determine the precise meaning of the target word in a sentence. Using lexical resources or lexical databases, such as WordNet, might be a help, but due to their manual development, they become outdated by passage of time and language change. Moreover, the lexical resources might be domain dependent which are unusable for open domain natural language processing tasks. These drawbacks are a strong motivation to use unsupervised machine learning approaches to induce word senses from the natural data. To reach the goal, the clustering approach can be utilized such that each cluster resembles a sense. In this paper, we study the performance of a word sense induction model by using three variables: a) the target language: in our experiments, we run the induction process on Persian and English; b) the type of the clustering algorithm: both parametric clustering algorithms, including hierarchical and partitioning, and non-parametric clustering algorithms, including probabilistic and density-based, are utilized to induce senses; c) the context of the target words to capture the information in vectors created for clustering: for the input of the clustering algorithms, the vectors are created either based on the whole sentence in which the target word is located; or based on the limited surrounding words of the target word. We evaluate the clustering performance externally. Moreover, we introduce a normalized, joint evaluation metric to compare the models. The experimental results for both Persian and English test data showed that the window-based partitioningK-means algorithm obtained the best performance. پرونده مقاله -
دسترسی آزاد مقاله
23 - Foreground-Back ground Segmentation using K-Means Clustering Algorithm and Support Vector Machine
Masoumeh Rezaei mansoureh rezaei Masoud RezaeiForeground-background image segmentation has been an important research problem. It is one of the main tasks in the field of computer vision whose purpose is detecting variations in image sequences. It provides candidate objects for further attentional selection, e.g., چکیده کاملForeground-background image segmentation has been an important research problem. It is one of the main tasks in the field of computer vision whose purpose is detecting variations in image sequences. It provides candidate objects for further attentional selection, e.g., in video surveillance. In this paper, we introduce an automatic and efficient Foreground-background segmentation. The proposed method starts with the detection of visually salient image regions with a saliency map that uses Fourier transform and a Gaussian filter. Then, each point in the maps classifies as salient or non-salient using a binary threshold. Next, a hole filling operator is applied for filling holes in the achieved image, and the area-opening method is used for removing small objects from the image. For better separation of the foreground and background, dilation and erosion operators are also used. Erosion and dilation operators are applied for shrinking and expanding the achieved region. Afterward, the foreground and background samples are achieved. Because the number of these data is large, K-means clustering is used as a sampling technique to restrict computational efforts in the region of interest. K cluster centers for each region are set for training of Support Vector Machine (SVM). SVM, as a powerful binary classifier, is used to segment the interest area from the background. The proposed method is applied on a benchmark dataset consisting of 1000 images and experimental results demonstrate the supremacy of the proposed method to some other foreground-background segmentation methods in terms of ER, VI, GCE, and PRI. پرونده مقاله -
دسترسی آزاد مقاله
24 - 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 چکیده کاملامروزه 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. پرونده مقاله -
دسترسی آزاد مقاله
25 - Dynamic Tree- Based Routing: Applied in Wireless Sensor Network and IOT
Mehdi KhazaeiThe Internet of Things (IOT) has advanced in parallel with the wireless sensor network (WSN) and the WSN is an IOT empowerment. The IOT, through the internet provides the connection between the defined objects in apprehending and supervising the environment. In some app چکیده کاملThe Internet of Things (IOT) has advanced in parallel with the wireless sensor network (WSN) and the WSN is an IOT empowerment. The IOT, through the internet provides the connection between the defined objects in apprehending and supervising the environment. In some applications, the IOT is converted into WSN with the same descriptions and limitations. Working with WSN is limited to energy, memory and computational ability of the sensor nodes. This makes the energy consumption to be wise if protection of network reliability is sought. The newly developed and effective hierarchical and clustering techniques are to overcome these limitations. The method proposed in this article, regarding energy consumption reduction is tree-based hierarchical technique, used clustering based on dynamic structure. In this method, the location-based and time-based properties of the sensor nodes are applied leading to provision of a greedy method as to form the subtree leaves. The rest of the tree structure up to the root, would be formed by applying the centrality concept in the network theory by the base station. The simulation reveals that the scalability and fairness parameter in energy consumption compare to the similar method has improved, thus, prolonged network lifetime and reliability. پرونده مقاله -
دسترسی آزاد مقاله
26 - ارائه یک روش نوین برای تجزیه و تحلیل داده‌های رضایت مشتری (مطالعه موردی صنایع خودرو: خودروی لوگان)
مهناز ابراهیمی صدرآبادی علی محمد کیمیاگری سیدمهدی سیداصفهانیاین پژوهش با هدف ارائه یک مدل ترکیبی مبتی بر اقتصادسنجی و خوشه‌بندی برای تحلیل داده‌های رضایت مشتری صورت گرفته است. جامعه آماری پژوهش، مالکان خودروی سواری لوگان و نمونه آماری شامل177 نفر از مشتریان نمایندگی‌های پارس‌خودرو می‌باشد. محقق به همراه تیم تحقیقاتی شرکت ISQI چکیده کاملاین پژوهش با هدف ارائه یک مدل ترکیبی مبتی بر اقتصادسنجی و خوشه‌بندی برای تحلیل داده‌های رضایت مشتری صورت گرفته است. جامعه آماری پژوهش، مالکان خودروی سواری لوگان و نمونه آماری شامل177 نفر از مشتریان نمایندگی‌های پارس‌خودرو می‌باشد. محقق به همراه تیم تحقیقاتی شرکت ISQI ، نیازهای کنونی مشتریان کلیه خودروها از خدمات پس‌از فروش را شناسایی کرده و با طراحی پرسشنامه سنجش رضایت مشتری، میزان تأثیر هریک از متغیرها را بر روی رضایت کلی مشتریان با توجه به گروه پردرآمد ، درآمد متوسط و کم درآمد سنجیده است. عوامل تأثیرگذار بر رضایت کلی مشتریان مبتنی بر تمام گروه‌های درآمدی شامل شش متغیر به شرح: تأمین به‌موقع قطعات؛ توضیحات ارائه شده هنگام ترخیص خودرو؛ سهولت دسترسی به نمایندگی؛ کیفیت سرویس‌های ادواری؛ کیفیت تعمیرات؛ هزینه پرداختی و در گروه پردرآمد شامل سه متغیر به شرح: هزینه پرداختی؛ ثبت موارد مطرح شده توسط مسئول پذیرش در زمان پذیرش؛ توضیحات ارائه شده هنگام ترخیص خودرو و در گروه درآمد متوسط شامل چهار متغیر به شرح: به موقع تامین شدن قطعات در مراجعه؛ کیفیت تعمیرات؛ توضیحات ارائه شده هنگام ترخیص خودرو؛ هزینه پرداختی و در گروه کم درآمد شامل چهار متغیر به شرح: توضیحات ارائه شده هنگام ترخیص خودرو؛ به موقع تأمین شدن قطعات در مراجعه؛ کیفیت تعمیرات؛ سهولت دسترسی به نمایندگی‌های شرکت می‌باشد. ضمنأ در اجرای این پژوهش از نرم‌فزارهای EViews و Spss استفاده شده است. پرونده مقاله -
دسترسی آزاد مقاله
27 - ارائه روش جدید انرژی بهینه برای ردیابی اهداف متحرک در شبکه حسگر بی¬سیم با استفاده از الگوریتم جستجوی شکار
شایسته طباطبائی حسن نصرتی ناهوکدر این مقاله، به منظور افزایش دقت ردیابی هدف سعی در کاهش انرژی مصرفی حسگرها با یک الگوریتم جدید برای ردیابی هدف توزیع شده بنام الگوریتم جستجوی شکار دارد. روش پیشنهادی با پروتکل DCRRP و پروتکل NODIC مقایسه شده است که برای بررسی عملکرد این الگوریتمها از شبیه سازOPNET ور چکیده کاملدر این مقاله، به منظور افزایش دقت ردیابی هدف سعی در کاهش انرژی مصرفی حسگرها با یک الگوریتم جدید برای ردیابی هدف توزیع شده بنام الگوریتم جستجوی شکار دارد. روش پیشنهادی با پروتکل DCRRP و پروتکل NODIC مقایسه شده است که برای بررسی عملکرد این الگوریتمها از شبیه سازOPNET ورژن ۱۱.۵ استفاده شده است. نتایج شبیه سازی نشان می دهد که الگوریتم پیشنهادی از نظر مصرف انرژی، نرخ تحویل سالم داده و نرخ گذردهی نسبت به دو پروتکل دیگر بهتر عمل می کند. پرونده مقاله -
دسترسی آزاد مقاله
28 - معرفي يک روش جديد خوشه‌يابي خودکار بر مبناي الگوريتم ايمني مصنوعي
سیدحمید ظهیریدر اين تحقيق يک روش جديد خوشه‌يابي خودکار مبتني بر الگوريتم ايمني مصنوعي ارائه شده است. در روش پيشنهادشده طول سلول‌هاي تدافعي پويا بوده و بر اساس فواصل درون‌خوشه‌اي و بين‌خوشه‌اي به‌وسيله يک کنترل‌کننده فازي تعيين ميشود. حاصل اين تدبير دستيابي به تعداد مناسب خوشهها بد چکیده کاملدر اين تحقيق يک روش جديد خوشه‌يابي خودکار مبتني بر الگوريتم ايمني مصنوعي ارائه شده است. در روش پيشنهادشده طول سلول‌هاي تدافعي پويا بوده و بر اساس فواصل درون‌خوشه‌اي و بين‌خوشه‌اي به‌وسيله يک کنترل‌کننده فازي تعيين ميشود. حاصل اين تدبير دستيابي به تعداد مناسب خوشهها بدون انجام آزمايشات مکرر است که به‌تبع آن يک خوشه‌يابي مؤثر و کارآمد (به‌صورت خودکار) حاصل خواهد شد. البته تنظيم دستي تعداد خوشهها (مانند ساير روشهاي معمول خوشه‌يابي) نيز پيش‌بيني شده است تا امکان دسترسي به نتايج مورد نظر (و دلخواه) کاربران فراهم باشد. روش ارائه‌شده بر روي انواع مختلفي از دادههاي مصنوعي و دادههاي مشهور در پردازش الگو (با تنوع در ابعاد فضاي ويژگي و تعداد نمونه‌ها) آزمايش شده است. نتايج به‌دست آمده برتري نسبتاً قابل توجهي را در عملکرد اين روش نسبت به روش k means (به‌عنوان يك روش خوشه‌يابي مرسوم) نشان ميدهد. اين برتري در مواجهه با حجم دادههاي زياد، بيشتر به چشم مي‌خورد. همچنين اين نتايج نشان مي‌دهند كه روش پيشنهادشده در مقايسه با روش خوشه‌يابي وراثتي (به‌عنوان يك روش خوشه‌يابي جديد) داراي عملكردي مشابه و در مواردي بهتر از آن ميباشد. پرونده مقاله -
دسترسی آزاد مقاله
29 - 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 چکیده کاملخواندن 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. پرونده مقاله -
دسترسی آزاد مقاله
30 - رویکرد شورای انتخاب ویژگی بر اساس خوشه‌بندی سلسله‌مراتبی برای حل مشکل داده‌های زايد در بینی الکترونیکی
محمدعلی باقری غلامعلی منتظروجود دادههاي زايد در پاسخ حسگرهای بيني الكترونيكي اثر چشم‌گیری در دسته‌بندی بو دارد. برای بهبود صحت دسته‌بندی، می‌توان از سیستم دسته‌بندی چندگانه بر اساس انتخاب چند زیرمجموعه از ویژگی‌ها (به‌جای استفاده از تمام ابعاد بردار ویژگی) استفاده کرد. در این رویکرد که "شورای ا چکیده کاملوجود دادههاي زايد در پاسخ حسگرهای بيني الكترونيكي اثر چشم‌گیری در دسته‌بندی بو دارد. برای بهبود صحت دسته‌بندی، می‌توان از سیستم دسته‌بندی چندگانه بر اساس انتخاب چند زیرمجموعه از ویژگی‌ها (به‌جای استفاده از تمام ابعاد بردار ویژگی) استفاده کرد. در این رویکرد که "شورای انتخاب ویژگی" نامیده می‌شود، فرض بر آن است که مجموعه اولیه ویژگی‌ها دارای داده‌هایی زايد بوده و می‌توان با انتخاب زیرمجموعه‌های ویژگی مختلف و سپس ترکیب دسته‌بندهای ایجادشده با این زیرمجموعه‌ها به نتایج دسته‌بندی بهتری رسید. در این مقاله پس از پیش‌پردازش سیگنال اولیه حسگرها و حذف نویز سیگنال با استفاده از تحلیل موجک، سیستم دسته‌بند چندگانه با زیرمجموعه‌های ویژگی مختلف طراحی شده است: ویژگی‌های استخراج‌شده از سیگنال گذرای حسگر با روش خوشه‌بندی سلسله‌مراتبی طبقه‌بندی شده و زیرمجموعه‌های مختلف با انتخاب یک ویژگی از هر خوشه ایجاد شدهاند. این موضوع موجب بهبود تنوع دسته‌بندهای پایه و افزایش کارایی و سرعت دسته‌بندی می‌شود. روش پیشنهادی ابتدا در چند مجموعه داده تراز از مخزن داده UCI آزمون شده و پس از اثبات توانایی آن، در مجموعه داده بویایی حاصل از رایحه سه نوع شیرین‌بیان به کار برده شده است. نتایج حاصل نشان‌دهنده کارایی روش جدید در شناسایی الگوهای بویایی است. پرونده مقاله -
دسترسی آزاد مقاله
31 - استخراج گذرگاه‌ها با استفاده از تشخیص اشیا در یادگیری تقویتی
بهزاد غضنفری ناصر مزینی محمدرضا جاهد مطلقاين مقاله روش جديدي را مطرح ميکند که قادر به استخراج گذرگاه‌ها به‌صورت اتوماتيک براي عامل يادگيري تقويتي است. روش پيشنهادي از سيستم‌هاي بيولوژيکي، رفتار و مسيريابي حيوانات الهام گرفته شده است و به‌واسطه تعاملات عامل با محيط پيراموني‌اش عمل ميکند. عامل با استفاده از خو چکیده کاملاين مقاله روش جديدي را مطرح ميکند که قادر به استخراج گذرگاه‌ها به‌صورت اتوماتيک براي عامل يادگيري تقويتي است. روش پيشنهادي از سيستم‌هاي بيولوژيکي، رفتار و مسيريابي حيوانات الهام گرفته شده است و به‌واسطه تعاملات عامل با محيط پيراموني‌اش عمل ميکند. عامل با استفاده از خوشهبندي و تشخيص اشيا به‌صورت سلسله مراتبي، نشانه‌هايي را پيدا ميکند. اگر اين نشانه‌ها در فضاي اقدام به هم نزديک باشند، گذرگاه‌ها با استفاده از حالت‌هاي بين آنها استخراج ميشوند. نتايج آزمايش‌ها بهبود قابل ملاحظه‌اي را در فرايند يادگيري تقويتي در مقايسه با ساير روشهاي مشابه نشان ميدهد. پرونده مقاله -
دسترسی آزاد مقاله
32 - خوشه‌یابی تصویر زیرکلمات در متون قدیمی و حجیم چاپی با استفاده از معیار مقایسه تصویری
محمدرضا سهیلی احسان‌اله کبیرحجم زیاد تصاویر متنی روز به روز مسئله دیجیتالی‌شدن متن تصاویر و همچنین مسئله جستجو در این منابع را اهمیت می‌بخشد. در بازشناسی متن‌های حجیم می‌توان از ویژگی‌هایی مانند محدودبودن تعداد و اندازه قلم، یکسان‌بودن صفحه‌آرایی در کل صفحه‌ها، محدودبودن مجموعه واژه‌ها و حوزه معنا چکیده کاملحجم زیاد تصاویر متنی روز به روز مسئله دیجیتالی‌شدن متن تصاویر و همچنین مسئله جستجو در این منابع را اهمیت می‌بخشد. در بازشناسی متن‌های حجیم می‌توان از ویژگی‌هایی مانند محدودبودن تعداد و اندازه قلم، یکسان‌بودن صفحه‌آرایی در کل صفحه‌ها، محدودبودن مجموعه واژه‌ها و حوزه معنایی آنها و یکسان‌بودن سبک نگارشی در کل متن استفاده کرد. در این مقاله الگوریتمی ارائه شده که از یکسان‌بودن نوع و اندازه قلم برای خوشه‌یابی زیرکلمات یک کتاب قدیمی با کیفیت پایین چاپ استفاده شده است. این کتاب 233 صفحه دارد و کل زیرکلمات آن که در حدود 111000 زیرکلمه است جداسازی و برچسب‌زنی شده است. در این تحقیق از یک روش ساده افزایشی برای خوشه‌یابی زیرکلمات استفاده شده است. ابتدا برای هر زیرکلمه چهار ویژگی ساده استخراج می‌شود، در صورتی که تفاوت این ویژگی‌ها از ویژگی‌های نماینده یک خوشه کمتر از مقدار آستانه باشد، مقایسه تصویری بین آن دو انجام می‌شود. به علت زیادبودن تعداد زیرکلمات سعی شده تا از ساده‌ترین روش‌های ممکن استفاده شود تا سرعت اجرا افزایش یابد. نتایج آزمایشها نشان می‌دهد می‌توان زیرکلمات را با دقتی در حدود 7/99 درصد خوشه‌یابی کرد. نتایج این خوشه‌یابی در مرحله بازشناسی زیرکلمات کمک بسیار زیادی خواهد کرد. پرونده مقاله -
دسترسی آزاد مقاله
33 - گروه‌بندی یادگیرندگان در سامانه‌های تطبیق یادگیری به کمک روش خوشه‌بندی پیوندی فازی
محمدصادق رضایی غلامعلی منتظرکیفیت سامانه‌های یادگیری تطبیقی و مشارکتی به نحوه توصیف مناسب یادگیرندگان و نیز دقت و صحت تفکیک یادگیرندگان در گروه‌های همگن و غیر همگن وابسته است. در روش‌های ارائه‌شده برای گروه‌بندی یادگیرندگان در محیط یادگیری الکترونیکی، محققان اغلب به دنبال بهبود روش‌های پایه از طری چکیده کاملکیفیت سامانه‌های یادگیری تطبیقی و مشارکتی به نحوه توصیف مناسب یادگیرندگان و نیز دقت و صحت تفکیک یادگیرندگان در گروه‌های همگن و غیر همگن وابسته است. در روش‌های ارائه‌شده برای گروه‌بندی یادگیرندگان در محیط یادگیری الکترونیکی، محققان اغلب به دنبال بهبود روش‌های پایه از طریق ترکیب آنها با روش‌های بهینه‌سازی هستند. این امر موجب پیچیده‌تر شدن روش‌های گروه‌بندی می‌شود و کیفیت نه چندان مناسب گروه‌های حاصل را به دنبال دارد. در این مقاله روشی مبتنی بر نظریه فازی برای انتخاب خوشه‌های مناسب در روش خوشه‌بندی پیوندی معرفی شده است. در این روش هر خوشه به صورت مجموعه‌ای فازی مدل‌سازی شده و خوشه‌های متناظر تعیین گردیده و بهترین آنها به عنوان خوشه مناسب انتخاب شده است. این روش موجب افزایش دقت روش خوشه‌بندی پیوندی می‌شود. نتایج ارزیابی تجربی روش پیشنهادی بر اساس دو شاخص "Davies-Bouldin" و "خلوص و تجمع" نشان می‌دهد این روش دقت بیشتری نسبت به سایر روش‌های خوشه‌بندی در شناسایی گروه‌ها داشته است. پرونده مقاله -
دسترسی آزاد مقاله
34 - استفاده از یک روش خوشه‌بندی و محاسبه شهرت منفی هر میزبان به منظور تشخیص بات‌نت‌ها با استفاده از ترافیک DNS
رضا شریف‌نیای دیزبنی آناهیتا منافی مورکانیامروزه بات‌نت‌ها به عنوان یکی از مهم‌ترین تهدیدها در برابر زیرساخت اینترنت شناخته می‌شوند. هر بات‌نت گروهی از میزبان‌های آلوده‌شده با کد مخرب یکسان است که توسط مهاجم و از طریق یک یا چند سرویس‌دهنده فرمان و کنترل از راه دور هدایت می‌شوند. از آنجایی‌که سرویس DNS یکی از مه چکیده کاملامروزه بات‌نت‌ها به عنوان یکی از مهم‌ترین تهدیدها در برابر زیرساخت اینترنت شناخته می‌شوند. هر بات‌نت گروهی از میزبان‌های آلوده‌شده با کد مخرب یکسان است که توسط مهاجم و از طریق یک یا چند سرویس‌دهنده فرمان و کنترل از راه دور هدایت می‌شوند. از آنجایی‌که سرویس DNS یکی از مهم‌ترین سرویس‌ها در شبکه اینترنت است، مهاجمین از آن جهت مقاو‌م‌سازی بات‌نت خود استفاده میکنند. مهاجمین با استفاده از این سرویس دو تکنیک تغییر پی‌در‌پی آدرس IP و تغییر پی‌در‌پی نام دامنه را پیاده‌سازی میکنند. این تکنیک‌ها به مهاجم کمک میکنند تا مکان سرویس‌دهنده‌های فرمان و کنترل خود را به صورت پویا تغییر داده و از قرارگرفتن آدرس‌های آنها در فهرست‌های سیاه جلوگیری کنند. در این مقاله، یک روش خوشه‌بندی به همراه محاسبه شهرت منفی هر میزبان به منظور تشخیص برخط بات‌نت‌هایی پیشنهاد می‌شود که از سرویس DNS در مراحل مختلف از چرخه حیات خود استفاده میکنند. در روش پیشنهادی در پایان هر پنجره زمانی، ابتدا پرس و جوهای DNS با ویژگی‌های مشابه با استفاده از یک الگوریتم خوشه‌بندی انتخاب شده و در خوشه‌های جداگا‌نه‌ای قرار می‌گیرند. سپس میزبان‌های مشکوک شناسایی شده و به ماتریس فعالیت‌های گروهی مشکوک اضافه می‌شوند. در نهایت، شهرت منفی میزبان‌های موجود در این ماتریس محاسبه شده و میزبان‌هایی که شهرت منفی بالایی دارند به عنوان میزبان‌های آلوده به بات گزارش می‌شوند. نتایج آزمایش‌های انجام‌شده نشان می‌دهد که روش پیشنهادی قادر است بات‌نت‌هایی را که از پرس و جوهای DNS در مراحل مختلف چرخه حیات خود استفاده میکنند با دقت بالا و نرخ هشدار نادرست پایین تشخیص دهد. پرونده مقاله -
دسترسی آزاد مقاله
35 - تشخیص زاویه قرارگیری شخص در تصویر با استفاده از اطلاعات کانتوری
علی سبطی حمید حسنپوردر بسیاری از کاربردها از جمله کاربردهای نظارتی، حالت و زاویه قرارگیری شخص نسبت به دوربین از اطلاعات مهم می‌باشد. این اطلاعات می‌تواند در ارزیابی رفتاری شخص مورد استفاده قرار گیرد. از دشواری‌های این تشخیص می‌توان به کیفیت پایین دوربین‌های نظارتی، نویز و پس‌زمینه‌های پیچی چکیده کاملدر بسیاری از کاربردها از جمله کاربردهای نظارتی، حالت و زاویه قرارگیری شخص نسبت به دوربین از اطلاعات مهم می‌باشد. این اطلاعات می‌تواند در ارزیابی رفتاری شخص مورد استفاده قرار گیرد. از دشواری‌های این تشخیص می‌توان به کیفیت پایین دوربین‌های نظارتی، نویز و پس‌زمینه‌های پیچیده در تصویر اشاره نمود. در روش‌های موجود برای تشخیص زاویه از ویژگی‌هایی نظیر هیستوگرام گرادیان‌های جهتی استفاده می‌شود. در این توصیف‌گر محاسبه هیستوگرام‌ها بر اساس نواحی محلی انجام می‌گیرد که دارای نقاط ضعفی در تشخیص زاویه می‌باشد. یکی از اطلاعات مفید که می‌تواند در تشخیص زاویه مورد استفاده قرار گیرد لبه‌های احاطه‌کننده یک شیء در تصویر است که بدان کانتور شیء اطلاق می‌گردد. در این مقاله تعمیمی از کانتور ارائه می‌شود که به کمک آن می‌توان به صورت سلسله‌مراتبی تخمینی از کانتور محاط‌شده به تصویر شخص را ارائه داد. این کانتورها از روی یک مدل سه‌بعدی انسان تولید می‌شوند. کانتور تخمین زده شده همانند یک ویژگی سطح بالا در کنار ویژگی‌های سطح پایین نظیر هیستوگرام گرادیان‌های جهتی به عنوان ویژگی نهایی در نظر گرفته می‌شود. در تولید این ویژگی از ترکیب خطی چندین نوع کانتور مربوط به بخش‌های مختلف بدن استفاده شده است. به منظور نشان‌دادن تأثیر ویژگی جدید در تشخیص زاویه، کلاس‌بند ماشین بردار پشتیبان با استفاده از ترکیب دو ویژگی بالا آموزش داده شده و سپس بر روی مجموعه داده‌های VIPeR مورد ارزیابی قرار گرفته است. نتایج آزمایشات انجام‌شده نشان می‌دهد که استفاده از ویژگی ارائه‌شده، دقت تشخیص زاویه را حدود 4% بهبود می‌بخشد. پرونده مقاله -
دسترسی آزاد مقاله
36 - ارائه یک الگوریتم خوشه‌بندی مبتنی بر چگالی با قابلیت کشف خوشه‌های با چگالی متفاوت در پایگاه داده‌های مکانی
علی زاده ده بالایی علیرضا باقری حامد افشارخوشهبندی یکی از تکنیک‌های مهم کشف دانش در پایگاه داده‌های مکانی است. الگوریتمهای خوشه‌بندی مبتنی بر چگالی یکی از روش‌های اصلی برای خوشه‌بندی در داده‌کاوی هستند. الگوریتم DBSCAN پایه روش‌های خوشه‌بندی مبتنی بر چگالی است که علی‌رغم مزایایی که دارد دارای مشکلاتی نظیر سخت چکیده کاملخوشهبندی یکی از تکنیک‌های مهم کشف دانش در پایگاه داده‌های مکانی است. الگوریتمهای خوشه‌بندی مبتنی بر چگالی یکی از روش‌های اصلی برای خوشه‌بندی در داده‌کاوی هستند. الگوریتم DBSCAN پایه روش‌های خوشه‌بندی مبتنی بر چگالی است که علی‌رغم مزایایی که دارد دارای مشکلاتی نظیر سخت‌بودن تعیین پارامترهای ورودی و عدم توانایی کشف خوشه‌های با چگالی متفاوت نیز است. در این مقاله الگوریتمی ارائه شده که برخلاف الگوریتم DBSCAN، قابلیت تشخیص خوشه‌های با چگالی متفاوت را دارد. این الگوریتم همچنین خوشه‌های تودرتو و چسبیده به هم را نیز به خوبی تشخیص می‌دهد. ایده الگوریتم پیشنهادی به این صورت است که ابتدا با استفاده از تکنیکی چگالی‌های مختلف مجموعه داده را تشخیص داده و برای هر چگالی یک شعاع Eps تعیین می‌کند. سپس الگوریتم DBSCAN جهت اعمال بر روی مجموعه داده، با پارامترهای به دست آمده تطبیق داده می‌شود. الگوریتم پیشنهادی بر روی مجموعه داده‌های استاندارد و مصنوعی تست شده است و نتایج به دست آمده با نتایج حاصل از الگوریتم DBSCAN و پنج بهبود الگوریتم DBSCAN شامل: VDBSCAN، VMDBSCAN، LDBSCAN، DVBSCAN و MDDBSCAN که همگی برای رفع مشکل تغییرات چگالی الگوریتم DBSCAN ارائه شدهاند، بر اساس معیارهای ارزیابی روش‌های خوشه‌بندی مقایسه شدهاند. نتایج ارزیابی‌ها نشان می‌دهد که الگوریتم پیشنهادی از دقت بالا و درصد خطای پایینی برخوردار بوده و نتایج بهتری نسبت به سایر الگوریتمها داشته است. پرونده مقاله -
دسترسی آزاد مقاله
37 - مدیریت دست به دست شدگی سیگنال بین فمتوسل و ماکروسل با روش خوشه‌بندی طیفی مبتنی بر جغرافیای منطقه
طاهره بحرینی مونا ضمیری هادی صدوقی یزدیروشهای موجود در زمینه مدیریت دست به دست شدن سیگنال در شبکه‌های مخابرات سلولی نمی‌توانند به طور هم‌زمان تعداد رخدادهای غیر ضروری و تأخیر تصمیم را در سطح پایینی نگه دارند. هدف اصلی این مقاله ارائه روش هوشمندی است تا علاوه بر این که به درخواست‌های ضروری اجازه رخ‌دادن می‌د چکیده کاملروشهای موجود در زمینه مدیریت دست به دست شدن سیگنال در شبکه‌های مخابرات سلولی نمی‌توانند به طور هم‌زمان تعداد رخدادهای غیر ضروری و تأخیر تصمیم را در سطح پایینی نگه دارند. هدف اصلی این مقاله ارائه روش هوشمندی است تا علاوه بر این که به درخواست‌های ضروری اجازه رخ‌دادن می‌دهد، تعداد رخدادهای غیر ضروری آن را نیز کمینه کند و به این ترتیب موجب بهبود کارایی کلی شبکه شود. به منظور دستیابی به چنین هدفی، در روش پیشنهادی از دانش جغرافیایی برگرفته از نقشه‌های ساختمان توأم با روش خوشه‌بندی طیفی در نواحی تحت پوشش فمتوسل استفاده می‌شود. بدین سبب نیاز به توسعه خوشه‌بندی طیفی مبتنی بر اطلاعات جغرافیایی است. نتایج به دست آمده از روش پیشنهادی روی دادهها و شبیه‌سازی‌های انجام‌گرفته، بیانگر این است که این روش نسبت به سایر روش‌ها با افزایش احتمال تخصیص کاربر به سلول مناسب، به شکل قابل قبولی قادر به مدیریت پدیده دست به دست شدگی در لایه ناهمگن فمتوسل- ماکروسل است. پرونده مقاله -
دسترسی آزاد مقاله
38 - ارائه روشی جدید برای کسب مهارت در یادگیری تقویتی با کمک خوشه‌بندی گراف
مرضیه داودآبادی فراهانی ناصر مزینییادگيري تقويتي، يكي از انواع يادگيري ماشين است كه در آن عامل با استفاده از تراکنش با محيط، به شناخت محیط و بهبود رفتار خود میپردازد. يكي از مشكلات اصلي الگوريتمهاي استاندارد يادگيري تقويتي مانند یادگیری Q اين است که نمی‌توانند مسایل بزرگ را در زمان قابل قبولی حل کنند. چکیده کاملیادگيري تقويتي، يكي از انواع يادگيري ماشين است كه در آن عامل با استفاده از تراکنش با محيط، به شناخت محیط و بهبود رفتار خود میپردازد. يكي از مشكلات اصلي الگوريتمهاي استاندارد يادگيري تقويتي مانند یادگیری Q اين است که نمی‌توانند مسایل بزرگ را در زمان قابل قبولی حل کنند. کسب خودکار مهارت‌ها می‌تواند به شکستن مسأله به زيرمسألههاي کوچک‌تر و حل سلسله‌مراتبی آن کمک کند. با وجود نتایج امیدوارکننده استفاده از مهارت‌ها در یادگیری تقویتی سلسله‌مراتبی، در برخی تحقیقات دیگر نشان داده شد که بر اساس وظیفه مورد نظر، اثر مهارت‌ها بر کارایی یادگیری می‌تواند کاملاً مثبت یا منفی باشد و اگر به درستی انتخاب نشوند می‌توانند پیچیدگی حل مسأله را افزایش دهند. از این رو یکی از نقاط ضعف روش‌های قبلی کسب خودکار مهارت‌ها، عدم ارزیابی هر یک از مهارتهای کسب‌شده می‌باشد. در این مقاله روش‌های جدیدی مبتنی بر خوشه‌بندی گراف برای استخراج زیرهدف‌ها و کسب مهارت‌ها ارائه می‌گردد. همچنین معیارهای جدید برای ارزیابی مهارت‌ها مطرح می‌شود که با کمک آنها، مهارتهای نامناسب برای حل مسأله حذف می‌گردند. استفاده از این روش‌ها در چندین محیط آزمایشگاهی افزایش سرعت یادگیری را به شکل قابل ملاحظه‌ای نشان می‌دهد. پرونده مقاله -
دسترسی آزاد مقاله
39 - شناسایی حمله تقلید از سیگنال کاربر اولیه در شبکه‌های رادیوشناختی مبتنی بر طبقه‌بندی غیر پارامتریک بیزین
خاطره اکبری جمشید ابوییرادیوشناختی به عنوان یک فناوری کلیدی برای مقابله با کمبود طیف فرکانسی در شبکه‌های بی‌سیم به طور گسترده مورد توجه قرار گرفته است. یکی از چالش‌های مهم در تحقق شبکه‌های رادیوشناختی، امنیت این نوع شبکه‌ها است. از مهم‌ترین این تهدیدها، حمله تقلید از سیگنال کاربر اولیه است، چکیده کاملرادیوشناختی به عنوان یک فناوری کلیدی برای مقابله با کمبود طیف فرکانسی در شبکه‌های بی‌سیم به طور گسترده مورد توجه قرار گرفته است. یکی از چالش‌های مهم در تحقق شبکه‌های رادیوشناختی، امنیت این نوع شبکه‌ها است. از مهم‌ترین این تهدیدها، حمله تقلید از سیگنال کاربر اولیه است، بدین معنی که کاربر مخرب سعی دارد سیگنالی مشابه با سیگنال کاربر اولیه ارسال کند تا کاربران ثانویه را فریب داده و از ارسال سیگنال‌های این کاربران در حفره‌های طیفی جلوگیری کند و ضمن ایجاد ترافیک در شبکه، با به دست آوردن باند فرکانسی خالی، اطلاعات خود را ارسال کند. در این مقاله، روشی برای شناسایی حمله تقلید از سیگنال کاربر اولیه پیشنهاد می‌گردد که با خوشه‌بندی سیگنال‌های ارسالی کاربران اولیه و کاربران مخرب، این سیگنال‌ها را متمایز می‌کند. در این روش، تعداد سیگنال‌های ارسالی در محدوده شبکه رادیوشناختی در طول خوشه‌بندی سیگنال‌ها به دست می‌آید. با به کارگیری روش طبقه‌بندی مدل مخلوطی فرایند دیریشله که بر اساس روش غیر پارامتریک بیزین می‌باشد، سیگنال‌های اولیه فعال در محیط طبقه‌بندی می‌شوند. همچنین برای دستیابی به سرعت همگرایی بالاتر در الگوریتم، روش فرایند رستوران چینی برای مقداردهی اولیه و نمونه‌برداری غیر یکنواخت جهت انتخاب پارامتر خوشهها به الگوریتم اعمال می‌گردد. پرونده مقاله -
دسترسی آزاد مقاله
40 - استفاده از خوشه‌بندی BIRCH و الگوریتم بهینه‌سازی واکنش شیمیایی جهت کشف تقلب در حوزه سلامت
مجید عبدالرزاق نژاد مهدی خردحوزه سلامت به علت وسعت عملکرد مالی و همچنین وسعت کاربرد آن، یکی از سیستم‌های ایده‌آل برای تقلب است و با وجود راهکارهای مختلف در این زمینه، شناسایی داده‌های تقلب هنوز یکی از چالش‌ها برای ارائه‌دهندگان خدمات سلامت می‌باشد. در این مقاله برای اولین بار الگوریتم BIRCH به عنو چکیده کاملحوزه سلامت به علت وسعت عملکرد مالی و همچنین وسعت کاربرد آن، یکی از سیستم‌های ایده‌آل برای تقلب است و با وجود راهکارهای مختلف در این زمینه، شناسایی داده‌های تقلب هنوز یکی از چالش‌ها برای ارائه‌دهندگان خدمات سلامت می‌باشد. در این مقاله برای اولین بار الگوریتم BIRCH به عنوان یک الگوریتم خوشه‌بندی سلسله‌مراتبی با الگوریتم بهینه‌سازی واکنش شیمیایی (CRO) ترکیب شده است. الگوریتم BIRCH با پیچیدگی زمانی خطی قابلیت کار با حجم بالای دادهها و شناسایی داده‌های پرت را دارد و CRO یکی از الگوریتمهای فراابتکاری جدید الهام‌گرفته از واکنش شیمیایی در دنیای واقعی است که با یک جمعیت پویا از مولکول‌ها توسط چهار عملگر برخورد به دیواره، تجزیه، برخورد بین مولکولی و ترکیب فضای جستجو را مورد کاوش قرار می‌دهند. الگوریتم خوشه‌بندی بهبودیافته BIRCH-CRO با حذف فرایند خوشه‌بندی سراسری داخلی نسخه کلاسیک BIRCH و تعیین بهینه پارامترهای اصلی آن باعث بهبود سرعت و دقت تشخیص داده‌های تقلب در حوزه سلامت نسبت به سایر الگوریتمهای بدون نظارت ارائه‌شده در این حوزه گردیده است. همچنین الگوریتم پیشنهادی توانایی کار با داده‌های آنلاین و حجم بالا را دارد و با توجه به نتایج به دست آمده، عملکرد مناسبی را فراهم می‌کند. پرونده مقاله -
دسترسی آزاد مقاله
41 - تشخیص ناهنجاری در مسیرخودرو با استفاده از از آموزش لغت نامه و بازسازی تنک
ریحانه تقی زاده خانکوک عباس ابراهیمی مقدم مرتضی خادمیدر سامانه‌های کنترل ترافیک و ثبت تخلفات وسایل نقلیه همواره دستیابی به سامانه‌ای که بتوان با استفاده از آن به طور خودکار رفتارهای ناهنجار رانندگان را شناسایی کرد، چالشی اساسی به شمار می‌آید. در این تحقیق سامانه‌ای با مشخصات مذکور برای تشخیص ناهنجاری مسیر خودروها پیشنهاد چکیده کاملدر سامانه‌های کنترل ترافیک و ثبت تخلفات وسایل نقلیه همواره دستیابی به سامانه‌ای که بتوان با استفاده از آن به طور خودکار رفتارهای ناهنجار رانندگان را شناسایی کرد، چالشی اساسی به شمار می‌آید. در این تحقیق سامانه‌ای با مشخصات مذکور برای تشخیص ناهنجاری مسیر خودروها پیشنهاد گردیده که در آن ابتدا به استخراج ویژگی‌های زمانی- مکانی و تشکیل یک طبقه‌بند با کمک لغتنامه حاصل از آن ویژگی‌ها پرداخته می‌شود. طبقه‌بند از پردازش‌هایی چون خوشه‌بندی بهینه‌شده با الگوریتم جفت‌گیری زنبور عسل و پردازش تنک روی ویژگی‌های زمانی- مکانی حاصل از داده‌های آموزشی تشکیل می‌گردد. طبقه‌بند طراحی‌شده روی داده‌های آزمون، به منظور تشخیص ناهنجاری اعمال می‌شود. وجه تمایز این پژوهش نسبت به پژوهش‌های پیشین علاوه بر شیوه نوین در پیش‌پردازش صورت‌گرفته به منظور ایجاد ماتریس لغتنامه، تشخیص ناهنجاری بر پایه ارزیابی ماتریس حاصل از تعلق دادهها به هر طبقه است که منجر به دقت بالاتر روش پیشنهادی نسبت به سایر روش‌های رقیب می‌شود. برای ارزیابی بهتر روش پیشنهادی، ابتدا آن را روی پایگاه داده UCSD و سپس روی دنباله‌های ویدئویی استخراج‌شده از عبور و مرور خودروها در ضلع شمالی دانشگاه فردوسی مشهد اعمال نموده و سپس نتایج حاصل، با نتایج سایر پژوهش‌های شناخته‌شده در این حوزه مقایسه می‌گردد. پرونده مقاله -
دسترسی آزاد مقاله
42 - انتخاب ویژگی و طبقه‌بندی سلول‌های سرطانی بر پایه داده‌های ریزآرایه با استفاده از الگوریتم جستجوی فاخته چندهدفه
خدیجه کمری فرزان رشیدی عبدالله خلیلیدادههاي ریزآرایه نقش مؤثری در طبقه‌بندی و تشخیص انواع بافت‌های سرطانی ایفا میکنند. با این حال در پژوهش‌های مرتبط با سرطان، تعداد نسبتاً کم نمونه‌ها در مقایسه با تعداد بسیار زیاد ژن‌ها، باعث ایجاد مشکلاتی از قبیل کاهش کارایی طبقه‌بندها، افزایش هزینه‌های محاسباتی و پیچ چکیده کاملدادههاي ریزآرایه نقش مؤثری در طبقه‌بندی و تشخیص انواع بافت‌های سرطانی ایفا میکنند. با این حال در پژوهش‌های مرتبط با سرطان، تعداد نسبتاً کم نمونه‌ها در مقایسه با تعداد بسیار زیاد ژن‌ها، باعث ایجاد مشکلاتی از قبیل کاهش کارایی طبقه‌بندها، افزایش هزینه‌های محاسباتی و پیچیدگی در طبقه‌بندی سلول‌های سرطانی خواهد شد. یک راهکار مناسب جهت افزایش کارایی طبقه‌بندها، حذف ژنهای نامربوط و انتخاب نمونه‌های مناسب برای آموزش طبقه‌بندها است. در این مقاله یک مدل ترکیبی بر پایه الگوریتم بهینه‌سازی جستجوی فاخته چندهدفه و خوشه‌بندی فازی برای طبقه‌بندی داده‌های ریزآرایه پیشنهاد شده است. در اين مطالعه از نسخه دودویی الگوريتم جستجوی فاخته چندهدفه به منظور انتخاب ويژگي‌هاي مرتبط با بیماری و از نسخه پیوسته آن برای انتخاب تعداد نمونه‌های مناسب برای آموزش طبقه‌بندها استفاده شده است. به منظور تسریع در فرایند بهینه‌سازی و جلوگیری از گیرافتادن الگوریتم در بهینه‌های محلی، راهکارهای ابتکاری جدیدی نیز به الگوریتم اضافه شدهاند. برای بررسی عملکرد مدل پیشنهادی، شبیه‌سازی‌های متعددی بر روی شش مجموعه داده سرطانی انجام گرفته و نتایج آن با دیگر مقالات مقایسه شده است. نتایج به دست آمده نشان می‌دهند در بسیاری از موارد مدل پیشنهادی قادر است در مقایسه با سایر روش‌ها، با انتخاب مجموعه کوچک‌تری از ژنهای متمایز، منجر به افزایش کارایی طبقه‌بندها شود. پرونده مقاله -
دسترسی آزاد مقاله
43 - استفاده از خوشه‌بندی تکاملی برای تشخیص موضوع در بلاگ‌نویسی کوچک با لحاظ‌نمودن اطلاعات شبکه اجتماعی
الهام سادات َعلوی هدی مشایخی حمید حسن‌پور باقر رحیم‌پور کامیمتون کوتاه رسانه‌های اجتماعی مانند توییتر اطلاعات زیادی در مورد موضوع‌های داغ و افکار عمومی ارائه می‌دهند. برای درک بهتر اطلاعات دریافتی از شبکه‌های اجتماعی، شناسایی و ردیابی موضوع امری ضروری است. در بسیاری از روش‌های ارائه‌شده در این زمینه، تعداد موضوع‌ها باید از پیش م چکیده کاملمتون کوتاه رسانه‌های اجتماعی مانند توییتر اطلاعات زیادی در مورد موضوع‌های داغ و افکار عمومی ارائه می‌دهند. برای درک بهتر اطلاعات دریافتی از شبکه‌های اجتماعی، شناسایی و ردیابی موضوع امری ضروری است. در بسیاری از روش‌های ارائه‌شده در این زمینه، تعداد موضوع‌ها باید از پیش مشخص باشد و نمی‌تواند در طول زمان تغییر کند. از این منظر، این روش‌ها برای داده‌های در حال افزایش و پویا مناسب نیستند. همچنین مدل‌های تکاملی موضوعی غیر پارامتری به دلیل مشکل کمبود دادهها، بر روی متون کوتاه عملکرد مناسبی ندارند. در این مقاله، یک مدل خوشه‌بندی تکاملی جدید ارائه کرده‌ایم که به طور ضمنی از فرایند رستوران چینی وابسته به فاصله (dd-CRP) الهام گرفته است. در روش ارائه‌شده برای حل مشکل کمبود دادهها، از اطلاعات شبکه اجتماعی در کنار شباهت متنی، برای بهبود ارزیابی شباهت بین توییت‌ها استفاده شده است. همچنین در روش پیشنهادی، برخلاف اکثر روش‌های مطرح‌شده در این زمینه، تعداد خوشهها به صورت خودکار محاسبه می‌شود. در واقع در این روش، توییت‌ها با احتمالی متناسب با شباهتشان به هم متصل می‌شوند و مجموعه‌ای از این اتصال‌ها یک موضوع را تشکیل می‌دهد. برای افزایش سرعت اجرای الگوریتم، از یک روش خلاصه‌سازی مبتنی بر خوشه‌بندی استفاده نموده‌ایم. ارزیابی روش بر روی مجموعه داده واقعی که در طول دو ماه و نیم از شبکه اجتماعی توییتر جمع‌آوری شده است، انجام می‌شود. ارزیابی به صورت خوشه‌بندی متون و مقایسه بین آنها می‌باشد. نتایج ارزیابی نشان می‌دهد که روش پیشنهادی نسبت به روش‌های مقایسه‌شده دارای انسجام موضوعی بهتری بوده و می‌تواند به طور مؤثر برای تشخیص موضوع بر روی متون کوتاه رسانه‌های اجتماعی استفاده گردد. پرونده مقاله -
دسترسی آزاد مقاله
44 - بهبود انرژی مصرفی در شبكه¬هاي حسگر بي¬سيم با استفاده از الگوریتم قورباغه جهنده و منطق فازی
شایسته طباطبائیشبکههای حسگر بی‌سیم متشکل از هزاران گره با انرژی باتری محدود هستند و مصرف بهینه انرژی گره‌های حسگر یک چالش اساسی در این نوع از شبکههاست. خوشه‌بندی گره‌های حسگر در دسته‌های مجزا و تبادل اطلاعات از طریق سرخوشهها، یکی از راهکارهای بهبود مصرف انرژی است. این مقاله یک پروت چکیده کاملشبکههای حسگر بی‌سیم متشکل از هزاران گره با انرژی باتری محدود هستند و مصرف بهینه انرژی گره‌های حسگر یک چالش اساسی در این نوع از شبکههاست. خوشه‌بندی گره‌های حسگر در دسته‌های مجزا و تبادل اطلاعات از طریق سرخوشهها، یکی از راهکارهای بهبود مصرف انرژی است. این مقاله یک پروتکل مسیریابی مبتنی بر خوشه‌بندی جدید را به نام SFLCFBA ارائه می‌دهد. پروتکل پیشنهادی به طور بیولوژیکی از ویژگی‌های جستجوی سریع و مؤثر الهام‌گرفته از الگوریتم قورباغه جهنده را که بر اساس رفتار غذایابی قورباغه‌ها عمل می‌کند برای خوشه‌بندی گره‌های حسگر استفاده می‌کند. در پروتکل پیشنهادی همچنین از منطق فازی به منظور محاسبه برازندگی گره‌ها، بر حسب دو معیار فاصله تا سینک و انرژی باقیمانده سطح باتری گره حسگر استفاده می‌شود. روش پیشنهادی در شبیهساز OPNET شبیه‌سازی شد و نتایج حاصل از شبیه‌سازی با پروتکل NODIC و استاندارد 4/15/802 IEEE مقایسه شدند. نتایج به دست آمده از شبیه‌سازی نشان‌دهنده عملکرد بهتر پروتکل پیشنهادی از نظر انرژی سطح باتری، نسبت سیگنال به نویز، تأخیر انتها به انتها و میزان بسته‌های تحویل‌شده به ایستگاه پایه یا سینک می‌باشد. پرونده مقاله -
دسترسی آزاد مقاله
45 - یک روش نیمه‌متمرکز برای بهبود ذخیره‌سازی انرژی در شبکه‌های حسگر بی‌سیم واقعی با استفاده از خوشه‌بندی و چاهک‌های متحرک
فاطمه صادقی سپیده آدابی سحر آداییاستفاده از یک راهکار مسیریابی سلسله‌مراتبی مبتنی بر تکنیک‌های خوشه‌بندی و چاهک متحرک می‌تواند انرژی مصرفی در شبکه‌های حسگر بی‌سیم را به طرز قابل توجهی کاهش دهد. دو مسأله مهم در طراحی این راهکار سلسله‌مراتبی، انتخاب حسگر شایسته‌تر به عنوان سرخوشه و نیز تخصیص بهینه چاهک‌ه چکیده کاملاستفاده از یک راهکار مسیریابی سلسله‌مراتبی مبتنی بر تکنیک‌های خوشه‌بندی و چاهک متحرک می‌تواند انرژی مصرفی در شبکه‌های حسگر بی‌سیم را به طرز قابل توجهی کاهش دهد. دو مسأله مهم در طراحی این راهکار سلسله‌مراتبی، انتخاب حسگر شایسته‌تر به عنوان سرخوشه و نیز تخصیص بهینه چاهک‌های متحرک به مناطق بحرانی (یعنی مناطقی که ریسک ایجاد حفره انرژی در آنها بالا است) می‌باشد. از آنجایی که چاهک‌های متحرک هزینه بالایی را به شبکه تحمیل میکنند، تعداد محدودی از آنها به کار گرفته می‌شوند. لذا تخصیص این تعداد محدود چاهک به شمار بالای درخواست‌های واصل‌شده از نقاط بحرانی در دسته مسایل NP-hard است. بیشتر راهکارهای موجود با تطبیق یک روش تکاملی و اجرای آن توسط حسگرها سعی در حل این مسأله داشته‌اند. این در حالی است که تکنولوژی به کار گرفته شده در طراحی حسگرهای امروزی و نیز منابع محاسباتی بسیار محدود آنها، اجرایی‌شدن این روش‌ها در شبکه‌های واقعی را دچار چالش می‌کند. به بیان دیگر، اجرای چنین ایده‌هایی از حد تئوری فراتر نمی‌رود. در نتیجه برای رسیدن به توازنی مناسب میان افزایش دقت و کاهش بار محاسباتی در مسیریابی مبتنی بر خوشه‌بندی چاهک متحرک یک روش نیمه‌متمرکز بر اساس الگوریتم ژنتیک پیشنهاد می‌کنیم. در این روش، محاسبات سبک‌وزن از سنگین‌وزن جدا شده و اجرای دسته اول محاسبات بر عهده حسگرها و دسته دوم بر عهده ایستگاه پایه گذاشته می‌شود. اقدامات روبه‌رو در طراحی راهکار پیشنهادی انجام شده است: 1) انتخاب سرخوشه بر اساس پارامترهای تأثیرگذار محیطی و نیز تعریف تابع هزینه عضویت حسگر در خوشه، 2) مدل‌سازی ریاضی شانس یک ناحیه برای دریافت چاهک متحرک و 3) طراحی یک تابع برازش برای ارزیابی شایستگی هر تخصیص از چاهک‌های متحرک به مناطق بحرانی در الگوریتم ژنتیک. در اقدامات اخیراً ذکرشده مینیمم‌سازی تعداد و نیز طول پیام‌ها مورد توجه قرار گرفته است. به طور خلاصه، مزیت مهم روش پیشنهادی امکان اجرایی‌شدن آن در شبکه‌های حسگر واقعی (به دلیل جداسازی محاسبات سبک‌وزن از محاسبات سنگین‌وزن) در کنار ایجاد موازنه‌ای مناسب میان اهداف تعریف‌شده است. نتایج شبیه‌سازی نشان‌دهنده بهبود در عملکرد روش پیشنهادی است. پرونده مقاله -
دسترسی آزاد مقاله
46 - روشی نوین برای خوشه‌بندی دادهها با استفاده از الگوریتم بهینه‌سازی چهارگرگ خاکستری
لاله عجمی بختیاروند زهرا بهشتیامروزه، خوشه‌بندی دادهها به دلیل حجم و تنوع دادهها بسیار مورد توجه قرار گرفته است. مشکل اصلی روش‌های خوشه‌بندهای معمول این است که در دام بهینه محلی گرفتار می‌آیند. الگوریتمهای فراابتکاری به دلیل داشتن توانایی فرار از بهینه‌های محلی، نتایج موفقی را در خوشه‌بندی داده‌ه چکیده کاملامروزه، خوشه‌بندی دادهها به دلیل حجم و تنوع دادهها بسیار مورد توجه قرار گرفته است. مشکل اصلی روش‌های خوشه‌بندهای معمول این است که در دام بهینه محلی گرفتار می‌آیند. الگوریتمهای فراابتکاری به دلیل داشتن توانایی فرار از بهینه‌های محلی، نتایج موفقی را در خوشه‌بندی دادهها نشان داده‌اند. الگوریتم بهینه‌سازی گرگ خاکستری از جمله این دسته الگوریتمها است که قابلیت بهره‌برداری خوبی دارد و در برخی از مسایل راه حل مناسبی ارائه داده است، اما اکتشاف آن ضعیف است و در بعضی از مسایل به بهینه محلی همگرا می‌شود. در این تحقیق برای بهبود خوشه‌بندی دادهها، نسخه بهبودیافته‌ای از الگوریتم بهینه‌سازی گرگ خاکستری به نام الگوریتم بهینه‌سازی چهارگرگ خاکستری ارائه شده که با استفاده از بهترین موقعیت دسته چهارم گرگ‌ها به نام گرگ‌های امگای پیشرو در تغییر موقعیت هر گرگ، قابلیت اکتشاف بهبود می‌یابد. با محاسبه امتیاز هر گرگ نسبت به بهترین راه حل، نحوه حرکت آن مشخص می‌شود. نتایج الگوریتم پیشنهادی چهارگرگ خاکستری با الگوریتمهای بهینه‌سازی گرگ خاکستری، بهینه‌سازی ازدحام ذرات، کلونی زنبور عسل مصنوعی، ارگانیسم‌های هم‌زیست و بهینه‌سازی ازدحام سالپ در مسأله خوشه‌بندی روی چهارده مجموعه دادگان ارزیابی شده است. همچنین عملکرد الگوریتم پیشنهادی با چند نسخه بهبودیافته از الگوریتم گرگ خاکستری مقایسه شده است. نتایج به دست آمده عملکرد قابل توجه الگوریتم پیشنهادی را نسبت به سایر الگوریتمهای فراابتکاری مورد مقایسه در مسأله خوشه‌بندی نشان می‌دهد. بر اساس میانگین معیار F روی تمام مجموعه دادگان، روش پیشنهادی 82/172% و الگوریتم بهینه ذرات 78/284% را نشان می‌دهد و در مقایسه با نسخه‌های بهبودیافته الگوریتم گرگ، الگوریتم EGWO که در رتبه بعدی است دارای میانگین معیار F برابر 80/656% می‌باشد. پرونده مقاله -
دسترسی آزاد مقاله
47 - جمع‌آوری داده آگاه به انرژی در شبکه‌های حسگر قابل شارژ با استفاده از الگوریتم بهینه‌سازی ازدحام ذرات توسعه‌یافته
وحیده فراهانی لیلی فرزین وش مینا زلفی لیقوان رحیم ابری لیقوانیک چالش مهم در شبکه‌های حسگر، جمع‌آوری داده با توجه به انرژی محدود گره‌ها است. استفاده از حسگرهای قابل شارژ برای جمع‌آوری اطلاعات و انتقال آنها به چاهک، مشکل محدودیت انرژی را تا حدی مرتفع می‌نماید. با توجه به نرخ پایین برداشت انرژی در گره‌های قابل شارژ، مدیریت مصرف انرژ چکیده کاملیک چالش مهم در شبکه‌های حسگر، جمع‌آوری داده با توجه به انرژی محدود گره‌ها است. استفاده از حسگرهای قابل شارژ برای جمع‌آوری اطلاعات و انتقال آنها به چاهک، مشکل محدودیت انرژی را تا حدی مرتفع می‌نماید. با توجه به نرخ پایین برداشت انرژی در گره‌های قابل شارژ، مدیریت مصرف انرژی در این شبکه‌ها امری ضروری است. الگوریتمهای موجود، جنبه‌های مهم جمع‌آوری آگاه به انرژی- شامل زمان‌بندی خواب گره‌ها، خوشه‌بندی و مسیریابی- را به صورت جامع بررسی نکرده‌اند و همچنین اکثر آنها از روش‌های حریصانه و با کارایی پایین استفاده نموده‌اند. در این مقاله، یک روش کارای مبتنی بر الگوریتم بهینه‌سازی ازدحام ذرات توسعه‌یافته به نام EDGR برای جمع‌آوری داده در شبکه‌های قابل شارژ ارائه شده است. در الگوریتم پیشنهادی، مسئله مورد نظر به سه مرحله زمان‌بندی خواب گره‌ها، خوشه‌بندی و مسیریابی، تقسیم گردیده و مراحل به ترتیب حل شدهاند. بر اساس نتایج شبیه‌سازی، الگوریتم EDGR مقدار متوسط و انحراف از معیار انرژی ذخیره‌شده در گره‌ها و همچنین نرخ گم‌شدن بسته‌ها را به مقدار قابل توجهي نسبت به روش‌های پیشین بهبود داده است. پرونده مقاله -
دسترسی آزاد مقاله
48 - مدل توصیه مکان‌های مورد علاقه با توجه به الگوی رفتاری افراد بر اساس لیست دوستان بر پایه یادگیری عمیق
صدف صفوی مهرداد جلالیرشد سریع شبکه‌های اجتماعی مبتنی بر مکان، فرصتی عالی برای ارائه خدمات توصیه مکان‌های مورد علاقه به صورت هدفمند می‌باشد. یک وظیفه مهم برای توصیه دقیق نقاط جذاب و مورد علاقه کاربران در شبکه‌های اجتماعی مبتنی بر مکان، با توجه به چالش‌های متون غنی و پراکندگی دادهها، بررسی و چکیده کاملرشد سریع شبکه‌های اجتماعی مبتنی بر مکان، فرصتی عالی برای ارائه خدمات توصیه مکان‌های مورد علاقه به صورت هدفمند می‌باشد. یک وظیفه مهم برای توصیه دقیق نقاط جذاب و مورد علاقه کاربران در شبکه‌های اجتماعی مبتنی بر مکان، با توجه به چالش‌های متون غنی و پراکندگی دادهها، بررسی ویژگی‌های معنادار کاربران و نقاط مورد علاقه است. در این مقاله، یک روش جدید برای توصیه ترتیب دقیق بهترین نقاط مورد علاقه کاربران ارائه شده که ترکیبی از رویکردهای شبکه عصبی کانولوشن، خوشه‌بندی و دوستی می‌باشد. برای یافتن شباهت در رفتار دوستان صمیمی، از روش خوشه‌بندی انتقال میانگین استفاده می‌کنیم و فقط تأثیر الگوی رفتاری شبیه‌ترین دوست را به نسبت همه دوستان کاربر در نظر می‌گیریم. چارچوب جدید شبکه عصبی کانولوشن پیشنهادی با ۱۰ لایه می‌تواند طول و عرض جغرافیایی و شناسه مکان‌های مناسب بعدی را پیش‌بینی کرده و سپس بر اساس کوتاه‌ترین فاصله از الگوی رفتاری دوست مشابه، مکان‌های پیشنهادی را انتخاب کند. این رویکرد ترکیبی، در دو مجموعه داده شبکه‌های اجتماعی مبتنی بر مکان ارزیابی شده و نتایج تجربی نشان می‌دهد که استراتژی ما از روش‌های پیشرفته توصیه نقاط مورد علاقه دقیق‌تر عمل می‌کند. پرونده مقاله -
دسترسی آزاد مقاله
49 - ارائه روشی جدید بر مبنای تجزیه ماتریس غیر منفی برای کاهش ابعاد
مهدی حسین زاده اقدم مرتضی آنالویی جعفر تنهایادگیری ماشین در طی دهه‌های گذشته به دلیل طیف گسترده کاربردهای آن مورد استفاده زیادی قرار گرفته است. در اکثر کاربردهای یادگیری ماشین مانند خوشه‌بندی و طبقه‌بندی، ابعاد دادهها زیاد می‌باشد و استفاده از روش‌های کاهش ابعاد داده ضروری است. تجزیه ماتریس غیر منفی با استفاده چکیده کاملیادگیری ماشین در طی دهه‌های گذشته به دلیل طیف گسترده کاربردهای آن مورد استفاده زیادی قرار گرفته است. در اکثر کاربردهای یادگیری ماشین مانند خوشه‌بندی و طبقه‌بندی، ابعاد دادهها زیاد می‌باشد و استفاده از روش‌های کاهش ابعاد داده ضروری است. تجزیه ماتریس غیر منفی با استفاده از استخراج ویژگی‌ها معنایی از داده‌های با ابعاد زیاد کاهش ابعاد را انجام می‌دهد و در تجزیه ماتریس غیر منفی فقط نحوه مدل‌سازی هر بردار ویژگی در ماتریس‌های تجزیه‌شده را در نظر می‌گیرد و روابط بین بردارهای ویژگی را نادیده می‌گیرد. ارتباطات میان بردارهای ویژگی، تجزیه بهتری را برای کاربردهای یادگیری ماشین فراهم میکنند. در این مقاله، یک روش بر مبنای تجزیه ماتریس غیر منفی برای کاهش ابعاد دادهها ارائه شده که محدودیت‌هایی را بر روی هر جفت‌بردارهای ویژگی با استفاده از معیارهای مبتنی بر فاصله ایجاد می‌کند. روش پیشنهادی از نرم فروبنیوس به عنوان تابع هزینه برای ایجاد قوانین به روز رسانی استفاده می‌کند. نتایج آزمایشها روی مجموعه دادهها نشان می‌دهد که قوانین به روز رسانی ضربی ارائه‌شده، سریع همگرا می‌شوند و در مقایسه با الگوریتمهای دیگر نتایج بهتری را ارائه میکنند. پرونده مقاله -
دسترسی آزاد مقاله
50 - خوشه‌بندی مدیران صنعت گاز ایران و اولویت‌بندی شایستگی‌های مدیران مبتنی بر نتایج ارزیابی مدل تعالی سازمانی با رویکرد هوش مصنوعی
علی رضا زمانیان مجید جهانگیرفرد فرشاد حاج علیاندر این مقاله تلاش شده تا بسترسازی مناسبی در جهت ایجاد رابطه بین داده های منابع انسانی به عنوان کلان داده و هوش مصنوعی ایجاد شود و با استفاده از نتایج مدل تعالی سازمان در صنعت بزرگ گاز ایران و برای حدود 51 شرکت، به یک مدل برای خوشه بندی مدیران موفق منابع انسانی سازمان بر چکیده کاملدر این مقاله تلاش شده تا بسترسازی مناسبی در جهت ایجاد رابطه بین داده های منابع انسانی به عنوان کلان داده و هوش مصنوعی ایجاد شود و با استفاده از نتایج مدل تعالی سازمان در صنعت بزرگ گاز ایران و برای حدود 51 شرکت، به یک مدل برای خوشه بندی مدیران موفق منابع انسانی سازمان بر اساس نتایج ارزیابی شرکت ها با مدل تعالی سازمانی (EFQM) دست یابیم. در این مقاله تلاش شده تا بسترسازی مناسبی در جهت ایجاد رابطه بین داده های منابع انسانی با استفاده از نتایج مدل تعالی سازمانی، برای حدود 51 شرکت فرعی و ستادی شرکت ملی گاز ایران با بهره گیری از روش های هوش مصنوعی و یادگیری ماشین صورت پذیرد و به یک مدل برای خوشه بندی مدیران ارشد سازمان براساس نتایج ارزیابی شرکت ها با مدل تعالی سازمانی (مبتنی بر مدل تعالی EFQM) دست یابیم. ویژگی منحصربه فرد این روش این است که براساس خروجی و عملکرد واقعی سازمان های موفق به دست می آید که در رأس آن ها مدیران و رهبران موفق سازمان حضور داشته اند و براساس آن در آینده می توان به یک مدل شایستگی مبتنی بر عملکرد دست یافت. در این مقاله ابتدا بر اساس نتایج حاصل از ارزیابی مدل تعالی سازمان، به خوشه بندی نتایج مدل تعالی در 51 شرکت صنعت گاز ایران بر اساس نتایج ارزیابی های سال های 1396، 1397 و 1398 اقدام می کنیم. خوشه بندی برای 3776 داده با روش های مبتنی بر هوش مصنوعی و کدنویسی با نرم افزار پایتون صورت می گیرد. تحقیق حاضر از لحاظ هدف کاربردی بوده و به دنبال طراحی و تدوین یک مدل جدید برای کشف خبرگان و دسته بندی علمی منابع انسانی سازمان بر اساس داده های معتبر می باشد. این پژوهش همچنین به دنبال تلفیق مباحث جدید علمی هوش مصنوعی شامل خوشه بندی در ایجاد زیرساخت های پژوهشی در منابع انسانی است و در بعد کاربردی از نتایج به دست آمده در تصمیم گیری و برنامه ریزی های سازمانی استفاده می کند و به دنبال تولید ابزاری است که با آن بتواند در آینده با داشتن داده های مناسب در حرفه منابع انسانی، عملکرد مدیریتی کارکنان این حرفه و سازمان را پیش بینی نماید. در انتها با استفاده از نرخ تفکیک پذیری فیشر یک اولویت بندی برای آموزش و توسعه مدیران براساس شکاف شایستگی های ایشان بدست خواهد آمد. پرونده مقاله -
دسترسی آزاد مقاله
51 - تخمین سرعت امواج صوتی با استفاده از روش¬های هوشمند و روش خوشه-بندی گراف پایه با توان تفکیک چندگانه: مطالعه موردی دریکی از میادین جنوب ایران
مرتضی نوری مینا کریمی خالدیچكيده سرعت موج برشی (Vs) و تراکمی (Vp)دو پارامتر اساسی هستند که در اکثر مطالعات پتروفيزيكي، ژئوفيزيكي و ژئومکانیکی کاربردهای عمده ای دارند. این دو پارامتر را می توان از طریق ابزار تصویرگر دو قطبی صوتی (Dipole sonic imaging tool) بدست آورد، اما متأسفانه به دلیل هزینه چکیده کاملچكيده سرعت موج برشی (Vs) و تراکمی (Vp)دو پارامتر اساسی هستند که در اکثر مطالعات پتروفيزيكي، ژئوفيزيكي و ژئومکانیکی کاربردهای عمده ای دارند. این دو پارامتر را می توان از طریق ابزار تصویرگر دو قطبی صوتی (Dipole sonic imaging tool) بدست آورد، اما متأسفانه به دلیل هزینه بالای این ابزار، اطلاعات مربوط به سرعت موج برشی و تراکمی تنها در تعداد محدودی از چاه ها موجود است. بنابراین پیش بینی سرعت امواج به صورت غیر مستقیم از روی دیگر نمودارهای متداول که همبستگی خوبی با این پارامترها دارند، اهمیت بسزایی دارد. درگذشته از روش‌های تجربی و تحلیل‌های رگرسیونی برای تخمین سرعت امواج استفاده می‌شد، در حالی که امروزه از سیستم های هوشمند که عملکرد بهتری نسبت به این روش ها دارند، استفاده می شود. مهم‌ترین ابزار برای این کار، سیستم های هوشمند شامل شبکه هوش مصنوعی، منطق فازي، و خوشه بندی گراف پایه با توان تفکیک چندگانه (Multi resolution graph base clustering) می-باشد. در این مطالعه 1321 نقطه داده از سازند کنگان و دالان که دارای سرعت های برشي و تراكمی بودند، استفاده شده است. این داده ها به دو گروه تقسیم می شوند: 995 نقطه داده برای ساخت سیستم های هوشمند و 326 نقطه داده برای تست مدل استفاده شد. نتايج نشان داد که علی رغم اختلاف در مفهوم، همه تكنيك های هوشمند در برآورد سرعت امواج عملکرد قابل قبولی داشته‌اند. از طرفی، روش خوشه بندی گراف پایه با توان تفکیک چندگانه با توجه به تفکیک داده به خوشه هایی بر اساس میزان شباهت و تفاوت آنها، تخمین دقیق تری از دیگر روش ها دارد. با استفاده از روش خوشه-بندی، سرعت امواج تراکمی و برشی با ضريب همبستگی برابر 9505/0و9407/. تخمین زده شد. از آنجایی که در این فرآیند، از عمق داده ها و لیتولوژی به عنوان ورودی استفاده نشده است، می توان از این روش در چاه ها و میادین دیگر نیز استفاده نمود. پرونده مقاله -
دسترسی آزاد مقاله
52 - ساخت نگار لیتو لوژی با رویکرد خوشه بندی-تخمین در چاه های یک میدان نفتی جنوب ایران
ساره صدیق مهرنوش علی پور شهسواری حسین معماریان بهزاد تخم چیتعیین لیتو لوژی مخزن از مهم ترین بررسی های مخزنی است که جهت تطابق چاه ها وتشخیص قسمت های تولیدی مخزن به کار می رود بهترین روش در تعیین لیتولوژی استفاده از اطلاعات مغزه وخرده های حفاری است .اما در بسیاری از چاه ها این اطلاعات به صورت کامل وپیوسته موجود نیست .به طور معمول چکیده کاملتعیین لیتو لوژی مخزن از مهم ترین بررسی های مخزنی است که جهت تطابق چاه ها وتشخیص قسمت های تولیدی مخزن به کار می رود بهترین روش در تعیین لیتولوژی استفاده از اطلاعات مغزه وخرده های حفاری است .اما در بسیاری از چاه ها این اطلاعات به صورت کامل وپیوسته موجود نیست .به طور معمول در موارد نبود مغزه نسبت به تخمین لیتو لوژی از داده های پترو فیزیکی با رویکرد خوشه بندی –تخمین است .این روش بر اساس داده های یک چاه اکتشافی از یکی از میادین نفتی جنوب ایران که دارای نتایج آنالیز مغزه بوده توسعه داده شده ونسبت به بهینه سازی پارامتر های مدل اقدام شده است .سپس این مدل بر روی چاه های فاقد فاقد مغزه تعمیم داده شده است .خوشه بندی به عنوان عاملی برای تفکیک داده های چاه به جوامع همگن لیتو لوژیکی مورد استفاده قرار می گیرد ،سپس تخمین در صد کانی ها در هر کدام از این جوامع غالب لیتو لوزیکی صورت گرفته است وبه ترتیب ضرایب همبستگی 93/92%و99/74 %بین داده های وافعی وتخمینی دولومیت وکلسیت در یکی از چاه ها بدست آمده است .نتایج معرف دقت مناسب وقابلیت تعمیم قابل توجه رویکرد است پرونده مقاله -
دسترسی آزاد مقاله
53 - طراحی الگوی شایستگی محوری مدیران صنعت گاز ایران مبتنی بر نتایج ارزیابی مدل تعالی سازمانی (EFQM) به روش هوش مصنوعی
علی رضا زمانیان مجید جهانگیرفرد فرشاد حاج علیانموفقیت سازمان ها در تحقق اهداف استراتژیک بسیار وابسته به نحوه عملکرد مدیران آن سازمان می باشد و این موفقیت بیش از هر چیز ارتباط مستقیم به انتخاب و انتصاب مدیران شایسته و با دانش در راس هرم سازمانی دارد. مدیریت بر مبنای شایستگی رویکردی قوی در توسعه و نگهداشت سرمایه های ا چکیده کاملموفقیت سازمان ها در تحقق اهداف استراتژیک بسیار وابسته به نحوه عملکرد مدیران آن سازمان می باشد و این موفقیت بیش از هر چیز ارتباط مستقیم به انتخاب و انتصاب مدیران شایسته و با دانش در راس هرم سازمانی دارد. مدیریت بر مبنای شایستگی رویکردی قوی در توسعه و نگهداشت سرمایه های انسانی سازمان در بلندمدت بوده و مدل های شایستگی ابزاری مفید برای شناسایی و توسعه دانش، مهارت و توانایی‌های مورد نیاز مدیران به شمار می رود. از سال 1973 که آقای مک کللند به مفهوم شایستگی پرداخت تا به امروز، از زوایای مختلفی به تعریف شایستگی پرداخته شده است. به صورت کلی شايستگي"مجموعه دانش، مهارت، نگرش، توانمندی، علایق و ویژگی های شخصیتی و ... می باشدکه کارکنان را قادر می سازد به صورتی اثربخش، فعالیت های مربوط به شغل را انجام دهند و عملکرد شغلی را در حد انتظار و یا فراتر از حد انتظار انجام دهند." ازسوی دیگر عناصر شایستگی درمدل ها و تعاریف مختلف می تواند متفاوت باشد. مطابق با شایستگی های تعریف شده درکانون ارزیابی مدیران شرکت ملی گاز ایران و با توجه به ماهیت آموزش پذیر بودن شایستگی ها، سه دسته شایستگی " ارتباطی"، " مدیریتی و رهبری"، " شناختی" و یک دسته شایستگی آموزش ناپذیر "شخصیتی" تعریف شده است. در این تحقیق با سه مفهوم بنیادین و پایه ای مواجه هستیم که عبارت است از: مدل تعالی سازمانی، مدل شایستگی و خوشه بندی. هر یک از این مفاهیم به ترتیب با مفاهیم عمیق تری از سازمان و فناوری شامل عملکرد سازمانی، منابع انسانی و فناوری هوش مصنوعی در ارتباط هستند که در پیشبرد اهداف استراتژیک سازمان در دنیای امروزی نقش مهمی ایفا می نمایند. در این مقاله تلاش شده تا در حوزه شایستگی های مدیران صنعت گاز به مجموعه ای از شایستگی های محوری مدیران ارشد سازمان دست یابیم که براساس عملکرد مدیران در تعالی سازمانی حاصل شده است. این شایستگی های محوری چراغ راه سازمان در دستیابی به اهداف استراتژیک بوده و می تواند به صورت هدفمند در کمترین زمان و با حداقل هزینه اثربخشی مناسبی در روند توسعه مدیران سازمان ایفا نماید. پرونده مقاله -
دسترسی آزاد مقاله
54 - بهبود دقت سيستمهای پیشنهاددهنده با تخمین اعتماد آگاه از زمان، مکان و زمینه بر اساس خوشه بندی و توزیع بتا
سمانه شیبانی حسن شاکری رضا شیبانیدر دهههاي اخير رويكرد محاسبه و اعمال اعتماد بين كاربران در طراحي سيستم‌هاي پيشنهاددهنده مورد توجه محققان قرار گرفته است. با وجود اين، اغلب سيستم‌هاي پيشنهاددهنده مبتني بر اعتماد فقط از يك فاكتور براي تخمين مقدار اعتماد استفاده ميكنند. در اين مقاله يك رويكرد چندفاكتو چکیده کاملدر دهههاي اخير رويكرد محاسبه و اعمال اعتماد بين كاربران در طراحي سيستم‌هاي پيشنهاددهنده مورد توجه محققان قرار گرفته است. با وجود اين، اغلب سيستم‌هاي پيشنهاددهنده مبتني بر اعتماد فقط از يك فاكتور براي تخمين مقدار اعتماد استفاده ميكنند. در اين مقاله يك رويكرد چندفاكتوري براي تخمين اعتماد بين كاربران سيستم‌هاي پيشنهاددهنده ارائه ميشود. در طرح پيشنهادي، ابتدا كاربران سيستم براساس شباهت مبتني بر اطلاعات دموگرافيك و تاريخچه ارزشيابيها خوشهبندي ميشوند. براي تخمين ارزشيابي كاربر فعال به يك آيتم خاص، مقدار اعتماد بين او و ساير كاربران همخوشهاش با درنظرگرفتن فاكتورهاي زمان، مكان، و زمينه ارزشيابي محاسبه ميشود. براي اين منظور، ما الگوريتمي مبتني بر توزيع بتا معرفي ميكنيم. يك معيار مبتني بر درخت جديد براي محاسبه شباهت معنايي بين زمينهها مورد استفاده قرار ميگيرد. در نهايت، ارزشيابي كاربر فعال با استفاده از ميانگينگيري وزني تخمين زده ميشود كه مقادير اعتماد به عنوان وزن در ميانگينگيري منظور ميشوند. طرح پيشنهادي بر روي سه مجموعهداده مطرح اجرا شده و ارزيابي و مقايسه نشان ميدهد كه اين طرح نتايج بهتري از نظر ملاكهاي دقت و كارآمدي نسبت به روشهاي موجود ارائه ميكند. پرونده مقاله -
دسترسی آزاد مقاله
55 - خلاصه‌سازی ویدئویی با روش ترکیبی گراف شبکه‌ای و خوشه‌بندی
مهسا رحیمی رسکتی همایون موتمنی ابراهیم اکبری حسین نعمت زادهما در دنیایی زندگی می‌کنیم که وجود دوربین‌های خانگی و قدرت رسانه باعث شده تا با حجم خیره‌کننده‌ای از داده‌های ویدئویی سر و کار داشته باشیم. مسلم است روشی که بتوان با کمک آن، این حجم بالای فیلم را با سرعت و بهینه مورد دسترسی و پردازش قرار داد، اهمیت ویژه‌ای پیدا می‌کند. چکیده کاملما در دنیایی زندگی می‌کنیم که وجود دوربین‌های خانگی و قدرت رسانه باعث شده تا با حجم خیره‌کننده‌ای از داده‌های ویدئویی سر و کار داشته باشیم. مسلم است روشی که بتوان با کمک آن، این حجم بالای فیلم را با سرعت و بهینه مورد دسترسی و پردازش قرار داد، اهمیت ویژه‌ای پیدا می‌کند. با کمک خلاصه‌سازی ویدئویی این مهم حاصل شده و فیلم به یک سری فریم یا کلیپ کوتاه ولی بامعنی خلاصه می‌گردد. در این پژوهش سعی گردیده در ابتدا داده با کمک الگوریتم K-Medoids خوشه‌بندی شود؛ سپس در ادامه با کمک شبکه توجه گرافی کانولوشنالی، جداسازی زمانی و گرافی انجام گیرد و در گام بعدی با کمک روش ردکردن اتصال، نویزها و موارد تکراری حذف گردد. سرانجام با ادغام نتایج به‌دست‌آمده از دو گام متفاوت گرافی و زمانی، خلاصه‌سازی انجام گیرد. نتایج به دو صورت کیفی و کمی و بر روی سه دیتاست SumMe، TVSum و OpenCv مورد بررسی قرار گرفت. در روش کیفی به‌طور میانگین 88% نرخ صحت در خلاصه‌سازی و 31% میزان خطا دست یافته که به نسبت سایر روش‌ها جزء بالاترین نرخ صحت است. در ارزیابی کمی نیز روش پیشنهادی، کارایی بالاتری نسبت به روش‌های موجود دارد. پرونده مقاله -
دسترسی آزاد مقاله
56 - بهبود تراوایی محاسبه شده از روش کالیبراسیون FZI استونلی در مخزن کنگان یکی از میادین گازی ایران
حسین رضایی یگانه دوستتراوایی توانایی جریان سیال برای یک سنگ متخلخل بوده که تخمین درست آن کاری به شدت دشوار است. دو روش معمول و مرسوم محاسبه تراوایی آنالیز مغزه و چاه آزمایی است، اما اندازه گیری تراوایی از طریق مغزه در تمامی چاه های یک میدان در آزمایشگاه، فرآیندی شدیداً زمانبر و هزینه بر بود چکیده کاملتراوایی توانایی جریان سیال برای یک سنگ متخلخل بوده که تخمین درست آن کاری به شدت دشوار است. دو روش معمول و مرسوم محاسبه تراوایی آنالیز مغزه و چاه آزمایی است، اما اندازه گیری تراوایی از طریق مغزه در تمامی چاه های یک میدان در آزمایشگاه، فرآیندی شدیداً زمانبر و هزینه بر بوده و همچنین در بعضی چاه ها منجمله؛ چاه های افقی امکان مغزه گیری وجود ندارد. چاه آزمایی نیز به دلایلی نظیر؛ هزینه های بالا و توقف تولید در بازه انجام تست صرفه اقتصادی ندارد. لذا ارائه و توسعه روش هایی مبتنی بر نگارهای چاه پیمایی معمول و DSI جهت تخمین تراوایی بدلیل هزینه های کم، جامع و در دسترس بودن اهمیت فراوانی دارد. به این منظور در این پژوهش، در مرحله اول تراوایی به کمک روش خوشه بندی چند تفکیکی بر پایه گراف (MRGC) تخمین زده شد و با تراوایی مغزه مقایسه گردید. در مرحله دوم تراوایی به روش کالیبراسون FZI استونلی محاسبه و در نهایت با تراوایی مغزه مقایسه گردید. در مرحله سوم به جهت بهبود تراوایی محاسبه شده از روش کالیبراسیون FZI استونلی جهت غلبه بر هتروژنی مخزن از روش خوشه بندی چند تفکیکی بر پایه گراف (MRGC) در ابتدا واحدهای جریانی مشخص شدند، در ادامه برای هر واحد جریانی بصورت مجزا تراوایی از روش کالیبراسیون FZI استونلی محاسبه گردید و در نهایت با ترکیب کردن تراوایی های محاسبه شده یک نگار دقیق از تراوایی در چاه مورد مطالعه تخمین زده شد. مشاهده شد که ضریب همبستگی تراوایی های تخمین زده شده با تراوایی مغزه در روش خوشه بندی چند تفکیکی بر پایه گراف (R2=77)، کالیبراسیون FZI استونلی (R2=47) و روش بهبود داده شده (R2=84) بدست آمد. روش مذکور توانست 37 درصد تراوایی محاسبه شده در مرحله قبل را بهبود بخشد و به عنوان بهترین روش جهت محاسبه تراوایی در مخزن کنگان چاه مورد مطالعه معرفی می گردد. پرونده مقاله -
دسترسی آزاد مقاله
57 - Proposing an FCM-MCOA Clustering Approach Stacked with Convolutional Neural Networks for Analysis of Customers in Insurance Company
Motahareh Ghavidel meisam Yadollahzadeh tabari Mehdi GolsorkhtabaramiriTo create a customer-based marketing strategy, it is necessary to perform a proper analysis of customer data so that customers can be separated from each other or predict their future behavior. The datasets related to customers in any business usually are high-dimension چکیده کاملTo create a customer-based marketing strategy, it is necessary to perform a proper analysis of customer data so that customers can be separated from each other or predict their future behavior. The datasets related to customers in any business usually are high-dimensional with too many instances and include both supervised and unsupervised ones. For this reason, companies today are trying to satisfy their customers as much as possible. This issue requires careful consideration of customers from several aspects. Data mining algorithms are one of the practical methods in businesses to find the required knowledge from customer’s both demographic and behavioral. This paper presents a hybrid clustering algorithm using the Fuzzy C-Means (FCM) method and the Modified Cuckoo Optimization Algorithm (MCOA). Since customer data analysis has a key role in ensuring a company's profitability, The Insurance Company (TIC) dataset is utilized for the experiments and performance evaluation. We compare the convergence of the proposed FCM-MCOA approach with some conventional optimization methods, such as Genetic Algorithm (GA) and Invasive Weed Optimization (IWO). Moreover, we suggest a customer classifier using the Convolutional Neural Networks (CNNs). Simulation results reveal that the FCM-MCOA converges faster than conventional clustering methods. In addition, the results indicate that the accuracy of the CNN-based classifier is more than 98%. CNN-based classifier converges after some couples of iterations, which shows a fast convergence in comparison with the conventional classifiers, such as Decision Tree (DT), Support Vector Machine (SVM), K-Nearest Neighborhood (KNN), and Naive Bayes (NB) classifiers. پرونده مقاله -
دسترسی آزاد مقاله
58 - خوشه بندی فازی چندهسته ای کلان داده ها در چارچوب نگاشت کاهش هدوپ
سیدامید آذرکسب سید حسین خواسته مصطفی امیرییک راهحل منطقي براي لحاظکردن همپوشاني خوشهها، انتساب مجموعهاي از درجه عضویت به هر داده است. بهدلیل کمشدن افرازها و کوچکشدن فضايجستجو، خوشهبندي فازي عموما داراي سربار محاسباتي کمتري بوده، تشخیص و مدیریت دادههاي مبهم، نویزدار و دادههايپرت نیز در آن بهسهولت انجام ميگیرد. ا چکیده کاملیک راهحل منطقي براي لحاظکردن همپوشاني خوشهها، انتساب مجموعهاي از درجه عضویت به هر داده است. بهدلیل کمشدن افرازها و کوچکشدن فضايجستجو، خوشهبندي فازي عموما داراي سربار محاسباتي کمتري بوده، تشخیص و مدیریت دادههاي مبهم، نویزدار و دادههايپرت نیز در آن بهسهولت انجام ميگیرد. ازاینرو خوشهبندي فازي از نوع پیشرفته روشهاي خوشهبندي به شمار ميرود. اما روشهاي خوشهبندي فازي در مواجه با روابط غیرخطي دادهها ناتوانند. روش پیشنهادي این مقاله ميکوشد تا مبتني بر ایدههاي امکان پذیري، از یادگیري چندهستهاي در چارچوب نگاشتکاهش هدوپ براي تشخیص خوشههاي خطيجدایيناپذیر با ساختار کلاندادههاي پیچیده، استفاده کند. مدل یادگیري چندهستهاي قادر به کشف روابط پیچیده بین دادهاي بوده و در عین حال هدوپ ما را قادر خواهد ساخت تا به جاي تعامل با سیستم عامل و پردازنده، با یک کلاستر منطقي از پردازشها و گرههاي انباره داده تعامل داشته باشیم و عمده کار را بر عهده فریمورک بیندازیم. به طور خلاصه مدلسازي روابط غیرخطي دادهها با استفاده از مدل یادگیري چندهستهاي، تعیین مقادیر مناسب براي پارامترهاي فازيسازي و امکانپذیري، و ارائه الگوریتم در مدل نگاشتکاهش هدوپ از دستاوردهاي کلیدي مقاله حاضر ميباشد. آزمایشها برروي یکي از مجموعه دادههاي پر استفاده مخزن یادگیري UCI و همچنین برروي دیتاست شبیهساز CloudSim پیاده سازي شده است و نتایج قابل قبولي به دست آمده است. طبق مطالعات منتشر شده، مخزن یادگیري UCI براي مقاصد رگرسیون و خوشهبندي کلان داده، و مجموعه داده CloudSim براي شبیهسازي موارد مربوط به رایانش ابري، محاسبه تأخیرهاي زماني و زمانبندي انجام وظایف معرفي شدهاند. پرونده مقاله -
دسترسی آزاد مقاله
59 - بهبود مصرف انرژي در اینترنت اشیا با استفاده از الگوریتم بهینه سازي گروه میگوها و چاهک متحرک
شایسته طباطبائیفناوري اینترنت اشیا ) IoT ( شامل تعداد زیادي گرههاي حسگر است که حجم انبوهي از داده تولید ميکنند. مصرف بهینه انرژي گرههاي حسگر یک چالش اساسي در این نوع از شبکههاست. خوشهبندي گرههاي حسگر در دستههاي مجزا و تبادل اطلاعات از طریق سرخوشهها، یکي از راهکارهاي بهبود مصرف انرژي ا چکیده کاملفناوري اینترنت اشیا ) IoT ( شامل تعداد زیادي گرههاي حسگر است که حجم انبوهي از داده تولید ميکنند. مصرف بهینه انرژي گرههاي حسگر یک چالش اساسي در این نوع از شبکههاست. خوشهبندي گرههاي حسگر در دستههاي مجزا و تبادل اطلاعات از طریق سرخوشهها، یکي از راهکارهاي بهبود مصرف انرژي است. این مقاله یک پروتکل مسیریابي مبتني بر خوشهبندي جدید به نام 1KHCMSBA را ارائه ميدهد. پروتکل پیشنهادي بطور بیولوژیکي از ویژگيهاي جستجوي سریع و مؤثر الهام گرفته بر اساس رفتار غذایابي میگوها در الگوریتم بهینهسازي گروه میگوها براي خوشهبندي گرههاي حسگر استفاده ميکند. در پروتکل پیشنهادي همچنین از چاهک متحرک براي جلوگیري از مشکل نقطه داغ استفاده مي شود. فرآیند خوشهبندي در ایستگاه پایه با یک الگوریتم کنترل متمرکز انجام ميشود که از سطوح انرژي و موقعیت قرارگیري گرههاي حسگر آگاه است. بر خلاف سایر پروتکلهاي موجود در سایر تحقیقات، KHCMSBA مدل انرژي واقع بینانهاي را در شبکه در نظر ميگیرد که در شبیه ساز Opnet عملکرد آن مورد آزمایش قرار ميگیرد و نتایج حاصل از شبیه سازي با پروتکل ( Artifical Fish Swarm Routing Protocol) AFSRP مقایسه ميشوند. نتایج حاصل از شبیه سازي حاکي از عملکرد بهتر روش پیشنهادي از نظر انرژي مصرفي به میزان 71 / 12 درصد، نرخ گذردهي به میزان 22 / 14 درصد، تأخیر انتها به انتها به میزان 07 / 76 درصد، نسبت سیگنال به نویز به میزان 82 / 46 درصد نسبت به پروتکل AFSRP است. پرونده مقاله
رایمگ
سامانه رایمگ تمامی فرآیندهای دریافت، ارزیابی و داوری، ویراستاری، صفحه‌آرایی و انتشار الکترونیکی نشریات علمی را به انجام می‌رساند
پیوندهای سایت
مراکز مرتبط
پشتیبانی
صفحات رسمی
حقوق این وب‌سایت متعلق به سامانه مدیریت نشریات رایمگ است.
حق نشر © 1403-1396